Derin öğrenme ile vasküler darlık tespiti
Vascular stenosis detection using deep learning techniques
- Tez No: 984104
- Danışmanlar: PROF. DR. HACER KARACAN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Periferik arter hastalığı, Peripheral arterial disease
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Periferik arter hastalığı (PAH), dünya genelinde milyonlarca insanı etkileyen, ciddi sağlık problemlerine, mortaliteye ve yüksek sağlık harcamalarına neden olan başlıca kardiyovasküler hastalıklardan biridir. PAH tanısında bilgisayarlı tomografi anjiyografi (BTA), damarları yüksek çözünürlükte görüntüleme kapasitesiyle değerli bir tanı aracıdır. Ancak BTA görüntülerinin manuel olarak yorumlanması zaman kaybına ve hata riskinin artmasına yol açar. Bu tez kapsamında, alt ekstremite BTA görüntülerinde ana damarların ve damar darlıklarının (stenoz) otomatik tespiti için derin öğrenme tabanlı bir model geliştirildim. Modelin temelini, özel kayıp fonksiyonu ile ResNet-101 tabanlı Faster R-CNN algoritması oluşturmaktadır. Model, seksen hastaya ait toplam 67.850 BTA kesitinde test edildi; bu görüntülerin 13.439'u uzmanlar tarafından elle anotlanarak modelin eğitiminde ve değerlendirilmesinde kullanıldı. HU tabanlı damar analizi ve IoU filtreleme ile uygulanan ek işlemler, darlık sınıflandırmasında yüksek doğruluk sağlamdı. Geliştirilen yöntem, %98,79 genel doğruluk ve 0,9534 AUC değeri elde ederek üstün bir performans sergiledi. Derin öğrenme ile otomatik stenoz değerlendirmesini bir araya getiren bu yaklaşım, tanı doğruluğunu artıran, iş yükünü azaltan ve hasta sonuçlarını iyileştiren, klinik uygulamalara uygun bir yapay zekâ çözümü sunmaktadır.
Özet (Çeviri)
Peripheral Arterial Disease (PAD) is one of the most important cardiovascular diseases worldwide for several million humans, associated with substantial morbidity, mortality, and healthcare resource utilization. Computed Tomography Angiography (CTA) is a high-quality imaging modality in PAD diagnostics, which directly highlights the vasculature having high resolution. However, manual interpretation of large-scale CTA data is hindered by human errors and is time-consuming. In this thesis, we introduce an automated deep learning model for detecting the main arteries and stenosis severity along with occlusions inference in lower limb CTA scans. We use Faster R-CNN with a ResNet-101 backbone driven by a custom loss function to achieve good artery localization and reduce false positives. The evaluation of our model is done by experts on a 67,850 CTA slices dataset from eighty patients. Experts manually annotated a subset of 13,439 slices for use in training and evaluating the model. Post-processed with HU-based vessel analysis and intersection-over-union (IoU) filtering, stenosis classification was more refined. In this way, the proposed method resulted in an overall accuracy of 98.79%, with an AUC of 0.9534 for stenosis classification. Deep learning integration with automated stenosis quantification will thus present a tool for robust AI-driven diagnosis of PAD that will bring about a clinically viable solution towards enhancing diagnostic accuracy, reducing workload, and improving patient outcomes.
Benzer Tezler
- Integrating deep learning for heart and vascular acoustic analysis in cardiovascular health assessment
Kardiyovasküler sağlığın kalp ve vasküler akustik analizine derin öğrenme entegre edilerek değerlendirilmesi
CEYDA ÖZÇİL
Yüksek Lisans
İngilizce
2023
Makine MühendisliğiOrta Doğu Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. YİĞİT YAZICIOĞLU
- Kraniyal difüzyon MRG'de derin öğrenme modelleri ile iskemik inmenin tanısı ve vasküler dağılımının sınıflandırılması
Diagnosis and vascular distribution classification of ischemic stroke with deep learning models in cranial diffusion MRIrezonan
YUSUF KENAN ÇETİNOĞLU
Tıpta Uzmanlık
Türkçe
2020
Radyoloji ve Nükleer Tıpİzmir Katip Çelebi ÜniversitesiRadyoloji Ana Bilim Dalı
DR. MUHSİN ENGİN ULUÇ
- Derin öğrenme teknikleri kullanılarak cilt lezyonları için çok sınıflı sınıflandırma
Multi-class classification for skin lesions using deep learning techniques
ÜMMÜHAN KOPAL
Yüksek Lisans
Türkçe
2025
Biyomühendislikİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MÜRVET KIRCI
- Beyin kan damarlarının derin öğrenme sinir ağları kullanılarak analizi
Analyzes of brain blood vessels using deep learning neural networks
TUĞÇE GÖKSU
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih Sultan Mehmet Vakıf ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BERNA KİRAZ
DR. ÖĞR. ÜYESİ MUSA AYDIN
- Bitki yapraklarından hastalık tespiti için derin öğrenme tabanlı yeni yöntemlerin geliştirilmesi
Development of new deep learning based methods for disease detection from plant leaves
EMRULLAH POLAT
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TAYYİP ÖZCAN
DR. ÖĞR. ÜYESİ HAKAN AKTAŞ