Beyin segmentasyonu için geliştirilmiş bir kalan 3D U-net
An improved residual 3d U-net for brain segmentation
- Tez No: 986214
- Danışmanlar: DR. ÖĞR. ÜYESİ MUHAMMED DAVUD
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Residual 3D U-Net, Beyin Tümörü Segmentasyonu, Glioma, MRI, Derin Öğrenme, Yapay Zeka, Tıbbi Görüntü Segmentasyonu, Residual 3D U-Net, Brain Tumor Segmentation, Glioma, MRI, Deep Learning, Artificial Intelligence, Medical Image Segmentation
- Yıl: 2025
- Dil: İngilizce
- Üniversite: İstinye Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yapay Zeka Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Soroor, Nooshin. (2025). Beyin Segmentasyonu İçin Geliştirilmiş Bir Kalan 3D U-Net. İstinye Üniversitesi, Lisansüstü Eğitim Enstitüsü , Yapay Zeka Mühendisliği Anabilim Dalı, Yüksek Lisans Tezi. İstanbul. MRI'da doğru beyin tümörü segmentasyonu klinik tanı ve tedavi planlaması için önemlidir. Bu çalışma, glioma segmentasyonu için Residual 3D U-Net mimarisine dayalı geliştirilmiş bir derin öğrenme modeli önermektedir. Model, özellik çıkarımını geliştirmek için ResNet bloklarını entegre eder ve katmanlar arasında mekansal ayrıntıları korumak için atlama bağlantıları kullanır. Mimari, hiyerarşik özellikleri çıkarmak için ResNet tabanlı bir kodlayıcı ve ardından mekansal bilgileri korurken özellik gösterimini geliştirmek için artık bloklar içerir. Kod çözme aşamasında MRI görüntülerindeki yapısal ölçek değişikliklerini ele almak için atlama bağlantıları kullanılır. Kod çözücüdeki transpoze evrişimli katmanlar, ayrıntıları koruyarak ve önceki katmanlardan bağlamsal bilgileri dahil ederek özellik haritalarını yukarı örneklemektedir. BraTS2020 veri kümesinde değerlendirilen model, tüm tümör için %89,67'lik bir Dice Puanı, %90,24 IoU, %99,32 doğruluk ve %85,00 F1 puanı elde ederek birçok son teknoloji yaklaşımı geride bırakmıştır. Önerilen mimari, klinik ortamlarda gerçek zamanlı ve uçtan uca dağıtılabilir beyin tümörü analizi için umut verici bir potansiyel sunmaktadır.
Özet (Çeviri)
Soroor, Nooshin. (2025). An Improved Residual 3D U-Net For Brain Segmentation. Istinye University, Institute of Graduate Education, Artificial Intelligence Engineering, Master's Thesis. Istanbul. Accurate brain tumor segmentation in MRI is essential for clinical diagnosis and treatment planning. This study proposes an improved deep learning model based on a Residual 3D U-Net architecture for glioma segmentation. The model integrates ResNet blocks to enhance feature extraction and employs skip connections to retain spatial detail across layers. The architecture includes an encoder based on ResNet for extracting hierarchical features, followed by residual blocks to enhance feature representation while maintaining spatial information. Skip connections are utilized during the decoding phase to handle structural scale variations within MRI images. Transposed convolutional layers in the decoder upsample feature maps, retaining details and incorporating contextual information from earlier layers. Evaluated on the BraTS2020 dataset, the model achieved a Dice Score of 89.67% for the whole tumor, 90.24% IoU, 99.32% accuracy, and 85.00% F1-score, outperforming many state-of-the-art approaches. The proposed architecture offers promising potential for real-time and edge-deployable brain tumor analysis in clinical settings.
Benzer Tezler
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Obstetrik brakial pleksus paralizisinde brakial pleksus ve omuriliğin difüzyontensör görüntüleme ve sentetik manyetik rezonans görüntüleme ile değerlendirilmesi
Evaluation of brachial plexus and spinal cord with diffusion tensor imaging and synthetic magnetic resonance imaging in obstetric
GÖKÇEN ÇOBAN ÇİFÇİ
Doktora
Türkçe
2025
Radyoloji ve Nükleer TıpEge ÜniversitesiSinir Bilimi Ana Bilim Dalı
PROF. DR. GÜLGÜN ŞENGÜL
- Developing a smart method for real -time brain tumor localization and segmentation on ct ımages using hybrid techniques and yolo
Hibrit teknikler ve yolo kullanilarak bt görüntülerinde gerçek zamanli beyin tümörü lokalizasyonu ve segmentasyonu için akilli bir yöntem geliştirilmesi
NUSAIBAH KHALID ABDULMAJEED AL-SALIHI
Doktora
İngilizce
2025
Elektrik ve Elektronik MühendisliğiÇukurova ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ULUS ÇEVİK
PROF. DR. TURGAY İBRİKÇİ
- İntrakranial hemorajilerde UNET tabanlı derin sinir ağları ile beyin BT görüntülerinin otomatik segmentasyonu ve volümetrik analizi
Automatic segmentation and volumetric analysis of intracranial hemorages in brain CT images with UNET-based deep neural networks
MURAT YÜCE
Tıpta Uzmanlık
Türkçe
2023
Radyoloji ve Nükleer TıpSağlık Bilimleri ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. DR. AHMET TAN CİMİLLİ
- Beyin tümörlerinin sınıflandırılmasında derin öğrenme yöntemleri ile glioblastoma tümörünün tespiti ve evrim analizi
Detection and evolution analysis of glioblastoma tumor in brain tumor classification using deep learning
RASHID HAMIDOV
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FERHAT ATASOY