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
- Süt formüllerinin tüketim uygulamaları ve süt formüllerinin C vitamini içeriği ile pH değerleri
Başlık çevirisi yok
GÖNÜL VAROL
- Türkiye'de serebral hareket bozukluklarının etiyolojisi epidemiyolojisi ve bazı klinik özellikleri
Başlık çevirisi yok
AŞER BENSUSAN
Tıpta Uzmanlık
Türkçe
1986
İstanbul ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
Yükleniyor...
