Geri Dön

Kolonoskopik görüntülerde polip segmentasyonu

Segmantation of polyps in colonoscopic images

PDF İndir

  1. Tez No: 986564
  2. Yazar: YAREN AKGÖL
  3. Danışmanlar: DR. ÖĞR. ÜYESİ BUKET TOPTAŞ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Görüntü bölütleme, Image segmentation
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Bandırma Onyedi Eylül Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Polipler, normal olmayan doku büyümeleridir. Bu anormal doku büyümeleri, başlangıçta iyi huylu doku büyümeleri olarak bilinse de bazı polip türleri zamanla kanserli hücrelere dönüşebilmektedir. Kolorektal kanser, poliplerin kötü huylu büyümelere dönüşmesiyle ortaya çıkan bir kanser türüdür. Poliplerin erken tanısı ve uygun tedavisi, kolorektal kanserden korunmak için önemlidir. Kolorektal polip tanısında klinik uzman değerlendirmesi, zaman, maliyet ve insan hatası problemlerine açıktır. Bilgisayar destekli tanı sistemleri bu eksikleri gidererek otomatik tanı gerçekleştirir ve böylece bu sorunları minimize eder. Bu tez çalışmasında, kolorektal poliplerin otomatik segmentasyonunu gerçekleştiren literatür çalışmalarının detaylı bir incelemesi yapılmıştır. Ardından, segmentasyonda sağlam ve hassas sonuçlar veren DeepLabv3+ mimarisinin farklı omurga ağlarındaki segmentasyon görevine odaklanılmıştır. Yapılan çalışmada, omurga ağı olarak DenseNet, ResNet50, SqueezeNet ve VGG16 mimarisi kullanılmıştır. Bu dört evrişimsel sinir ağı mimarisini omurga ağı olarak alan DeepLabv3+ mimarisi Kvasir-SEG ve CVC-ClinicDB veri setleri üzerinde test edilmiştir. Kolorektal polip segmentasyon görevinde elde edilen sonuçlar yedi farklı performans metriği üzerinde değerlendirilmiştir. Bu metrikler; ortalama Dice, ortalama Kesişim/Birleşim oranı, doğruluk, geri çağırma, özgüllük, keskinlik ve ortalama en küçük karesel hata metrikleridir. Kvasir-SEG veri seti üzerinde omurga ağı olarak DenseNet mimarisinde en iyi değerlendirme sonuçları elde edilmiştir. Bu sonuçlar sırası ile şöyledir: 0,858 oranında ortalama Dice, 0,850 oranında ortalama Kesişim/Birleşim oranı, 0,948 oranında doğruluk, 0,824 oranında geri çağırma, 0,896 oranında keskinlik ve 0,045 oranında ortalama en küçük karesel hata metriğidir. Özgüllük metriğinde ise en iyi sonuç 0,984 oranında VGG16 mimarisi ile elde edilmiştir. Tez çalışması kapsamında gerçekleştirilen diğer bir çalışma ise U-Net mimarisinin farklı kayıp fonksiyonları üzerinde ki segmentasyon görevi üzerinedir. Bu çalışmada ise, İkili Çapraz Entropi, Tversky, Dice ve Bileşik kayıpları içeren dört farklı model eğitilmiştir. Bu modellerin performansları CVC-ColonDB ve Kvasir-SEG veri setleri üzerinde kapsamlı bir şekilde ölçülmüştür. Deneysel veriler, her iki veri setinde en yüksek segmentasyon doğruluğunun İkili Çapraz Entropi kayıp fonksiyonunun ortaya koyduğunu doğrulamıştır. CVC-ColonDB veri seti için en yüksek doğruluk performansı 0.9761 oranında iken, Kvasir-SEG için bu oran 0.9313 olarak ölçülmüştür. Elde edilen bulgular, kayıp fonksiyonu optimizasyonunun doğruluk ve kararlılık üzerinde belirleyici rol oynadığını göstermektedir.

Özet (Çeviri)

Polyps are abnormal tissue outgrowths that, although initially benign, can evolve into malignant lesions over time. Colorectal cancer arises upon the malignant transformation of such polyps; thus, early detection and appropriate treatment are essential for prevention. Clinical assessment of colorectal polyps by expert endoscopists is susceptible to delays, high costs and human error. Computer-aided diagnostic systems address these limitations by automating the detection process, thereby reducing both time expenditure and false-negative or false-positive rates. A comprehensive literature review was conducted to examine current methods for automatic colorectal polyp segmentation. Subsequently, the DeepLabv3+ architecture—renowned for its robust and precise segmentation capabilities—was evaluated using four convolutional backbones: DenseNet, ResNet50, SqueezeNet and VGG16. Each DeepLabv3+ variant was tested on the Kvasir-SEG and CVC-ClinicDB datasets, employing seven performance metrics: mean Dice coefficient, mean Intersection over Union, accuracy, recall, specificity, precision and mean squared error. On the Kvasir-SEG dataset, the best overall performance was achieved using the DenseNet backbone. Specifically, the model obtained a mean Dice score of 0.858, a mean IoU of 0.850, accuracy of 0.948, recall of 0.824, precision of 0.896, and a mean squared error of 0.045. In terms of specificity, the highest result (0.984) was observed with the VGG16 backbone. Another component of this thesis involved evaluating segmentation performance using the U-Net architecture with different loss functions. Four models were trained using Binary Cross-Entropy, Tversky, Dice, and Composite loss functions. The performance of these models was thoroughly evaluated on the CVC-ColonDB and Kvasir-SEG datasets. Experimental results demonstrated that the Binary Cross-Entropy loss function consistently yielded the highest segmentation accuracy across both datasets. The highest accuracy was 0.9761 on the CVC-ColonDB dataset and 0.9313 on the Kvasir-SEG dataset. These findings highlight the critical role of loss function optimization in achieving high segmentation accuracy and model stability.

Benzer Tezler

  1. Tez No

    1008225

    Yapay zekâ yöntemleri kullanılarak mide ve bağırsak poliplerinin teşhisi

    Diagnosis of gastric and intestinal polyps using artificial intelligence methods

    SÜMEYRA ŞAHİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2026

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKastamonu Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HAYRİYE ALTURAL ÖZKAN

  2. Tez No

    665115

    Konvansiyonel kolonoskopisi tamamlanamayan hastalarda çok kesitli bilgisayarlı tomografi kolonografinin yeri

    The role of multislice computed tomography colonography in patients with incomplete conventional colonoscopy

    FATMA ESRA BAHADIR ÜLGER

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2010

    Radyoloji ve Nükleer TıpSağlık Bakanlığı

    Radyoloji Ana Bilim Dalı

    PROF. MEHMET MASUM ŞİMŞEK

  3. Tez No

    185473

    Endoskopik görüntülerin değerlendirilmesinde görüntü işleme temelli akıllı karar destek sistemi

    An intelligent decision support system based on image processing for evaluating of the endoscopic images

    ABDULKADİR ŞENGÜR

    Doktora

    Türkçe

    Türkçe

    2006

    Elektrik ve Elektronik MühendisliğiFırat Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. MELİH C. İNCE

    YRD. DOÇ. DR. İBRAHİM TÜRKOĞLU

  4. Tez No

    414137

    Bilgisayarlı tomografi görüntülerinde kolonik polip tespiti

    Detection of colonic polyps in computed tomographic images

    GÖKALP TULUM

    Doktora

    Türkçe

    Türkçe

    2015

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Haberleşme Ana Bilim Dalı

    YRD. DOÇ. DR. BÜLENT BOLAT

  5. Tez No

    448961

    Kolorektal kanser gelişen hastalarda aynı anda ve sürveyans sırasında lezyona komşu, kanser olmayan tüm kolon mukoza ve lümeninin retrospektif olarak değerlendirilmesi

    Retrospective evalution of the colorectal cancer patients at the same time developing and surveillance during lesion in the neighbors, without any cancer of colon mucosa lumen

    SALİH SÜHA ÇETİN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2016

    OnkolojiKırıkkale Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

    PROF. DR. DİLEK OĞUZ

Geri Dön