Geri Dön

Medikal görüntülerde nokta bulutu uygulamaları

Point cloud applications in medical images

PDF İndir

  1. Tez No: 987321
  2. Yazar: HASAN BASRİ ÖKSÜZ
  3. Danışmanlar: PROF. DR. RAHİME CEYLAN
  4. Tez Türü: Doktora
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Konya Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu tez çalışmasında, böbrek ve pankreas segmentasyonu problemleri voksel tabanlı ve nokta bulutu tabanlı derin öğrenme yöntemleri kullanılarak kapsamlı biçimde incelenmiştir. Çalışma, veri temsiline bağlı olarak modellerin performans ve genelleme yeteneklerini değerlendirmeyi amaçlamaktadır. Böbrek segmentasyonu için iki aşamalı kaba–ince segmentasyon çerçevesi tasarlanmış; U-Net, AttUNet, ResUNet, MFFAU-Net ve TransUNet mimarileri KiTS19, KiTS23 ve FLARE22 veri setleri üzerinde test edilmiştir. Sonuçlar, voksel tabanlı yöntemlerin yüksek doğruluk sunduğunu ancak hesaplama maliyeti ve genelleme kabiliyeti açısından sınırlılıklar taşıdığını göstermiştir. Bu sınırlılıklara yanıt olarak, nokta bulutu tabanlı PointNet ve DGKSA mimarileri değerlendirilmiş; bu modellerin düşük bellek kullanımı ve güçlü geometrik farkındalık özellikleriyle özellikle karmaşık organ sınırlarında başarılı sonuçlar verdiği gözlemlenmiştir. DGKSA modeli, pankreas segmentasyonunda voksel tabanlı yöntemlere göre daha üstün doğruluk elde etmiştir. Genel olarak, çalışma tıbbi görüntü segmentasyonunda nokta bulutu temsiline dayalı yaklaşımların uygulanabilirliğini sistematik biçimde ortaya koymakta ve veri temsili–performans ilişkisine dair özgün bulgular sunarak gelecekteki araştırmalara yön göstermektedir.

Özet (Çeviri)

This thesis comprehensively investigates kidney and pancreas segmentation problems using voxel-based and point cloud–based deep learning methods. The study aims to evaluate the impact of data representation on model performance and generalization capability. For kidney segmentation, two-stage coarse-to-fine framework was designed, and architectures including U-Net, AttUNet, ResUNet, MFFAU-Net, and TransUNet were tested on KiTS19, KiTS23, and FLARE22 datasets. The results demonstrated that voxel-based methods achieve high accuracy but remain limited by computational cost and generalization challenges. To address these limitations, point cloud–based architectures, PointNet and DGCNN, were explored. These models achieved competitive results, benefiting from low memory usage and strong geometric awareness, particularly in delineating complex organ boundaries. The DGCNN model achieved superior accuracy compared to voxel-based methods in pancreas segmentation. Overall, this study systematically demonstrates the applicability of point cloud–based representations for medical image segmentation and provides novel insights into the relationship between data representation and model performance, offering valuable guidance for future research.

Benzer Tezler

  1. Tez No

    911200

    Histogram-based sampling and multi-level global registration for 3D point clouds

    3B nokta bulutları için histogram tabanlı örnekleme ve çok katmanlı global eşleştirme

    OSMAN ERVAN

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    PROF. DR. HAKAN TEMELTAŞ

  2. Tez No

    295663

    Poul Bourke üçgenleme yöntemi ile yersel lazer tarayıcı verilerinde gürültü eliminasyonuna yönelik algoritma geliştirme

    Algorithm development for noise elimination at terrestrial laser scanner data with Poul Bourke triangulation method

    İREM FÜSUN TOMURCUK

    Yüksek Lisans

    Türkçe

    Türkçe

    2010

    Jeodezi ve FotogrametriYıldız Teknik Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BÜLENT BAYRAM

  3. Tez No

    934846

    New hybrid method for deep learning based point cloud processing

    Derin öğrenme tabanlı nokta bulutu işleme için yeni hibrit metot

    ABDURRAHMAN HAZER

    Doktora

    İngilizce

    İngilizce

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Yıldırım Beyazıt Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. REMZİ YILDIRIM

  4. Tez No

    574569

    Landmark localization on color coded diffusion anisotropy images using convolutional neural networks

    Renk kodlu difüzyon anisotropi görüntülerinde evrişimsel sinir ağları yordamıyla işaretçi bulma

    AHMET EMİN YETKİN

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYeditepe Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ANDAÇ HAMAMCI

  5. Tez No

    323737

    Tissue density classification in mammographic images using local features

    Yerel öznitelikler ile mamografi görüntülerinde doku yoğunluğunun sınıflandırılması

    SEZER KUTLUK

    Yüksek Lisans

    İngilizce

    İngilizce

    2012

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. BİLGE GÜNSEL

Geri Dön