Geri Dön

Diz eklem ultrasonografisinde artrit tespitine yönelikderin öğrenme tabanlı otomatik segmentasyon vesınıflandırma sistemi

Deep learning-based automated segmentation and classification system for arthritis detection in knee joint ultrasonography

PDF İndir

  1. Tez No: 990158
  2. Yazar: ZEHRA ŞİMŞEK
  3. Danışmanlar: DR. ÖĞR. ÜYESİ GÖKALP TULUM
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Bilgisayarlı tomografi, manyetik rezonans, ultrason görüntüleme, derin öğrenme, UNet++, YOLO, Mask R-CNN, otomatik segmentasyon, MobileNet-V3 Large, EfficientNet-B0, DenseNet-121, sinovyal sıvı segmentasyonu, diz artriti, Computed tomography, magnetic resonance imaging, ultrasound imaging, deep learning, UNet++, YOLO, Mask R-CNN, automatic segmentation, MobileNet-V3 Large, EfficientNetB0, DenseNet121, synovial fluid segmentation, knee arthritis
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: İstanbul Topkapı Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Yapay Zeka Ana Bilim Dalı
  12. Bilim Dalı: Yapay Zeka Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu tez çalışmasında, diz ekleminde efüzyon içeren ultrason görüntülerinden artrit varlığının hasta düzeyinde otomatik olarak belirlenmesine yönelik, segmentasyon ve sınıflandırmayı birleştiren modüler bir karar destek hattı geliştirilmiştir. Toplam 69 bireyden (36 hasta, 33 kontrol) oluşan veri setinde her birey için 10 kesit seçilmiş; efüzyon alanı, ManSeg (v2.7b) yazılımında yarı otomatik aktif kontur yaklaşımı ile anotasyonlanarak piksel düzeyinde ground truth maskeler üretilmiştir. Değerlendirme, veri sızıntısını engellemek amacıyla hasta bazlı 5 katlı çapraz doğrulama düzeninde yürütülmüş; performans ölçütleri her fold'un test kesitleri üzerinden hesaplanmıştır. İlgi alanı (ROI) üretimi için U-Net++, Mask R-CNN, SegFormer ve YOLOv8-Seg yaklaşımları karşılaştırılmış; segmentasyon performansı Dice ve IoU ile raporlanmıştır. En yüksek ortalama segmentasyon başarımı SegFormer ile elde edilmiş olup Dice skoru yaklaşık 0.83±0.02, IoU skoru ise yaklaşık 0.71±0.03 düzeyindedir. Mask R-CNN ve U-Net++ modelleri daha düşük ancak tutarlı sonuçlar üretmiş; Dice skorları sırasıyla yaklaşık 0.78±0.02 ve 0.75±0.03 olarak gözlenmiştir. YOLOv8-Seg yaklaşımı, tespit/maske başarımını [email protected] açısından yaklaşık 0.99±0.00 düzeyinde göstermiştir. Üretilen ROI temsilleri, transfer öğrenme tabanlı CNN sınıflandırıcıları (DenseNet-121, EfficientNet-B0, MobileNetV3-Large) ile hasta/kontrol ayrımına taşınmış; U‑Net++ hibrit akışında aynı hastaya ait kesit çıktıları hasta düzeyinde karara dönüştürülmüştür. Gerçekleştirilen hesaplamalar sonucunda, en yüksek kesit düzeyi sınıflandırma performansı SegFormer kolunda gözlenmiş; doğruluk yaklaşık 0.91±0.03 ve ROC-AUC yaklaşık 0.96±0.02 düzeyindedir. U-Net++ ROI temsili üzerinde yapılan model karşılaştırmasında EfficientNet-B0 en iyi performansı vermiş; doğruluk yaklaşık 0.89±0.07, ROC-AUC ise yaklaşık 0.98±0.03 olarak elde edilmiştir. Bulgular, efüzyon ROI'sinin güvenilir biçimde çıkarılmasının ve ROI odaklı temsillerin, ultrasonun değerlendiriciye olan bağımlılığını azaltmaya yönelik tekrarlanabilir bir karar destek katmanı sağlayabildiğini göstermektedir.

Özet (Çeviri)

In this thesis, we proposed a modular decision-support pipeline to determine the presence of arthritis from knee ultrasound images that contain joint effusion. The dataset comprises 69 subjects (36 patients, 33 controls); 10 standardized slices were selected per subject. Effusion regions were annotated using a semi-automatic activecontour workflow in ManSeg (v2.7b) to generate pixel-level ground-truth masks. All experiments used patient-wise 5-fold cross-validation (i.e., all slices from the same subject were kept within the same fold) to prevent data leakage. Four ROI generation approaches were compared (U-Net++, Mask R-CNN, SegFormer, YOLOv8-Seg) and evaluated on test slices using Dice and IoU (with COCO-style mAP metrics reported for YOLOv8-Seg). SegFormer achieved the best mean segmentation performance, with a Dice score of approximately 0.83±0.02 and an IoU of approximately 0.71±0.03, followed by Mask R-CNN (Dice approximately 0.78±0.02) and U-Net++ (Dice approximately 0.75±0.03). YOLOv8-Seg delivered high detection/segmentation accuracy, with [email protected] of approximately 0.99±0.00. In the ROI-based hybrid pipeline, the predicted ROIs were then used for ROI-focused classification with transfer-learning CNNs (DenseNet-121, EfficientNet-B0, MobileNetV3-Large). In this setting, slice-level probabilities were aggregated using a patient-mean rule to produce patient-level decisions. The highest slice-level classification performance was obtained in the SegFormer branch, with accuracy of approximately 0.91±0.03 and ROC-AUC of approximately 0.96±0.02. Within the U-Net++ ROI setting, EfficientNet-B0 yielded the best classifier performance, with accuracy of approximately 0.89±0.07 and ROC-AUC of approximately 0.98±0.03. Overall, the results indicate that reliable effusion ROI extraction and ROI-centered representations can provide a reproducible decision-support layer that mitigates the operator dependence of ultrasound interpretation.

Benzer Tezler

  1. Tez No

    243132

    Entezit ilişkili artrit

    Enthesitis related arthritis

    ABDULKADİR AKKUŞ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2009

    Çocuk Sağlığı ve HastalıklarıHacettepe Üniversitesi

    Çocuk Sağlığı ve Hastalıkları Ana Bilim Dalı

    PROF. DR. SEZA ÖZEN

  2. Tez No

    703017

    Tek taraflı radikülopatili hastalarda femoral kıkırdak kalınlığının ultrasonografi ile değerlendirilmesi

    Evaluation of femoral cartilage thickness by ultrasonography in patients with unilateral radiculopathy

    YUSUF ZİYA BÜKÜN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2021

    Fiziksel Tıp ve RehabilitasyonSağlık Bilimleri Üniversitesi

    Fiziksel Tıp ve Rehabilitasyon Ana Bilim Dalı

    PROF. DR. HAKAN TUNÇ

  3. Tez No

    622183

    Ultrason eşliğinde pes anserinus tendinobursitli hastalarda lökositten zengin plateletten zengin plazmanın (lR-PRP) etkinliği ve dozu

    Efficacy and dosage of leukocyte rich platelet rich plasma (lR-PRP) injection in patients with pes anserinus tendinobursitis

    ÇAĞLAR KARABAŞ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2020

    Fiziksel Tıp ve RehabilitasyonSağlık Bilimleri Üniversitesi

    Fiziksel Tıp ve Rehabilitasyon Ana Bilim Dalı

    DOÇ. DR. HAVVA TALAY ÇALIŞ

  4. Tez No

    80637

    Diz eklem içi patolojilerinin teşhisinde artrografi komputerize tomografi ve artroskopinin tanı değeri

    Başlık çevirisi yok

    MÜJDAT ENGİNSU

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    1986

    Ortopedi ve TravmatolojiUludağ Üniversitesi

    Ortopedi ve Travmatoloji Ana Bilim Dalı

  5. Tez No

    408008

    Diz eklem ve çevresi kırıklarında ilizarov eksternal fiksatörün uygulanması

    Başlık çevirisi yok

    AHMET FATİN KARAHALİLOĞLU

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    1997

    Ortopedi ve TravmatolojiAkdeniz Üniversitesi

    Ortopedi ve Travmatoloji Ana Bilim Dalı

    DOÇ. DR. A. NEDİM YANAT

Geri Dön