Geri Dön

Farklı segmentasyon metotları ile koyun kafa bölgesinde yer alan anatomik yapıların morfometrik ve volumetrik verilerinin değerlendirilmesi

Evaluation of morphometric and volumetricdata of anatomical structures in the sheep head region using different segmentation methods

PDF İndir

  1. Tez No: 996009
  2. Yazar: MUHARREM AYVALI
  3. Danışmanlar: DOÇ. DR. CANER BAKICI
  4. Tez Türü: Doktora
  5. Konular: Anatomi, Veteriner Hekimliği, Anatomy, Veterinary Medicine
  6. Anahtar Kelimeler: Anatomi, Hacimsel veriler, Koyunlar, Morfometri, Segmentasyon, Üç boyutlu baskı, Anatomy, Volumetric data, Sheep, Morphometry, 3D printing
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: Ankara Üniversitesi
  10. Enstitü: Sağlık Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Veterinerlik Anatomisi Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu çalışma, Romanov koyunlarına ait baş bölgesi anatomik yapılarının bilgisayarlı tomografi (BT) ve manyetik rezonans görüntüleme (MRG) verileri üzerinden altı farklı segmentasyon yöntemi kullanılarak elde edilen morfometrik ve hacimsel özelliklerinin karşılaştırmalı olarak değerlendirilmesi amaçlandı. Özellikle mandibula, molar dişler ve beyin; anatomik ve klinik önemleri nedeniyle seçildi. Altın standart olarak kabul edilen manuel segmentasyon, yarı otomatik ve otomatik segmentasyon yöntemleriyle karşılaştırılmıştır. Morfometrik ölçümler (uzunluk, genişlik ve yükseklik), hacim ve yüzey alanı verileri ile segmentasyon için harcanan süre kantitatif yönden değerlendirmeye alınmıştır. Ayrıca her yönteme ait üç boyutlu modeller üzerinden yapılan görsel analizlerle nitel değerlendirme yapıldı. Ortaya çıkan bu sonuçlar, değerlendirilen tüm parametreler açısından segmentasyon yöntemleri arasında anlamlı istatistik farklar olduğunu gösterdi (p <0,05). Fazla zaman almış olsa da en gerçekçi ve detaylı modeller manuel segmentasyonla elde edildi. Yarı otomatik segmentasyon ve dilimler arası doldurma algoritması, manuel yönteme nicel olarak yakın sonuçlar vermiş ve diğer yarı otomatik algoritmalar ve otomatik yöntemlere göre daha yüksek görsel doğruluk göstermiştir. Otomatik eşikleme ve büyüme tabanlı segmentasyonlar ise zamandan tasarruf sağlamalarına rağmen, fazla veya eksik modellemelere neden oldu, yapısal gerçekliği ve ölçüm güvenilirliğini düşürdü. Nitel değerlendirmelerde; delikler, çıkıntı-oluk yapıları ve diş konturlarının manuel segmentasyon modellerinde en iyi şekilde korunduğu gözlemlendi. Sonuç olarak, segmentasyon yöntemi seçiminin morfometrik ve hacimsel verilerin anatomik doğruluğu ve güvenilirliği üzerinde doğrudan etkili olduğu ortaya kondu. Zaman ve doğruluk açısından denge sunan yarı otomatik yöntemler belirli durumlar için uygun olsa da yüksek hassasiyet gerektiren anatomik modellemelerde manuel segmentasyonun vazgeçilmez olduğu sonucuna varıldı.

Özet (Çeviri)

This study was aimed to evaluate and compare morphometric and volumetric characteristics of anatomical structures in the head region of Romanov sheep using six different segmentation methods applied to computed tomography (CT) and magnetic resonance imaging (MRI) data. Specifically, the mandible, molar teeth, and brain were selected due to their anatomical and clinical relevance. Manual segmentation, considered the gold standard, was compared to semi-automatic and automatic segmentation methods. Morphometric measurements (length, width, and height), volumetric and surface area data, as well as the time required for segmentation, were quantitatively assessed. Furthermore, qualitative evaluations based on 3D model visuals were performed to determine the anatomical realism of each method. The results indicated significant statistical differences between the segmentation techniques in terms of all parameters evaluated (p <0.05). Manual segmentation consistently provided the most anatomically realistic and detailed models, albeit requiring the most time. Semi automatic segmentation and fill between slices algorithm yielded results that were quantitatively close to the manual method and showed higher visual fidelity than other semi automatic algorithms and automatic methods. Automatic thresholding and Grow-based methods, while time-efficient, resulted in over- or under-segmentation, affecting structural realism and measurement reliability. Qualitative evaluations revealed that fine anatomical details such as foramina, gyri-sulci structures, and dental contours were best preserved in manual models. In conclusion, the study demonstrates that segmentation choice significantly impacts the anatomical accuracy and reliability of morphometric and volumetric data. While semi-automatic methods may offer a good balance between time and accuracy, manual segmentation remains essential for high-precision anatomical modeling, especially in veterinary and comparative anatomy research.

Benzer Tezler

  1. Tez No

    269566

    Object-based classification of landforms based on their local geometry and geomorphometric context

    Yerşekillerinin geometrik ve jeomorfometrik özelliklerine göre nesne tabanlı sınıflandırılması

    DENİZ GERÇEK

    Doktora

    İngilizce

    İngilizce

    2010

    Jeodezi ve FotogrametriOrta Doğu Teknik Üniversitesi

    Jeodezi ve Coğrafi Bilgi Teknolojileri Ana Bilim Dalı

    PROF. DR. JOSEF STROBL

    PROF. DR. VEDAT TOPRAK

  2. Tez No

    75247

    Markov random fields and a multiscale implementation of markov random fields on Bayesian image segmentation

    Başlık çevirisi yok

    UĞUR SIVAKÇI

    Yüksek Lisans

    İngilizce

    İngilizce

    1998

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ERTUĞRUL ÇELEBİ

  3. Tez No

    452430

    Konik ışınlı bilgisayarlı tomografi kullanılarak yapılan hacimsel hesaplamalarda farklı planimetrik yöntemlerin karşılaştırılması

    Comparing different planimetric methods on the volumetric estimations with cone beam computed tomography

    ALAETTİN KOÇ

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2017

    Diş HekimliğiKaradeniz Teknik Üniversitesi

    Ağız, Diş ve Çene Radyolojisi Ana Bilim Dalı

    DOÇ. DR. ÖMER SAİD SEZGİN

  4. Tez No

    718048

    Derin öğrenme metotları kullanılarak SAR (sentetik açıklıklı radar) görüntülerinden bina tespiti

    Building detection from SAR (synthetic aperture radar) images using deep learning methods

    RECAİ ALPER EMEK

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Mühendislik BilimleriAkdeniz Üniversitesi

    Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı

    DOÇ. DR. NUSRET DEMİR

  5. Tez No

    724184

    Makine öğrenmesi ile hasar tespiti modellemesi

    Modeling of damage detection with machine learning

    NUH MUHAMMED PİŞKİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    İnşaat MühendisliğiEge Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. EMRE ERCAN

Geri Dön