Tıbbi görüntülerin saçılım tabanlı öz-denetimli öğrenme ile bölütlenmesi
Medical image segmentation with scattering-based self-supervised learning
- Tez No: 1000383
- Danışmanlar: PROF. DR. MUHAMMED FATİH TALU
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: İnönü Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Derin öğrenme tabanlı yöntemler, son yıllarda görüntü bölütleme problemlerinde önemli başarılar elde etmiş olsa da, bu başarının temelini oluşturan denetimli öğrenme yaklaşımları yüksek miktarda piksel seviyesinde etiketlenmiş veriye ihtiyaç duymaktadır. Özellikle tıbbi görüntüleme alanında, etiketleme sürecinin uzman bilgisi gerektirmesi, zaman alıcı ve maliyetli olması, büyük ölçekli etiketli veri kümelerinin oluşturulmasını oldukça güçleştirmektedir. Bu nedenle, etiketli veriye daha az bağımlı öğrenme yaklaşımlarının geliştirilmesi, tıbbi görüntü bölütleme alanında kritik bir gereksinim haline gelmiştir. Bu tez çalışmasında, tıbbi görüntü bölütleme problemlerinde etiketli veriye olan bağımlılığı azaltmayı amaçlayan, saçılım-tabanlı öz-denetimli öğrenme yaklaşımı önerilmiştir. Önerilen yöntemde, matematiksel olarak temellendirilmiş öteleme değişmezliği ve küçük deformasyonlara karşı kararlılık özelliklerine sahip, sabit filtrelere dayalı Dalgacık Saçılım Ağları (DSA) ile öğrenilebilir dalgacık parametresi içeren Parametrik Saçılım Ağları (PSA), karşılaştırmalı olmayan bir öz-denetimli öğrenme yöntemi olan Bootstrap Your Own Latent (BYOL) mimarisine entegre edilmiştir. Öz-denetimli ön-eğitim sonrasında elde edilen kodlayıcılar, U-Net mimarisi içerisinde denetimli olarak ince ayar yapılarak değerlendirilmiştir. Önerilen yaklaşım, kardiyak manyetik rezonans görüntülerini içeren ACDC veri seti ile konjenital kalp hastalığına ait bilgisayarlı tomografi görüntülerinden oluşan CHD veri seti üzerinde farklı miktarlarda etiketli veri senaryoları altında gerçekleştirilmiş deneylerle test edilmiştir. Elde edilen sonuçlar, saçılım tabanlı öz-denetimli başlatma stratejilerinin, sınırlı etiketli veri koşullarında rastgele başlatma, ImageNet ön-eğitimi ve standart BYOL yaklaşımlarına kıyasla daha yüksek etiket-verimliliği sağladığını göstermektedir. Özellikle anatomik olarak zorlayıcı yapılar için PSA tabanlı yaklaşım, en yüksek bölütleme performansını sergilemiştir. Bu bulgular, saçılım dönüşümlerinin öz-denetimli öğrenme ile birlikte kullanılmasının, etiket-verimli tıbbi görüntü bölütleme için etkili bir çözüm sunduğunu ortaya koymaktadır.
Özet (Çeviri)
Although deep learning–based methods have achieved significant success in image segmentation problems in recent years, the supervised learning approaches underlying this success require large amounts of pixel-level annotated data. Particularly in the field of medical imaging, the need for expert knowledge in the annotation process, along with its time-consuming and costly nature, makes the curation of large-scale labeled datasets considerably challenging. Therefore, the development of learning approaches that are less dependent on labeled data has become a critical requirement in medical image segmentation. In this thesis, a scattering-based self-supervised learning approach is proposed to reduce the dependency on labeled data in medical image segmentation problems. In the proposed method, fixed-filter Wavelet Scattering Networks (WSN), which provide mathematically grounded properties such as translation invariance and stability to small deformations, and Parametric Scattering Networks (PSN) with learnable wavelet parameters are integrated into Bootstrap Your Own Latent (BYOL), a non-contrastive self-supervised learning framework. The encoders obtained after self-supervised pretraining are evaluated through supervised fine-tuning within a U-Net architecture. The proposed approach was evaluated through experiments conducted under different labeled data scenarios on the ACDC dataset, which consists of cardiac magnetic resonance images, and the CHD dataset, composed of computed tomography images of congenital heart disease. The obtained results demonstrate that scattering-based self-supervised initialization strategies provide higher label efficiency under limited labeled data conditions compared to random initialization, ImageNet pretraining, and the standard BYOL approach. In particular, the PSA-based approach achieves the highest segmentation performance for anatomically challenging structures. These findings indicate that the joint use of scattering transforms and self-supervised learning offers an effective solution for label-efficient medical image segmentation.
Benzer Tezler
- Sivas yöresinde akraba evliliği yapan ve yapmayan çiftlerde dermatoglifik benzerlikler
Similarities of dermataoglyphies among individval of married relatives and married couples not related to each other in Sivas region
Y. SELMA SÜNGÜ
Yüksek Lisans
Türkçe
1984
Tıbbi BiyolojiCumhuriyet ÜniversitesiTıbbi Biyoloji ve Genetik Ana Bilim Dalı
YRD. DOÇ. DR. İLHAN SEZGİN
- Ferrokrom fabrikasında çalışan işçilerde stogenetik çalışmalar
Başlık çevirisi yok
AYNUR ACAR
Doktora
Türkçe
1985
Tıbbi BiyolojiAkdeniz ÜniversitesiTıbbi Biyoloji ve Genetik Ana Bilim Dalı
DOÇ. DR. GÜVEN LÜLECİ
- Ameliyat öncesi hastaların ameliyata ilişkin duyguları, düşünceleri ve bilgi istekleri
The Pre-operative patiensts feelings throughts and information requirements concerning their surgical operations
KADRİYE BULDUKOĞLU
Yüksek Lisans
Türkçe
1987
HemşirelikCumhuriyet ÜniversitesiHemşirelik Ana Bilim Dalı
YRD. DOÇ. DR. MELİHA ATALAY
- Gazi Eğitim Fakültesi Beden Eğitimi ve Spor bölümü öğrencilerinde dolaşım ve solunuma etkili bazı parametrelerin“Boy, kilo, spor yapma yılı, sigara alışkanlığı”araştırılması
Başlık çevirisi yok
RASİM KALE
Yüksek Lisans
Türkçe
1986
SporGazi ÜniversitesiBeden Eğitimi ve Spor Ana Bilim Dalı
PROF. DR. M. FADIL ERTOGAN
- Sivas ili C.Ü. hastanesinde yatmakta olan hastaların servislerine kabul edilişlerindeki uygulamalarla bu uygulamalara ilişkin duygu ve beklentilerinin saptanması
Determination of the formalities in admitting the patients hospitalized at the Cumhuriyet University of Sivas to the services and their feelings and expeetations relating to these formalities
FADİME KESKİN
Yüksek Lisans
Türkçe
1987
HastanelerCumhuriyet ÜniversitesiHemşirelik Ana Bilim Dalı
YRD. DOÇ. DR. MELİHA ATALAY