Geri Dön

Classification of lung nodules in CT images using convolutional neural networks

BT görüntülerinde akciğer nodüllerinin evrişimsel sinir ağları kullanılarak sınıflandırılması

PDF İndir

  1. Tez No: 489553
  2. Yazar: GÖRKEM POLAT
  3. Danışmanlar: DOÇ. DR. YEŞİM SERİNAĞAOĞLU DOĞRUSÖZ, PROF. DR. UĞUR HALICI
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Son yapılan çalışmalar her yıl yapılan düşük dozlu bilgisayarlı tomografi (BT) taramalarının, geleneksel göğüs radyolojisine göre akciğer kanserinin erken tespitinde %20 daha iyi sonuç verdiğini göstermiştir. Bu sebeple akciğerin BT ile incelenmesi tüm dünyada yaygınlaşmaktadır. Fakat bu görüntülerin analiz edilmesi radyologlar için ciddi bir yüktür. Bir BT taramasındaki görüntü sayısı 600'e kadar çıkabilmektedir. Bu sebeple bilgisayar destekli tespit sistemleri görüntülerin daha hızlı ve daha doğru tanınması için çok önemlidir. Bu çalışmada evrişimsel sinir ağları (ESA) kullanılarak akciğer BT görüntülerini analiz eden ve yanlış-pozitifleri azaltan bir yöntem geliştirilmiştir. Sinir ağı modeli, farklı boyutlardaki girdiler ile denenmiş ve girdi boyutunun sistemin performansına olan etkisi gösterilmiştir. Ayrıca, bir çok modelden elde edilen sonuçlar değişik kombinasyonlarda bir araya getirilerek başarım artırılmış ve bu yöntemin gücü gösterilmiştir. Sınıflandırılacak bilginin 3 boyutlu olması ve veriyi 2 boyutlu işlemenin bilgi kaybına yol açmasından dolayı 3 boyutlu evrişimsel sinir ağları kullanılmıştır. Önerilen yöntem LUNA16 Yarışması tarafından sağlanan veri seti üzerinde denenmiş ve tarama başına 1 yanlış pozitif oranında 0.831 duyarlılığına ulaşılmıştır.

Özet (Çeviri)

Recent studies have shown that lung cancer screening using annual low-dose computed tomography (CT) reduces lung cancer mortality by 20% compared to traditional chest radiography. Therefore, CT lung screening has started to be used widely all across the world. However, analyzing these images is a serious burden for radiologists. The number of slices in a CT scan can be up to 600. Therefore, computer-aided-detection (CAD) systems are very important for faster and more accurate assessment of the data. In this thesis, we proposed a framework that analyzes CT lung screenings using convolutional neural networks (CNNs) to reduce false positives. Our framework shows that even non-complex architectures are very powerful to classify 3D nodule data when compared to traditional methods. We trained our model with different volume sizes and showed that volume size plays a critical role in the performance of the system. We also used different fusions in order to show their power and effect on the overall accuracy. 3D CNNs were preferred over 2D CNNs because data was in 3D and 2D convolutional operations may result in information loss. The proposed framework has been tested on the dataset provided by the LUNA16 Challenge and got a sensitivity of 0.831 at 1 false positive per scan.

Benzer Tezler

  1. Tez No

    865140

    Akciğer bilgisayarlı tomografisinde insidental saptanan meme nodüllerinin evrişimli sinir ağları ile benign-malign olarak sınıflandırılması

    Classification of breast nodules detected incidental in lung computerized tomography and as benign-malign with conversion neural networks

    ZİŞAN ERTUNÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMuğla Sıtkı Koçman Üniversitesi

    Yapay Zeka Ana Bilim Dalı

    DOÇ. DR. İBRAHİM ÖNDER YENİÇERİ

  2. Tez No

    627624

    Derin öğrenme yaklaşımı ile pulmoner nodül karar destek sistemi

    Pulmonary nodule decision support system with deep learning approach

    HİLAL TİRYAKİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    BiyoistatistikKaradeniz Teknik Üniversitesi

    Biyoistatistik ve Tıp Bilişimi Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BURÇİN KURT

  3. Tez No

    662863

    Detection of cancer area in lung images with the help of deep learning algorithms

    Derin öğrenme algoritması ile akciğer görüntülerinde kanser alanının tespiti

    SHIVAN HASAN MOHAMMED

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AHMET ÇINAR

  4. Tez No

    507838

    Akciğer tomografisi görüntülerinde görüntü işleme teknikleri kullanılarak nodül tespiti ve yapay zeka ile nodüllerin nitelendirilmesi

    Nodula determination by using image processing techniques and characteri̇zati̇on of node with artificial intelligence in lung tomography images

    ENES ÇAKAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    BiyomühendislikSakarya Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AHMET KARACA

  5. Tez No

    932116

    Metastatik akciğer lezyonlarının primer tümör odağını saptamada bilgisayarlı tomografi görüntülemesinden elde edilen radyomiks parametrelerinin başarısının araştırılması

    Investigation of the efficacy of radiomics parameters obtained from computed tomography imaging in detecting the primary tumor origin of metastatic lung lesions

    BURAK DALKIRAN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2024

    Radyoloji ve Nükleer TıpHacettepe Üniversitesi

    Radyoloji Ana Bilim Dalı

    PROF. DR. FİGEN DEMİRKAZIK

Geri Dön