Derin öğrenmeyle manyetik rezonans görüntüleme
Magnetic resonance imaging with deep learning
- Tez No: 729118
- Danışmanlar: PROF. DR. FIRAT HARDALAÇ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Derin öğrenme, Diz yaralanmaları, Evrişimli sinir ağları, Manyetik rezonans görüntüleme, Deep learning, Knee injuries, Convolutional neural networks, Magnetic resonance imaging
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Sağlık sektöründe yapay zeka uygulamaları, derin öğrenme ve görüntü işlemedeki gelişmelerle birlikte, çeşitli radyolojik görüntüleme yöntemleri kullanılarak karmaşık kalıpları analiz etme yeteneğine sahiptir. Tıbbi görüntüler radyologlar tarafından incelenirken, görsellerin tamamının taranması sebebiyle yorucudur ve bazı anormal durumların gözden kaçırılmasına neden olabilir. Ayrıca, bu süreç oldukça zaman alıcıdır. Manyetik rezonans (MR) görüntülerinde, yapay zeka kullanılarak doğruluk oranında ve sürecin kapsadığı zamanda verimlilik artırılması sebepleriyle oldukça yaygınlaşmıştır. Bu tez çalışması, manyetik rezonans görüntüleme (MRG) ile diz bölgesinde menüsküs ve ön çapraz bağ (ÖÇB) yırtıklarını, ayrıca diz anormallikleri tespit edebilen derin öğrenme modelleri geliştirmeyi amaçlamaktadır. Geliştirilen model, üç aşamadan oluşmaktadır. Birinci aşamada, incelenen rahatsızlığa bağlı olarak görüntü dizinleri içerisinden hastalığı belirlemek için uygun görüntüler seçmektedir. Ayrıca, yanlış sınıflandırılmış görüntü dizinleri belirlenmekte, gürültülü ve/veya rahatsızlık teşhisi için kullanılamayacak derecede hasar görmüş görüntüleri tespiti de yapılmaktadır. Modelin birinci aşamasında, 50 katmanlı artık ağlar (ResNet50) modeli kullanılmıştır. Çalışmanın ikinci kısmı, incelenen görüntüde teşhis edilmesi hedeflenen rahatsızlık çeşidinden yola çıkılarak, odaklanılacak bölgenin belirlenmesini amaçlamaktadır. İkinci bölümde evrişimli sinir ağları (CNN) ve derin oto kodlayıcı modelleri birleştirilerek alan tespiti için özgün bir model oluşturulmuştur. Üçüncü bölümde yeni bir ResNet50 modeli tarafından hastalık teşhisi yapılmaktadır.
Özet (Çeviri)
Artificial intelligence applications in the healthcare industry, along with advances in deep learning and image processing, have the ability to analyze complex patterns using various radiological imaging methods. While medical images are being examined by radiologists, scanning all the images is tiring and may cause some abnormal conditions to be overlooked. Also, this process is quite time-consuming. Artificial intelligence has become very common in magnetic resonance (MR) images due to the increase in accuracy and efficiency in the time covered by the process. This thesis study aims to develop deep learning models that can detect meniscus and anterior cruciate ligament (ACL) tears, as well as knee abnormalities in the knee region with magnetic resonance imaging (MRI). The developed model consists of three stages. The first step selects appropriate images to determine the disease from the image indexes depending on the disease being examined. In addition, misclassified image sequences are identified, and images that are noisy and/or damaged to the extent that cannot be used for disturbance diagnosis are also detected. In the first stage of the model, the 50-layer residual networks (ResNet50) model was used. The second part of the study aims to determine the region to be focused on, based on the type of disorder that is aimed to be diagnosed in the examined image. In the second part, a unique model for area detection is created by combining the convolution operation and deep autoencoder models. In the third part, disease diagnosis is made by a new ResNet50 model.
Benzer Tezler
- Beyin metastazlarının derin öğrenmeyle sınıflandırılması
Classification of brain metastases with deep learning
YASİN CUŞKUN
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. HÜSEYİN METİN ERTUNÇ
- Brain tumor detection using image processing & deep learning
Görüntü işleme ve derin öğrenmeyle beyin tümörü tespiti
AL-HAWRA' TALAL ABDULHAMED ABDULHAMED
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SEFER KURNAZ
- Deep ensemble learning-based classification of stroke
Derin topluluk öğrenme tabanlı inme sınıflandırması
RUSUL ALI JABBAR ALHATEMI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankırı Karatekin ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERKAN SAVAŞ
- Deep learning approaches for MRI image classifications
Başlık çevirisi yok
MUHAMMAD ZUBAIR
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAntalya Bilim ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SHAHRAM TAHERI
- Makine öğrenme temelli glioma analizi ve derecelendirme sistemi
Machine learning based glioma analysis and grading system
HAKAN ÖZCAN
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırıkkale ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. BÜLENT GÜRSEL EMİROĞLU
PROF. DR. HAKAN SABUNCUOĞLU