Detection of body anomalies using radiographic images
Radyografik görüntüler kullanılarak vücut anomalisi tespiti
- Tez No: 757841
- Danışmanlar: DR. ÖĞR. ÜYESİ EFNAN ŞORA GÜNAL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Derin öğrenme, Sayısal görüntü işleme, Tıbbi görüntüleme, X ışını, Yapay sinir ağları, Yapay zeka, Deep learning, Digital image processing, Medical imaging, X ray, Artificial neural networks, Artificial intelligence
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yazılım Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kas-iskelet sistemi yaralanmaları vücut yapılarının bozukluklarıdır. Bu bozukluklar kaslarda, kemiklerde, eklemlerde, sinirlerde, kemiklerde ve diğerlerinde bulunabilir, diz ve kemiklerde anormalliklere, sırt ağrısına ve diğer birçok eklem veya kas problemine neden olabilir. Kas-iskelet yaralanmaları, acil servise yılda 30 milyona varan plansız ziyaretlerin önde gelen nedenleri arasındadır. Bu çalışmanın temel amacı, X-ışını görüntülerinden vücut anomalilerini tespit etmek için yapay zeka temelli sınıflandırma modelleri geliştirmektir. Bu amaçla, ImageNet veri seti ile önceden eğitilmiş beş farklı derin sinir ağı modeli, transfer öğrenme yaklaşımı kullanılarak büyük bir X-ray görüntü veri seti ile yeniden eğitilmiştir. Bu veri seti, omuz, humerus, dirsek, önkol, bilek, el ve parmak dahil olmak üzere üst ekstremiteye ait 14.656 kas-iskelet çalışmasını içermektedir. Çalışmada, bir görüntü ön işleme yöntemi olan Kontrast Sınırlı Adaptif Histogram Eşitlemenin (CLAHE) sınıflandırma performansına katkısı da araştırılmıştır. Ayrıca, performansı daha da iyileştirmek amacıyla topluluk öğrenimi yaklaşımı da kullanılmıştır. Kapsamlı deneyler, vücut anomalilerinin %86'ya varan doğrulukla tespit edilebileceğini ortaya koymaktadır. Gelecek vaat eden bu sınıflandırma performansı göz önüne alındığında, doktorlara yardımcı olmak için, önerilen modeller kullanılarak X-ışını görüntülerini otomatik olarak sınıflandıran gerçek zamanlı bir mobil uygulama geliştirilebilir.
Özet (Çeviri)
Musculoskeletal injuries are disorders of body structures. These disorders can be found in muscles, bones, joints, nerves, bones, and others, causing abnormalities in the knee and bones, back pain, and many other joint or muscle problems. Musculoskeletal injuries are among the leading causes of unplanned visits to the emergency department, numbering up to 30 million a year. The main goal of this study is to develop artificial intelligence-based classification models to detect body abnormalities from X-ray images. For this purpose, five different deep neural network models pre-trained with the ImageNet dataset are retrained with a large X-ray image dataset using the transfer learning approach. The dataset contains 14,656 musculoskeletal studies of the upper extremity including the shoulder, humerus, elbow, forearm, wrist, hand, and finger. Also, the contribution of the image preprocessing method, Contrast Limited Adaptive Histogram Equalization (CLAHE), to the classification performance is investigated. Furthermore, ensemble learning is used to further improve performance. Extensive experiments reveal that body abnormalities can be detected with an accuracy of up to 86%. Considering the promising classification performance, a real-time mobile application automatically classifying X-ray images can be developed using the proposed models to assist physicians.
Benzer Tezler
- Vertebral numaralandırma ve lumbosakral transizyonel vertebra saptanmasında anatomik belirteç olarak çölyak arter ve süperior mezenterik arterin kullanılabilirliğinin saptanması
Evaluating the feasibility of using coeliac artery and superior mesenteric artery as an indicator for vertebral enumeration and detection of lumbosacral transitional vertebrae
ERHAN BIYIKLI
Tıpta Uzmanlık
Türkçe
2016
Radyoloji ve Nükleer TıpMarmara ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. DR. FEYYAZ BALTACIOĞLU
- Gerçek zamanlı fizyolojik sinyal verilerinin karşılaştırmalı öğrenme tekniği ile kişiselleştirilmiş anomali tespiti
Personalized anomaly detection using contrastive learning technique of real time physiological signal datas
SİNEM ŞENTEPE KÖSE
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. KEMAL ÖZKAN
- Santral sinir sistemi anomalilerinde fetal konus medullaris'in 3D ultrasonla değerlendirmesi
Evaluation of the fetal conus medullaris in central nervous system anomalies using 3D ultrasound
İLKNUR ZEYNEP DEMİR
Tıpta Uzmanlık
Türkçe
2025
Kadın Hastalıkları ve DoğumVan Yüzüncü Yıl ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
PROF. DR. HANIM GÜLER ŞAHİN
- Fetal ventrikülomegali olgularında ek anomali açısından fetal ultrasonografi ile fetal manyetik rezonans görüntüleme tetkiklerinin karşılaştırılması
Comparison of fetal ultrasonography and fetal magnetic resonance imaging for the detection of additional anomalies in cases of fetal ventriculomegaly
VUSLAT LALE BAKIR
Tıpta Uzmanlık
Türkçe
2010
Kadın Hastalıkları ve DoğumSağlık BakanlığıKadın Hastalıkları ve Doğum Ana Bilim Dalı
PROF. DR. ARİF AKTUĞ ERTEKİN
- Core network anomaly detection using the LSTM model and comparison with various unsupervised learning methods
Telekomünikasyon merkezi şebekelerinde LSTM model ile anomali tespiti ve bazı denetimsiz öğrenme metotları ile kıyaslanması
SAMED ÇALIK
Yüksek Lisans
İngilizce
2025
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiBüyük Veri ve İş Analitiği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ALİ ERGÜN