Derin öğrenme tabanlı beyin tümörü segmentasyonu
Deep learning based brain tumor segmentation
- Tez No: 757860
- Danışmanlar: DR. ÖĞR. ÜYESİ GÜR EMRE GÜRAKSIN
- Tez Türü: Yüksek Lisans
- Konular: Nöroloji, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mühendislik Bilimleri, Neurology, Computer Engineering and Computer Science and Control, Engineering Sciences
- Anahtar Kelimeler: Beyin neoplazmları, Derin öğrenme, Görüntü bölütleme, Görüntü işleme-bilgisayarlı, Manyetik rezonans spektroskopi, Yapay zeka, Brain neoplasms, Deep learning, Image segmentation, Image processing-computer assisted, Magnetic resonance spectroscopy, Artificial intelligence
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Afyon Kocatepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Biyomedikal Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Beyin tümörü segmentasyonu, sağlıklı dokuyu tümörlü bölgelerden ayırmayı amaçlar. Günümüzde beyin tümörü segmentasyonu manuel olarak radyoloji uzmanları tarafından yapılmaktadır. Son yıllarda derin öğrenme yöntemleri kullanılarak uygulanan otomatik bilgisayar destekli sistemler manuel algılama sistemlerinin yerini alarak büyük bir ivme kazanmıştır. Beyin tümör türlerinin yarısından fazlasını gliomalar oluşturmaktadır. Beyin MR görüntülerini kullanarak glioma tümörlerini manuel olarak segmente etmek oldukça zorludur. Bunun sebebi; glioma tümörlerin şekil, boyut, hacim, konum ve görünüm açısından farklı olması ve sağlıklı dokularla tümörlü dokuların yapısı birbirine benzediği için ikisini birbirinden ayırt etmenin zor olmasıdır. Veri seti olarak her sene düzenlenen BRATS yarışmasındaki 2019 yılının beyin MR görüntüleri kullanılmıştır. Bu çalışmada diğer çalışmalardan farklı olarak, tümörün farklı bölümlerinin daha net görülmesi için uygun modaliteler kullanılmış ve tümör boyutlarına göre MR görüntülerinin kırpılma işlemi gerçekleştirilmiştir. Tam tümör segmentasyonu, genişleyen + nekroz ve genişleyen tümör segmentasyonu için ayrı ayrı 3 model eğitimi gerçekleştirilmiştir. Yapılan eğitimler sonucunda, literatürdeki çalışmalarla karşılaştırıldığında bu çalışma tam tümör segmentasyonunda 2., nekroz + genişleyen tümör segmentasyonunda 2., genişleyen tümör segmentasyonunda 1. olarak öncü çalışmalar arasında girmiştir.
Özet (Çeviri)
Brain tumor segmentation aims to separate healthy tissue from tumor sites. Today, brain tumor segmentation is performed manually by radiologists. In recent years, automated computer-aided systems implemented using deep learning methods have gained great momentum by replacing manual detection systems. More than half of brain tumor types are gliomas. Manually segmenting glioma tumors using brain MRI images is quite challenging. The reason for this is; glioma tumors are different in shape, size, volume, location and appearance, and it is difficult to distinguish between the two because healthy tissues and tumorous tissues are similar in structure. As a data set, brain MRI images of 2019 in the BRATS competition held every year were used. In this study, unlike other studies, appropriate modalities were used to see different parts of the tumor more clearly and MR images were cropped according to tumor sizes. 3 model trainings were carried out separately for complete tumor segmentation, expanding + necrosis and expanding tumor segmentation. As a result of the trainings conducted, compared to the studies in the literature, this study was among the pioneering studies as the 2nd in complete tumor segmentation, 2nd in necrosis + expanding tumor segmentation, and 1st in expanding tumor segmentation.
Benzer Tezler
- Beyin tümörü segmentasyonu için yeni bir üç boyutlu U-Net tabanlı derin öğrenme mimarisi
A novel three-dimensional U-Net based deep learning architecture for brain tumor segmentation
AYŞE BAŞTUĞ KOÇ
Doktora
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. DEVRİM AKGÜN
- Yolov8 ve sam derin öğrenme modellerinin beyin tümörü tespiti ve segmentasyonu için mr görüntülerinde değerlendirilmesi ve entegrasyonu
Evaluation and integration of yolov8 and sam deep learning models for brain tumor detection and segmentation in mr imaging
SALAJDIN MALOKU
- Beyin MR görüntüleri üzerinden beyin tümörü tespiti,sınıflandırması ve segmentasyonunda derin öğrenme yöntemlerinin incelenmesi
An investigation of deep learning approaches for brain tumor detection, classification, andsegmentation from brain MRI images
ESMA NUR GÜNEŞER
Yüksek Lisans
Türkçe
2026
Mühendislik BilimleriYıldız Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MERT BAL
- MR görüntülerinde derin öğrenme ile beyin tümör segmentasyonu
Brain tumor segmentation with deep learning on MR images
BİLAL TAŞDEMİR
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NECAATTİN BARIŞÇI
- Beyin segmentasyonu için geliştirilmiş bir kalan 3D U-net
An improved residual 3d U-net for brain segmentation
NOOSHIN SOROOR
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstinye ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMED DAVUD