Bilgisayarlı tomografi anjiyografide derin öğrenme rekonstrüksiyon yönteminin diğer rekonstrüksiyon yöntemleri ile karşılaştırılması
Comparison of deep learning reconstruction method with other reconstruction methods in computed tomography angiography
- Tez No: 774922
- Danışmanlar: DR. ÖĞR. ÜYESİ SEVİL ÖZER
- Tez Türü: Yüksek Lisans
- Konular: Radyoloji ve Nükleer Tıp, Radiology and Nuclear Medicine
- Anahtar Kelimeler: Bilgisayarlı tomografi, Rekonstrüksiyon, Sinyal-gürültü oranı, Yapay zeka, Computed tomography, Reconstruction, Signal-noise rate, Artificial intelligence
- Yıl: 2022
- Dil: Türkçe
- Üniversite: İstanbul Yeni Yüzyıl Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Geçmişten günümüze gelişen teknolojinin sunduğu yeniliklerin tıp alanında özellikle de Radyoloji Ana Bilim dalında medikal görüntüleme teknolojilerine olumlu yönde etkileri görülmüştür. Gelişmiş medikal görüntüleme cihazlarından olan bilgisayarlı tomografi sistemlerinde hastaya verilen dozlar günden güne teknolojik yenilikler ile azalmakta ve hastaların güvenliği ve konforu daha fazla öne çıkmaktadır. Bu yeniliklerden en önde gelen Yapay Zekâ ve Derin Öğrenme teknolojileri medikal görüntüleme alanında günümüz popüler uygulamalarının içindedir. Bu retrospektif çalışma da abdomen (batın) bilgisayarlı tomografi anjiyografi de abdominal aort ve renal arterlerde derin öğrenme rekonstrüksiyon yönteminin diğer rekonstriksiyon yöntemleri ile karşılaştırılması yapılmıştır. Bu bölgeler hipertansiyon, arterlerde veya aortta kalsifikasyon gibi kritik hastalıkların bilgisayarlı tomografi sistemlerinde daha fazla görünür olmasının önemini değerlendirmek adına seçilmiştir. Bu amaçla Derin Öğrenmeli Rekonstrüksiyon algoritmasına sahip bilgisayarlı tomografi cihazıyla abdomen (batın) veya renal anjio görüntüleme yapılmış 30 hastanın ham datalarından FBP (Filtrelenmiş Geri Projeksiyon), İteratif Rekonstrüksiyon (IR), Model Tabanlı İteratif Rekonstrüksiyon (MBIR) ve Derin Öğrenmeli Rekonstrüksiyon (DLR) olmak üzere dört farklı rekonstrüksiyon yöntemi kullanılarak görüntüler yeniden yapılandırılmıştır. Bu yapılandırma sonucunda abdominal aort, sağ ve sol renal arterler dört farklı rekonstrüksiyon tekniği içinde aynı serinin aynı imajları damar keskinkiği, SNR, CNR, ERS ve ERD parametrelerinin elde edilmesi için ölçülerek derin öğrenmeli rekonstrüksiyon tekniğinin bu bölgelerde diğer rekonstrüksiyon yöntemlerine göre üstünlüğü ve klinik görüntüye faydası açısından verilerin raporlandırılması amaçlanmaktadır.
Özet (Çeviri)
The innovations offered by the developing technology from the past to the present have had positive effects on medical imaging technologies in the field of medicine, especially in the Radiology Department. In computerized tomography systems, which are one of the advanced medical imaging devices, the doses given to the patient are decreasing day by day with technological innovations and the safety and comfort of the patients become more prominent. Among these innovations, Artificial Intelligence and Deep Learning technologies are among today's popular applications in the field of medical imaging. In this retrospective study, the comparison of deep learning reconstruction method in abdominal aorta and renal arteries in abdominal computed tomography angiography with other reconstruction methods was made. These regions were selected to evaluate the importance of greater visibility of critical diseases such as hypertension, calcification in the arteries or aorta, and greater visibility in computed tomography systems. For this purpose, FBP (Filtered Back Projection), Iterative Reconstruction (IR), Model Based Iterative Reconstruction (MBIR) and Deep Learning Reconstruction (DLR) were made from the raw data of 30 patients who underwent abdominal or renal angio imaging with a computed tomography device with Deep Learning Reconstruction algorithm. Images were reconstructed using four different reconstruction methods. As a result of this configuration, the abdominal aorta, right and left renal arteries are measured to obtain the vascular acuity, SNR, CNR, ERS and ERD parameters of the same images of the same series in four different reconstruction techniques, and the superiority of the deep learning reconstruction technique over other reconstruction methods in these regions and its benefit to the clinical image for the purpose of reporting the data.
Benzer Tezler
- Koroner bilgisayarlı tomografi anjiografi (BTA)'de derin öğrenme rekonstrüksiyonun, diğer rekonstrüksiyon yöntemleri ile karşılaştırılması
Comparison of deep learning reconstruction method in coronary CT angiography with other reconstructi̇on methods
ZEYNEP NUR AKYOL SARI
Tıpta Uzmanlık
Türkçe
2022
Radyoloji ve Nükleer Tıpİstanbul ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. DR. MENDUH DURSUN
- Bilgisayarlı tomografi görüntülerinden os hyoideum'un EfficientNet derin öğrenme modeli kullanılarak cinsiyet tahmini
Sex estimation from computed tomography images using EfficientNet deep learning model of os hyoideum
RUKİYE SÜMEYYE BAKICI
- Transkatater aort kapak implantasyonu yapılan hastalarda koroner arter lezyonlarının uzun dönem sonuçlarının geriye dönük kardiyak bilgisayarlı tomografi - fraksiyonel akış rezervi (CT-FFR) ile değerlendirilmesi
Evaluation of long-term results of coronary artery lesions in patients with transcatheter aortic valve implantation using retrospective cardiac computed tomography - fractional flow reserve (CT-FFR)
SONER AKSÜYEK
Tıpta Uzmanlık
Türkçe
2024
KardiyolojiSağlık Bilimleri ÜniversitesiKardiyoloji Ana Bilim Dalı
DOÇ. DR. ALPER KARAKUŞ
UZMAN FATİH KOCA
- Extraction of vascular trees for living donated liver transplantation
Canlı vericili karaciğer nakli için karaciğer damar ağacı bölütleme
PARVIN BULUJU
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik MühendisliğiDokuz Eylül ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA ALPER SELVER
- Beyin anevrizmalarında görüntü işleme ve derin öğrenme yöntemi ile kanamaların tespitinin geliştirilmesi
Improving the detection of hemorrhages with image processing and deep learning method in brain aneurysms
MELTEM YAVUZ ÇELİKDEMİR
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYHAN AKBAL