Parotis bezi ve tümörlerinin belirlenmesinde yapay zekâ tabanlı tanı destek sisteminin geliştirilmesi
Development of artificial intelligence-based diagnostic support system for the determination of parotid gland and tumors
- Tez No: 915204
- Danışmanlar: PROF. DR. AHMET ALKAN
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Kahramanmaraş Sütçü İmam Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Baş ve boyun bölgesinde bulunan tükürük bezleri konuşma, çiğneme ve yutma gibi fonksiyonlar için önemli bir sıvı olan tükürüğü üretmektedir. İnsanlarda üç majör ve yüzlerce minör olmak üzere çok sayıda tükürük bezi bulunmaktadır. Ayrıca, tükürük bezi tümörlerinin çoğu parotis bezlerinde meydana gelmektedir. Baş ve boyun kanserleri tedavisinde radyoterapi önemli bir yer tutmaktadır ve radyoterapi esnasında parotis ve diğer tükürük bezleri komşuluk nedeniyle ışınlamaya maruz kalmaktadır. Bu nedenle, parotis bezlerinin segmente edilmesi tezin ilk bölümünde amaçlanmıştır. Tümör yayılımı, tedavi planlaması sürecini etkilediği için parotis bezi tümörlerinin segmentasyonu tezin ikinci bölümünde değerlendirilmiştir. Biyopsi gibi tanısal yöntemlerin duyarlılığının düşük olması ve parotis tümörlerinin teşhisinin tedavi seyrini değiştirebilmesi nedeniyle de tümör sınıflandırması tezin son bölümünde incelenmiştir. Bu tezde, kullanılan veri setleri Recep Tayyip Erdoğan Üniversitesi Eğitim ve Araştırma Hastanesi'nden temin edilmiştir. İlk olarak, parotis bezi segmentasyonu için 72 T2-w MR görüntüleri kullanılarak ResNet18 ve MobileNetV2 tabanlı DeepLab v3+ mimarileri eğitilmiştir. İkinci olarak, 102 T1-w, T1C-w ve T2-w görüntüleri ile ResNet18 ve Xception tabanlı DeepLab v3+ modelleri tümör segmentasyonu için geliştirilmiştir. Son olarak, 114 ADC, T1C-w ve T2-w görüntülerinden füzyon teknikleri ile elde edilen veri setleri kullanılarak ResNet18, GoogLeNet ve DenseNet201 modelleri eğitilmiştir. Ayrıca, bu tez için üç adet grafiksel kullanıcı ara yüz uygulaması hazırlanmıştır. Bu tezde; parotis bezi segmentasyonu, parotis bezi tümör segmentasyonu ve parotis bezi tümör sınıflandırması için en başarılı modellerden sırasıyla yaklaşık 0,968, 0,961 ve 0,959 doğruluk değerleri elde edilmiştir.
Özet (Çeviri)
Salivary glands in the head and neck produce saliva, a significant fluid for functions such as speaking, chewing, and swallowing. Humans have a large number of salivary glands, three major and hundreds of minor ones. Furthermore, most salivary gland tumors occur in the parotid glands. Radiotherapy plays an important role in the treatment of head and neck cancers and during radiotherapy, the parotid gland and other salivary glands are exposed to radiation due to their proximity. Hence, the segmentation of the parotid glands is aimed in the first part of the thesis. Since tumor spread affects the treatment planning process, the segmentation of parotid gland tumors is evaluated in the second part of the thesis. Due to the low sensitivity of diagnostic methods such as biopsy and the role of the diagnosis of parotid tumors on treatment strategies, tumor classification is examined in the last part of the thesis. The data sets used in this thesis are obtained from Recep Tayyip Erdoğan University Training and Research Hospital. Firstly, DeepLab v3+ architectures based on ResNet18 and MobileNetV2 are trained using 72 T2-w MR images for parotid gland segmentation. Secondly, ResNet18 and Xception-based DeepLab v3+ models are developed for tumor segmentation utilizing 102 T1-w, T1C-w, and T2-w images. Finally, ResNet18, GoogLeNet, and DenseNet201 models are trained using data sets obtained from 114 ADC, T1C-w, and T2-w images using fusion techniques. In addition, three graphical user interface applications are prepared for this thesis. In this thesis, approximately 0.968, 0.961, and 0.959 accuracy values are obtained from the most successful models for parotid gland segmentation, parotid gland tumor segmentation, and parotid gland tumor classification, respectively.
Benzer Tezler
- Parotis bezi kitlelerinin ayırıcı tanısında dinamik bilgisayarlı tomografi ve dinamik manyetik rezonans görüntülemenin yeri
Başlık çevirisi yok
AHMET ÇELİK
Tıpta Uzmanlık
Türkçe
2003
Radyoloji ve Nükleer TıpEskişehir Osmangazi ÜniversitesiRadyoloji Ana Bilim Dalı
DOÇ. DR. BAKİ ADAPINAR
- Parotis bezi tümörlerinin klinik ve patolojik olarak değerlendirilmesi: Retrospektif çalışma
Clinical and pathological evaluation of parotid gland tumors: A retrospective study
HASAN GÖRÜR
Tıpta Uzmanlık
Türkçe
2017
Kulak Burun ve BoğazKaradeniz Teknik ÜniversitesiKulak, Burun, Boğaz Hastalıkları Ana Bilim Dalı
PROF. DR. OSMAN BAHADIR
- Parotis bezi tümörlerinin benin-malin ayrımında ve benin olanların sınıflandırılmasında difüzyon ağırlıklı manyetik rezonans görüntülemenin katkısının değerlendirilmesi
Contribution of diffusion-weighted MRI in distinguishing between benign and malignant parotid gland tumours and classification of the benign ones
ÇINAR BALÇIK
Tıpta Uzmanlık
Türkçe
2010
Radyoloji ve Nükleer TıpOndokuz Mayıs ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. DR. HÜSEYİN AKAN
- Parotis bezi tümörlerinin karakterizasyonunda difüzyon ağırlıklı görüntülemenin tanısal etkinliği
Diagnostic efficacy diffusion weighted imagingin the characterization of parotid tumors
YASEMİN KARAMAN
Tıpta Uzmanlık
Türkçe
2012
Radyoloji ve Nükleer TıpMersin ÜniversitesiRadyodiagnostik Ana Bilim Dalı
PROF. DR. F. DEMİR APAYDIN
- Parotis bezi tümörlerinin ayırıcı tanısında apparent diffusion coefficient (Adc) değerlerinin yeri
The role of the apparent diffusion coefficient (Adc) values in the differential diagnosis of the parotid gland tumors
SİBEL AYDIN AKSU
Tıpta Uzmanlık
Türkçe
2009
Radyoloji ve Nükleer TıpSağlık BakanlığıRadyoloji Ana Bilim Dalı
PROF. DR. ERCAN İNCİ