BT görüntülerinden sürrenal lezyonların belirlenmesi ve sınıflandırılması

Basit Öğe Kaydı
dc.contributor.advisorCeylan, Rahime
dc.contributor.authorKoyuncu, Hasan
dc.date.accessioned2018-12-28T12:27:42Z
dc.date.available2018-12-28T12:27:42Z
dc.date.issued2018-03-30
dc.departmentEnstitüler, Fen Bilimleri Enstitüsü, Elektrik Elektronik Mühendisliği Ana Bilim Dalıen_US
dc.description.abstractSürrenal lezyonlar böbreküstü bezlerinde meydana gelen ve genellikle rastlantısal olarak tespit edilen tümör tipleridir. Sürrenal lezyonların tespitinde ve karakterizasyonunda genellikle Bilgisayarlı Tomografi (BT) görüntüleme ve biyopsiden faydalanılır. Ancak sürrenal lezyonların anatomik konumu nedeniyle biyopsi işlemi oldukça zordur. Bu durum, bir Bilgisayar Destekli Teşhis (BDT) sisteminin gerekliliğini ortaya koymaktadır. Gerçekleştirilen tez çalışmasında, sürrenal lezyonların tespiti ve karakterizasyonu için bir BDT sistemi tasarlanmıştır. Tasarlanan BDT sistemi; abdomen segmentasyonu, gürültü ve yağ dokusu eliminasyonu, lezyon segmentasyonu ve lezyon sınıflandırma olmak üzere 4 aşamadan oluşmaktadır. Tez çalışması, Selçuk Üniversitesi Tıp Fakültesi Radyoloji Anabilim Dalı' ndan alınan 98 BT görüntüsü ile gerçekleştirilmiştir. Önerilen BDT sisteminin abdomen segmentasyonu aşamasında eğitim, test ve validasyon veri setlerinde sırasıyla %99.21, %99.54 ve %99.78 ortalama doğruluk değerleri elde edilmiştir. Gürültü eliminasyonu aşamasında literatürdeki farklı yöntemler karşılaştırılmış ve en iyi sonuç (%93.16 doğruluk) Blok Eşleştirme & 3B Filtreleme (BE3BF) algoritması ile bulunmuştur. Yağ dokusu ve gürültü eliminasyonu aşamasında literatüre göre 0.157 dB üstünlük sağlanmıştır. Sürrenal lezyonların segmentasyonu için önerilen sistem ile %83.06 Dice, %86.44 duyarlılık ve %99.66 özgüllük oranlarına ulaşılmıştır. Ayrıca önerilen BDT sisteminin son aşaması olan sürrenal lezyonların sınıflandırılmasında, dalgacık transformu ve optimizasyon temelli yapay sinir ağı ile %80.70 doğruluk ve %75 duyarlılık elde edilmiştir.en_US
dc.description.abstractAdrenal lesions are the tumor types occurring on adrenal glands, and often being detected as coincidentally. Computed Tomography (CT) scan and biopsy process are generally utilized on the detection and characterization of adrenal lesions. However, the biopsy process stays as a challenging task due to the anatomical location of lesions. This situation reveals the necessity of a Computer Aided Diagnosis (CAD) system. In doctoral thesis, a CAD system was designed to detect and characterize the adrenal lesions. Proposed CAD system was designed on 4 steps that are abdomen segmentation, noise and fat tissue elimination, lesion segmentation and lesion classification. The study was realized using 98 CT images taken from Radiology Department of Medicine Faculty at Selcuk University. Abdomen segmentation system achieved the average accuracy rates as %99.21 (training), %99.54 (test) and %99.78 (validation). Different techniques were compared on the noise elimination, and the best result (%93.16 accuracy) was obtained by Block Matching & 3D Filtering (BM3D) algorithm. On the noise and fat tissue elimination, proposed system outperformed to the literature by achieving 0.157 dB higher result. Lesion segmentation system obtained %83.06 Dice, %86.44 sensitivity and %99.66 specificity rates. At the last step of CAD system, proposed method including wavelet transform and optimized neural network, achieved %80.70 accuracy and %75 sensitivity rates on the classification of adrenal lesions.en_US
dc.identifier.citationKoyuncu, H. (2018). BT görüntülerinden sürrenal lezyonların belirlenmesi ve sınıflandırılması. Selçuk Üniversitesi, Yayımlanmış doktora tezi, Konya.en_US
dc.identifier.urihttps://hdl.handle.net/20.500.12395/14206
dc.language.isotren_US
dc.publisherSelçuk Üniversitesi Fen Bilimleri Enstitüsüen_US
dc.relation.publicationcategoryTezen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.selcuk20240510_oaigen_US
dc.subjectSürrenal lezyonen_US
dc.subjectBilgisayarlı tomografien_US
dc.subjectGürültü gidermeen_US
dc.subjectYağ dokusu eliminasyonuen_US
dc.subjectAbdomen segmentasyonuen_US
dc.subjectLezyon segmentasyonuen_US
dc.subjectHibrit sınıflandırıcıen_US
dc.subjectAdrenal lesionen_US
dc.subjectComputed tomographyen_US
dc.subjectDenoisingen_US
dc.subjectFat tissue eliminationen_US
dc.subjectAbdomen segmentationen_US
dc.subjectLesion segmentationen_US
dc.subjectHybrid classifieren_US
dc.titleBT görüntülerinden sürrenal lezyonların belirlenmesi ve sınıflandırılmasıen_US
dc.title.alternativeDetection and classification of adrenal lesions by using CT imagesen_US
dc.typeDoctoral Thesisen_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
Hasan Koyuncu.pdf
Boyut:
33.09 MB
Biçim:
Adobe Portable Document Format
Açıklama:
İndir
Lisans paketi
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
license.txt
Boyut:
1.51 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

Fen Bilimleri Enstitüsü Tez Koleksiyonu