Year: 2022
Type: dissertation
Abstract: Çok katmanlı ileri beslemeli bir yapay sinir ağı modeli olan evrişimsel sinir ağı (ing: Convolutional Neural Network - CNN) özellikle görüntüler üzerinden özellik çıkarılması ve analizlerinin yapılması aşamasında sıklıkla kullanılmaktadır. Yapılan bu tez çalışmasında, iki boyutlu olarak elde edilen gerçek beyin damar ağı görüntüleri kullanılarak, derin öğrenme sinir ağı tabanlı otomatik damar ağı bölütlemesi gerçekleştirilen bir sistem ortaya konulmuştur. Görüntülerdeki damar ağı bölütlemesi için üç farklı derin öğrenme sinir ağı mimarisi kullanılmıştır. Kullanılan derin öğrenme sinir ağı mimarileri sırası ile Otomatik kodlayıcı (AutoEncoder), U-Net ve ResNet+U-Net ağlarıdır. Otomatik bölütleme adımında kullanılan derin öğrenme sinir ağı mimarilerinin eğitimi için oluşturulan veri setinde, eğitim için 1806 adet test için ise 34 adet görüntü kullanılarak eğitim ve test işlemi tamamlanmıştır. Üç ağ mimarisinden elde edilen eğitilmiş ağ modeli ile yapılan test işleminde en yüksek doğruluk başarım değerini %97,31 ile ResNet+U-Net ağı vermiştir. Bölütleme işleminden sonra, vasküler analiz aşamasından önce, bölütlenmiş görüntüler üzerinde ikilileştirme (ing: binarization) işlemi uygulanarak, bölütlenmiş görüntülerdeki sadece beyin damar ağının belirginleştirilmesi sağlanmıştır. Tez çalışmasının bir sonraki aşamasında ise bölütlenmiş beyin damar ağı görüntüleri kullanılarak vasküler analiz işlemi gerçekleştirilmiştir. Yapılan vasküler analiz ile beyin damar ağının, vasküler alan fraksiyonu, dallanma noktası sayısı (ing: branching point), dal sayısı (ing: branch number) ve vasküler uzunluk (damar uzunluğu) metrikleri hesaplanmıştır. Elde edilen sonuçlar, medikal alanda kullanılan angiotool ve fiji uygulamaları ile karşılaştırılmıştır. Doğruluk, birleşimlerin kesişimi (ing: Intersection Over Union-IoU), zar katsayısı (ing: dice coefficient), kesinlik (ing: precision) ve duyarlılık (ing: recall) değerlendirme kriterleri ile değerlendirmeler yapılmıştır. Tez çalışması kapsamında yazılan uygulama, var olan analiz uygulamaları (Angiotool ve Fiji makrosu) ile aynı veri seti kullanılarak test edilerek sonuçları karşılaştırılmıştır. Analiz sonuçları, tez çalışmasında yapılan uygulamanın medikal alanda kullanılan diğer uygulamalara kıyasla değerlendirme metriklerine göre daha iyi sonuçlar verdiğini göstermektedir.
Author: Göksu, Tuğçe
Language: Turkish
Subfield: Computer Vision and Pattern Recognition
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7140350108