Karaciğer tümör segmentasyonu için veri füzyonunun ResUNet modeli üzerindeki etkisinin araştırılması
Year: 2026
Type: article
Abstract: Tıbbi görüntü segmentasyonu, hastalığın teşhisi veya hastalıklı bölgenin konumlandırılması amacıyla, görüntüdeki renk ve şekil farklılıklarını kullanarak bölgeleri ayırma işlemidir. Bu işlem manuel veya otomatik olarak gerçekleştirilebilir. Günümüzde makine öğrenmesi ve derin öğrenme tekniklerini kullanan otomatik segmentasyon yöntemlerinde, performansı artırmak amacıyla alana özgü modeller geliştirilmekte olup, tıbbi veri setlerinde U-Net tabanlı segmentasyon mimarileri sınırlı ve dengesiz veri ile bile etkili sonuçlar verebilmektedir. Ancak U-Net mimarisinde, derin ağlarda gradyan sönmesi gibi eğitim zorlukları ortaya çıkabilmektedir; bu noktada ResNet mimarisi, daha derin bir yapı sağlayarak derinlik gereksinimlerini karşılamaktadır. Bu mimarilerin birleştirilmesiyle oluşan hibrit ResUNet mimarisi U-Net’in segmentasyon gücünü ResNet’in artık bağlantıları ile birleştirerek, hem derin ağların avantajını kullanmakta hem de eğitim sürecindeki zorlukları hafifletmektedir. Bu çalışmada, otomatik karaciğer tümör segmentasyonu amacıyla, Temel Bileşenler Analizi (PCA) ve Ayrık Dalgacık Dönüşümü (DWT) ile kanal bazlı birleştirilen veriler üzerinde hibrit ResUNet modeli uygulanmıştır. Her kanalın özgün ve ayırt edici örüntülerini koruyarak özellik temsillerini zenginleştirmek amacıyla kanal bazlı veri füzyonu kullanılmıştır. PCA ve DWT tabanlı her iki füzyon yöntemi de, verileri farklı uzaylara taşıyarak modelin görüntüdeki farklı yapıları ayırt etme kapasitesini güçlendirmiştir. Sonuçlar, her iki yöntemin de iki farklı veri setinde birbirine yakın dice benzerlik katsayısı değerleri elde ederek karşılaştırılabilir performans sergilediğini ortaya koymaktadır.
Authors: Ümran Şeker Ertuğrul, Halife Kodaz, Onur İnan
Language: Turkish
Subfield: Computer Vision and Pattern Recognition
Field: Computer Science
Domain: Physical Sciences
Open Access status: diamond
OpenAlex ID: W7143479961