Selcuk University Digital Archive Systems

BT görüntülerinden sürrenal lezyonların belirlenmesi ve sınıflandırılması

Show simple item record

dc.contributor.advisor Ceylan, Rahime
dc.contributor.author Koyuncu, Hasan
dc.date.accessioned 2018-12-28T12:27:42Z
dc.date.available 2018-12-28T12:27:42Z
dc.date.issued 2018-03-30
dc.identifier.citation Koyuncu, H. (2018). BT görüntülerinden sürrenal lezyonların belirlenmesi ve sınıflandırılması. Selçuk Üniversitesi, Yayımlanmış doktora tezi, Konya. tr_TR
dc.identifier.uri http://hdl.handle.net/123456789/14206
dc.description.abstract Sürrenal 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. tr_TR
dc.description.abstract Adrenal 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. tr_TR
dc.language.iso tur tr_TR
dc.publisher Selçuk Üniversitesi Fen Bilimleri Enstitüsü tr_TR
dc.subject Sürrenal lezyon tr_TR
dc.subject Bilgisayarlı tomografi tr_TR
dc.subject Gürültü giderme tr_TR
dc.subject Yağ dokusu eliminasyonu tr_TR
dc.subject Abdomen segmentasyonu tr_TR
dc.subject Lezyon segmentasyonu tr_TR
dc.subject Hibrit sınıflandırıcı tr_TR
dc.subject Adrenal lesion tr_TR
dc.subject Computed tomography tr_TR
dc.subject Denoising tr_TR
dc.subject Fat tissue elimination tr_TR
dc.subject Abdomen segmentation tr_TR
dc.subject Lesion segmentation tr_TR
dc.subject Hybrid classifier tr_TR
dc.title BT görüntülerinden sürrenal lezyonların belirlenmesi ve sınıflandırılması tr_TR
dc.title.alternative Detection and classification of adrenal lesions by using CT images tr_TR
dc.type Thesis tr_TR


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search DSpace


Advanced Search

Browse

My Account