İnme, günümüzde dünyada önde gelen ölüm nedenlerinden biridir. İnme geçiren hastaların tedavisi ve hayatta kalması için acil ve kesin tanı çok önemlidir. İskemik inmenin tanı ve tedavisi çoğunlukla manyetik rezonans görüntülemeye (MR) dayanmaktadır. Bu çalışmanın amacı, 2 boyutlu MR görüntüleri kullanarak U şeklinde bir evrişimsel sinir ağı mimarisi (CNN) oluşturarak iskemik inme lezyonunu bölütlemek ve çeşitli kayıp fonksiyonları kullanarak çalışmanın kayıp sonuçlarını, zar benzerlik katsayısını (DSC), hassasiyetini ve özgünlüğünü değerlendirmektir. Oluşturulan modeli eğitmek, doğrulamak ve test etmek için Ischemic Stroke Lesion Segmentation (ISLES 2015) veri setindeki iskemik inme hastalarından alınan 2 boyutlu MR görüntüleri kullanılmıştır. Sonuç olarak, Binary Cross Entropy Loss, Dice Loss, Focal Loss ve Binary Cross Entropy Dice Loss fonksiyonları kullanılarak iskemik inme lezyonlarının segmentasyonu ve bunların DSC, hassasiyet, özgünlük ve doğruluk üzerindeki etkileri ortaya konmuştur. Özetle, önerilen modelden sağlanan sonuçlar, kayıp fonksiyonlarının iskemik inme lezyonlarının belirlenmesinde U-Net modelinin doğruluğunu nasıl değiştirdiğini göstermiştir.
Eser Adı (dc.title) | Ischemic Stroke Lesion Segmentationin MRI Images Using U-ShapedConvolutional Neural Network |
Eser Sahibi (dc.contributor.author) | Ilayda Alpay |
Tez Danışmanı (dc.contributor.advisor) | Onan Guren |
Yayıncı (dc.publisher) | İzmir Katip Çelebi Üniversitesi Fen Bilimleri Enstitüsü |
Tür (dc.type) | Yüksek Lisans |
Özet (dc.description.abstract) | İnme, günümüzde dünyada önde gelen ölüm nedenlerinden biridir. İnme geçiren hastaların tedavisi ve hayatta kalması için acil ve kesin tanı çok önemlidir. İskemik inmenin tanı ve tedavisi çoğunlukla manyetik rezonans görüntülemeye (MR) dayanmaktadır. Bu çalışmanın amacı, 2 boyutlu MR görüntüleri kullanarak U şeklinde bir evrişimsel sinir ağı mimarisi (CNN) oluşturarak iskemik inme lezyonunu bölütlemek ve çeşitli kayıp fonksiyonları kullanarak çalışmanın kayıp sonuçlarını, zar benzerlik katsayısını (DSC), hassasiyetini ve özgünlüğünü değerlendirmektir. Oluşturulan modeli eğitmek, doğrulamak ve test etmek için Ischemic Stroke Lesion Segmentation (ISLES 2015) veri setindeki iskemik inme hastalarından alınan 2 boyutlu MR görüntüleri kullanılmıştır. Sonuç olarak, Binary Cross Entropy Loss, Dice Loss, Focal Loss ve Binary Cross Entropy Dice Loss fonksiyonları kullanılarak iskemik inme lezyonlarının segmentasyonu ve bunların DSC, hassasiyet, özgünlük ve doğruluk üzerindeki etkileri ortaya konmuştur. Özetle, önerilen modelden sağlanan sonuçlar, kayıp fonksiyonlarının iskemik inme lezyonlarının belirlenmesinde U-Net modelinin doğruluğunu nasıl değiştirdiğini göstermiştir. |
Kayıt Giriş Tarihi (dc.date.accessioned) | 2024-05-24 |
Açık Erişim Tarihi (dc.date.available) | 2024-11-24 |
Yayın Tarihi (dc.date.issued) | 2024 |
Yayın Dili (dc.language.iso) | eng |
Konu Başlıkları (dc.subject) | Stroke |
Konu Başlıkları (dc.subject) | u-net |
Konu Başlıkları (dc.subject) | Derin öğrenme |
Tek Biçim Adres (dc.identifier.uri) | https://hdl.handle.net/11469/4089 |