Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2023
Tezin Dili: Türkçe
Öğrenci: Furkan KUTAN
Danışman: Uğurhan Kutbay
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:
Serebrovasküler hastalıklar, beyni besleyen damar bölümleri üzerinde, kan akışının zayıflaması, durması veya damarların yırtılması sonucunda beyinde hasara yol açan ve beyin fonksiyonlarında ciddi bozukluklara sebep olan hastalık grubudur. Serebrovasküler hastalıklar, dünya genelinde ölüm nedenleri arasında üçüncü sırada yer alırken, hastalık sonrasında engelli kalma oranı açısından ilk sırada yer almaktadır. Bu nedenle, beyin damarlarının oluşturduğu vasküler yapının detaylı bir şekilde incelenmesi, erken hastalık teşhisi ve cerrahi planlama gibi klinik uygulamalar için büyük önem taşımaktadır. Klinik uygulamalarda, radyologlar tarafından kullanılan medikal görüntüleme araçlarındaki damar segmentasyon işlemi, manuel veya yarı otomatik bir şekilde gerçekleştirilebilmektedir. Genellikle bu işlemlerde kullanılan algoritmalar kural tabanlı veya el ile öz nitelik çıkartım işlemini içerdiğinden, karmaşık yapıdaki anjiyografi görüntülerinde damar segmentasyon başarısının düşük olmasına sebebiyet verebilmektedir. Bu nedenle, yapılan tez çalışmasının ilk aşamasında Hesse matris tabanlı filtreleme, bağlı birleşen analizi ve bölge büyütme algoritması gibi klasik görüntü işleme tabanlı yöntemler kullanılarak damar bölümlerinin segmentasyonu sağlanmıştır. İkinci aşamada ise segmentasyon başarısını artırmak amacıyla son yıllarda bilgisayarlı görü alanında oldukça popüler olan derin öğrenme teknikleri kullanılarak, klinik kullanım için yüksek doğruluk oranıyla otomatik ve hızlı bir şekilde damar segmentasyonu gerçekleştirilmiştir. Derin öğrenme tabanlı segmentasyon işleminde ilk olarak majör serebral arterlere odaklanılmış olup bu bölgelerin segmentasyonu amacıyla UNet, ResUNet, ResUNet++ ve TransUNet gibi medikal görüntüleme alanında yaygın olarak kullanılan derin öğrenme mimarileri kullanılarak performansları karşılaştırılmıştır. Çalışmanın deneysel sonuçları incelendiğinde damar segmentasyon probleminde ResUNet++ mimarisinin diğer mimarilere kıyasla %91.6 ortalama Jaccard indeks değeri ile en yüksek başarı sonucu elde ettiği görülmüştür. Çalışmanın ilerleyen kısımlarında ise majör arterlerin yanı sıra diğer arter bölümlerinin de ResUNet++ mimarisi vasıtasıyla bölütlenmesi sağlanarak önerilen yaklaşımın, klasik kural tabanlı görüntü işleme algoritmalarına göre daha başarılı sonuçlar elde ettiği gözlemlenmiştir.
Anahtar Kelimeler : Manyetik rezonans anjiyografi, derin öğrenme, görüntü işleme,
damar segmentasyonu, serebrovasküler hastalıklar