Derin öğrenme tabanlı prostat görüntülerinin segmentasyonu

Tezin Türü: Doktora

Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye

Tezin Onay Tarihi: 2022

Tezin Dili: Türkçe

Öğrenci: HAKAN ÖCAL

Danışman: Necaattin Barışçı

Özet:

Çağımızın en büyük hastalıklarından birisi olan kanserle mücadelede birçok çalışma yapılmaktadır. Erkekler arasında önde gelen kanser türlerinden birisi ise prostat kanseridir. Prostat kanseri erken safhada teşhis edilebilirse tedavisi kolaydır. Prostat bezesinin görüntülenmesinde açısal (axial, coronal, sagital) görüntüleme imkânı sayesinde daha kesin bilgiler sunduğu için Manyetik Rezonans Görüntüleme en çok kullanılan tanılama yöntemidir. Fakat Manyetik Rezonans (MR) cihazlarından elde edilen görüntülerinde prostat bezesinin tutarsız ve homojen olmayan görüntüsü uzman radyologlar tarafından yapılan manuel segmentasyonu (bölütlemesi) zaman alıcı ve sıkıcı bir iş haline getirmektedir. Bu sorunla başa çıkabilmek için günümüzde bilgisayar destekli Derin Evrişimsel Sinir Ağları’ ndan (DESA) oluşan akıllı mimariler geliştirilmeye başlanmıştır. Bu tez çalışmasında DESA mimarilerinden ilham alarak prostat görüntülerinin uçtan uca otomatik bölütlemesi için derin öğrenme tabanlı iki farklı füzyon mimarisi önerilmiştir. Önerilen birinci mimaride, 3 Boyutlu Artık Bloklu U-Net (ResU-Net 3B) ile 2 Boyutlu Artık Bloklu U-Net (ResU-Net 2B) modelleri kaynaştırılmıştır. Önerilen ikinci mimaride ise, ETnet (Kenar Dikkat Ağı), 3 boyutlu Volümetrik Evrişimsel Sinir Ağı (V-Net 3B) ve 2 Boyutlu Artık Bloklu U-Net (ResU-Net 2B) modelleri kaynaştırılmıştır. Önerilen birinci mimaride, modelin performansını en iyi seviyeye çıkarmak için yeni bir yaklaşım olarak Dinamik Durum Tipi Odak Twersky (DDTOT) kayıp fonksiyonu kullanılmıştır. Önerilen ikinci mimaride ise, modelin performansını en iyi seviyeye çıkarmak için yeni bir yaklaşım olarak Ağırlıklandırılmış Odak Twersky(AOT) hibrit kayıp fonksiyonu kullanılmıştır. İki farklı halka açık prostat veri setinde (Promise12 ve NCI_ISBI-2013) elde edilen test sonuçları önerilen her iki modelin de çok sağlam modeller olduğunu göstermektedir.

Anahtar Kelimeler : Prostat segmentasyonu, derin öğrenme, ET-V-Net, ResU-Net, hibrit kayıp fonksiyonu, evrişimsel sinir ağları, görüntü işleme