Tez No	İndirme	Tez Künye	Durumu
705160		Pankreas kanser dokularının segmentasyonunda farklı derin öğrenme tekniklerinin performanslarının incelenmesi / Investigation of different deep learning techniques in pancreas cancer tissues segmentation Yazar:RAMAZAN ÖZGÜR DOĞAN Danışman: PROF. DR. TEMEL KAYIKÇIOĞLU Yer Bilgisi: Karadeniz Teknik Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:Bilgisayarlı tomografi = Computed tomography ; Doku bölütleme = Texture segmentation ; Görüntü bölütleme = Image segmentation ; Yapay sinir ağları = Artificial neural networks	Onaylandı Doktora Türkçe 2021 156 s.
Pankreas kanserinin geç tanısını engellemek, tanı, tedavi ve cerrahide tıp doktorlarına yardımcı olmak için otomatik pankreaas ve pankreas tümör segmentasyonu kullanılmaktadır. Pankreasın ve pankreas tümörünün değişken büyüklükleri, şekilleri ve konumları nedeniyle, pankreas ve pankreas tümörü segmentasyonu ile ilgili çalışmalar belirli bir başarı yüzdesine kadar ulaşabilmektedirler. Tez çalışmamızın amacı Bilgisayarlı Tomografi (BT) görüntülemede daha yüksek doğrululuğa sahip otomatik pankreas ve pankreas tümörü segmentasyonu sağlamaktır. Bu kapsamda derin öğrenme tabanlı yaklaşımlar önerilmektedir. Tez çalışmamız iki farklı kısımdan oluşmaktadır. İlk kısımda pankreas segmentasyonunu gerçekleştirmeye yönelik iki aşamadan oluşan bir yöntem önerilmektedir; (i) Pankreas İlgi Bölgesinin Belirlenmesi ve (ii) Pankreas Segmentasyonu. İlk aşamada kaba olarak pankreas pozisyonunu tespit etmektedir. Bu aşama segmente edilmiş ve maskelenmiş pankreasın aday bölgelerinin oluşturduğu 2B alt BT dilimlerini üretmektedir. İkinci aşama (Pankreas Segmentasyonu) önceki aşamada üretilen 2B alt BT dilimlerini girdi olarak almakta ve çıktı olarak segmente edilmiş pankreas bölgesi üretilmektedir. Tez çalışmasının ikinci kısımda ise pankreas ve pankreas tümör dokularını segmente etmek için ilk kısımda önerilen iki fazlı yöntem tekrar dizayn edilmekte ve her fazın performansında iyileştirmeler sağlanmaktadır. Her kısım için önerilen yaklaşımların literatürdeki çalışmalar ile karşılaştırması yapılmakta ve daha iyi sonuçlar sağladığı öznel ve nesnel olarak ispatlanmaktadır.
Automatic pancreas and pancreatic tumor segmentation is used to prevent late diagnosis of pancreatic cancer and to assist medical doctors in diagnosis, treatment and surgery. Because of the variable size, shape and location of the pancreas and pancreatic tumor, studies on pancreas and pancreatic tumor segmentation can achieve a certain percentage of success. The aim of our thesis is to provide automatic pancreas and pancreatic tumor segmentation with higher accuracy in CT imaging. In this context, deep learning-based approaches are recommended. Our thesis consists of two different parts. The first part proposes a two-stage method for performing pancreatic segmentation; (i) Determination of Pancreas Region of Interest and (ii) Pancreas Segmentation. In the first stage, it roughly determines the position of the pancreas. This step produces 2D sub-CT slices of candidate regions of the segmented and masked pancreas. The second stage (Pancreas Segmentation) takes the 2D sub-CT slices produced in the previous stage as input and the segmented pancreas region is produced as output. In the second part of the thesis, the two-phase method proposed in the first part is redesigned to segment pancreas and pancreatic tumor tissues and improvements are made in the performance of each phase. The proposed approaches for each part are compared with the studies in the literature and it is proved that they provide better results subjectively and objectively.