Tez No	İndirme	Tez Künye	Durumu
731380		Automated estimation of the prostate volume from abdominal ultrasound images / Abdomınal ultrason görüntülerinden prostat büyüklüğünün otomatik ölçümü Yazar:NUR BANU ALBAYRAK Danışman: PROF. DR. YUSUF SİNAN AKGÜL Yer Bilgisi: Gebze 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:Derin öğrenme = Deep learning ; Görüntü analizi = Image analysis ; Görüntü işleme-bilgisayarlı = Image processing-computer assisted ; Makine öğrenmesi = Machine learning ; Makine öğrenmesi yöntemleri = Machine learning methods ; Teşhis-bilgisayar-destekli = Diagnosis-computer-assisted	Onaylandı Doktora İngilizce 2022 91 s.
Prostat kanseri, Türkiye'de ve Dünya'da erkekler arasında en sık görülen kanser türlerinden biridir. US, prostat kanserinin tanı ve tedavisinde sıklıkla tercih edilen teknolojilerden biridir. Prostat görüntüleme için iki tip US yöntemi vardır. TRUS, prostat boyutu çıkarımı için daha iyi görüntüler sağlar, ancak uygulama prosedürü hastalar için çok rahatsız edicidir. İkinci tip, çok daha pratik olan AUS tekniğidir. AUS görüntülerinden prostat hacmi tahmini konusunda literatürde sadece bir görüntü analiz yöntemi vardır. AUS prostat segmentasyonu için bahsedilen çalışma, uzmanlar tarafından başlatılmasını gerektirir ve kapsamlı bir görüntü seti ile doğrulanmamıştır. Bu çalışmada, prostat bölgesini otomatik olarak konumlandırmak ve prostat hacmini tahmin etmek için AUS görüntülerini kullanan yeni yöntemler geliştirilmiştir. Kesin referans verilerini üretmek için AUS ve MR görüntüleri uzmanlar tarafından toplanmış ve manuel olarak işaretlenmiştir. Elde edilen ölçüm sonuçları, önerilen yöntemin pratik klinik çalışma için uygulanabilirliğini araştırmak için bilimsel teknikler kullanılarak analiz edilmiştir. AUS ile ilgili problemler nedeniyle, klasik nesne konum tespiti ve bölütleme yöntemleri, AUS görüntülerinde hacim tahmini problemi için kabul edilebilir çözümler üretmeyecektir. Bu nedenle özgün konum ve hacim tahmin yöntemlerinin geliştirilmesine ihtiyaç duyulmuştur. Bu çalışmada önerilen yöntemler üç başlık altında açıklanabilir. İlk yöntemin ana fikri, prostatın yerini belirlemeye yardımcı olmak için AUS görüntülerindeki ilgisiz yapıları kullanmaktır. Kontur çıkarımı ile prostat hacmini tahmin etmeyi amaçlayan ikinci yöntem için de benzer şekilde orijinal teknikler geliştirilmiştir. Üçüncü yöntemde, klinik uygulamada kullanılan prostat konturu üzerinde dört noktayı tespit eden yeni bir derin öğrenme mimarisi önerilmiştir. Veri seti herhangi bir derin öğrenme eğitimi adımı için çok küçük olduğundan, ikinci ve üçüncü yöntemlerimiz yama tabanlıdır. Ayrıca böyle bir yöntem kullanılarak yerel ve global bilginin kullanılması hedeflenmiştir. Bu yama tabanlı metodolojinin AUS görüntülerimizle çok iyi çalıştığı deneylerimizde gösterildi.
Prostate cancer (PCa) is one of the most frequently seen cancer types in Turkey and the World among males. Ultrasound (US) is a commonly preferred imaging technology in PCa diagnosis and treatment. There are two types of US methods for prostate imaging. Transrectal ultrasound (TRUS) provides better images for prostate size inference, but the procedure is very discomforting for the patients. The second type is the abdominal ultrasound (AUS) technique which is much more practical. There is only a limited image analysis method in the literature on prostate volume estimation from AUS images. Existing work for AUS prostate segmentation requires initialization by experts, and it was not verified with an extensive image set. In this study, novel methods were developed that use AUS images to automatically locate the prostate region and estimate the prostate volume. AUS and MR images were collected and manually marked by experts, to produce the ground truth data. The obtained measurement results were analyzed using scientific techniques to investigate the applicability of the proposed method for practical clinical work. Due to the AUS-related problems, classical object localization and segmentation methods would not produce acceptable solutions for the volume estimation problem on AUS images. Hence, original localization and volume estimation methods needed to be developed. The methods proposed in this study can be explained under three headings. The main idea of the first method is to use the unrelated structures in the AUS images to help locate the prostate. Original techniques were developed for the second method similarly, which aims to estimate the volume of the prostate by contour extraction. In the third method, a novel deep learning architecture was proposed which detects four points on prostate contour which are used in clinical practice. Since the data set is too small for any deep learning training step, our second and third methods were patch-based. Also, using the local and the global information by using such a method was aimed. It was shown in our experiments that this patch-based methodology worked very well with our AUS images.