Fen Bilimleri Enstitüsü / Science Institute

Permanent URI for this collectionhttps://hdl.handle.net/11727/1392

Browse

Author: search.filters.author.Karayeğen, Gökaysearch.filters.applied.f.rights: search.filters.rights.info:eu-repo/semantics/openAccess

Search Results

Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    Segmentation on brain MR ımages by using deep learning network and 3d modelling
    (Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2021) Karayeğen, Gökay; Akşahin, Mehmet Feyzi
    In the last few years, utilizing deep learning techniques for predicting tumor presence on brain MR images became quite common.We offer a semantic segmentation method that uses a convolutional neural network to autonomously segment brain tumors on 3D Brain Tumor Segmentation (BraTS) image data sets using four different imaging modalities in this research (T1, T1C, T2, and Flair). In addition, our research incorporates whole-brain 3D imaging and a comparison of ground truth and anticipated labels in 3D. This method was effectively applied to acquire specific tumor regions and measurements such as height, width, and depth, and images were presented in various planes including sagittal, coronal, and axial. In terms of tumor prediction, the evaluation findings of semantic segmentation performed by a deep learning network are extremely promising. The average prediction ratio was found to be 91.718. The mean IoU (Intersection over Union) score was 86.946 and the mean BF score was 92.938. Finally, the test images' dice scores revealed a considerable resemblance between the ground truth and predicted labels. As a result, semantic segmentation metrics and 3D imaging can both be viewed as useful for effectively diagnosing brain tumors. Calculating the surface areas of the brain, real and predicted labels, and applying this process to all slices is very useful in terms of comparing tumor volume information. As a result, the predicted volume values are very close to the ground truth volume values, showing that this study can determine the presence of tumors by the deep learning method and tumor size by surface area algorithm. In addition, the calculation of the brain tumor volume and 3D modeling will facilitate clear visualization of the tumor site and understanding the size of the tumor. Son yıllarda beyin MR görüntülerinde, tümör varlığının tahmin edilebilmesi için derin öğrenme tekniklerinin kullanımı oldukça yaygınlaşmıştır.Dört farklı görüntüleme modalitesinden (T1, T1C, T2 ve Flair) oluşan 3D Beyin Tümörü Segmentasyonu (BraTS) görüntü veri setlerinde beyin tümörünü otomatik olarak bölümlere ayırmak için konvolüsyonlu sinir ağını kullanarak semantik segmentasyon yöntemi sunulmaktadır. Ek olarak, piksel sınıflandırılması için ‘arka plan’ ve ‘tümör’ olmak üzere iki sınıf belirlenmiştir. Semantik segmentasyon sonuçlarının değerlendirilmesi için de ortalama IoU ve ortalama BFscore gibi metriklerden faydalanılmıştır. Ayrıca, kullanılan veri setindeki gerçek (ground truth) etiketleri ile oluşturulan ağın son katmanında elde edilen tahmin etiketlerinin karşılaştırılması, dice katsayısı kullanılarak karşılaştırılmıştır. Her iki etiket grubu kullanılarak, içerisinde tümörün yer aldığı 3 boyutlu beyin MR görüntüleri oluşturulmuştur. Sonuç olarak, test görüntüsü üzerinde yüksek oranda tümör tahmini gerçekleştirilmiştir. Oluşturulan 3 boyutlu beyin görüntüleri, tümörün genişlik, yükseklik ve derinliği hakkında cerrahlara planlama açısından görsel bir katkı sağlayabilir. Beyin, gerçek ve tahmin edilen etiketlerin yüzey alanlarının hesaplanması ve bu işlemin bütün kesitlere uygulanması tümör hacim bilgilerinin karşılaştırılması anlamında oldukça faydalıdır. Sonuç olarak tahmin edilen hacim değerlerinin, gerçek hacim değerlerine oldukça yakın olması, bu çalışmanın tümör varlığını derin öğrenme metodu ile tümör hacmin ise yüzey alanı algoritması ile tespit edilebileceğini göstermiştir. Bu çalışma, beyin tümörlerinin otomatik olarak tespit edilmesini sağladığı için, beyin tümör teşhislerinde önemli bir avantaj sağlayabilir. Ek olarak, beyin tümörünün hacminin hesaplanması ve 3 boyutlu modelleme sayesinde, tümör bölgesinin net olarak görüntülenmesi ve tümörün boyutlarının anlaşılmasını kolaylaştıracaktır.
  • Thumbnail Image
    Item
    Elektrik eğirme yöntemini kullanarak nanofiberlerin elektrik alan ile yönlendirme olasılığının araştırılması
    (Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2016) Karayeğen, Gökay; Koçum, İ. Cengiz
    Elektrostatik eğirme ile nanofiber üretimi, polimer çözeltisine uygulanan yüksek voltajın etkisiyle gerçekleşmektedir. Bu işlem ile oluşturulan nanofiberler, genellikle polimer jetinin kaotik hareketinden dolayı rastgele bir dizilim sergilemektedir. Bu çalışmada, polimer jetinin kaotik uçuşunun bastırılması ve düzenli nanofiberlerin elde edilebilmesi için, boş silindirik iletken elektrotlar ve iletken paralel plakalar kullanılarak ikincil elektrik alanlar oluşturulmuştur. Çalışmanın ilk aşamasında herhangi bir elektrot ya da paralel plaka kullanılmadan klasik elektrostatik eğirme işlemi gerçekleştirilmiştir. Daha sonra, toplayıcı plakadaki fiber saçılım genişliğinin düşürülmesi için sisteme silindirik iletken elektrotlar eklenmiştir. Son aşamada ise, iletken paralel plakalar dâhil edilerek, toplayıcı plakadaki nanofiber diziliminin, örgü geometrisinde yönlendirilebilme olasılığı araştırılmıştır. Çalışma sonucunda, silindirik elektrotlar üzerindeki alanlar sayesinde, fiber saçılım genişliğinin azaltılması sağlanmıştır. Paralel plakalar aracılığıyla yaratılan elektrik alan sayesinde nanofiberlerin örgü geometrisinde düzenlenmesi için deneyler yapılmıştır. SEM (Taramalı Elektron Mikroskobu) fotoğraflarında fiber çaplarının 800 nm ile 3 μm arasında değiştiği görülmüştür. Son olarak görüntü üzerinden fiberler sayılıp, bulundukları doğrultudan sapma açıları hesaplanarak, herhangi bir açı yapmadan %37,5 oranında düzenlenme görülmüştür. In order to produce nano-scaled fibers with electrospinning technique, high voltage applied to a polymer solution. Because of the chaotic movement of the polymer jet, nanofibers occur randomly on the collector. In this study, a secondary electrostatic field is created by measurable length hollow cylinder electrodes to reduce the whipping instability of the polymer jet. In addition to this, conductive parallel plates are placed through the jet trajectory in order to investigate the possibility of redirecting nanofibers into the lattice structure. In the first stage of this study, a classic electrospinning approach without any electrodes is carried out. Secondly, in order to reduce the radius of fiber dispersion on the collector, conductive clylinder electrodes are added to the system. Finally, for investigating the possibility of redirecting nanofibers into a lattice formation, conductive parallel plates are incorporated into the system. As a result, due to the electrical field on cylinder electrodes, radius of the fiber dispersion on the collector was successfully reduced. Furthermore, with the electrical field created by paralle plates, aligned nanofibers were produced. Diameters of the fibers varied between 800 nm and 3 μm. Ratio of the aligned fibers is determined as %37.5.