Multiple Sclerosis (MS) causes the central nervous system to malfunction due to inflammation surrounding nerve cells. Detection of MS at an early stage is very important to prevent progressive MS attacks. Clinical findings, cerebrospinal fluid examinations, the evoked potentials, magnetic resonance imaging (MRI) findings have an important role in the diagnosis and follow-up of MS. However, many of the findings on MRI may indicate brain disorders other than MS. In addition, the clinical practices accepted by physicians for MS detection are very limited. In this study, a Mask R-CNN based method in two dataset is proposed for the automatic detection of MS lesions on magnetic resonance scans.We also improved the ROI detection stage with RPN in the Mask R-CNN to easily adapt for different lesion sizes. MS lesions in different sizes in the dataset are successfully detected with 84.90% Dice similarity rate and 87.03% precision rates using the proposed method. In addition, volumetric overlap error and lesion-wise true positive rate are obtained as 12.97% and 73.75%, respectively. Moreover, performance tests of the use of different numbers of GPU hardware structures are also performed and the evaluation of its effects on processing speed is performed on experimental studies..
Özet: Bu araştırma; 2014-2015 yetiştirme döneminde, 9 tritikale genotipi (41- , DZ9-01-01, DZ9-01-02 ve DZ9-06)'nin Diyarbakır ve Mardin lokasyonlarında verim ve kalite ile ilgili bazı özellikleri incelenerek, bölgeye adaptasyonlarının belirlenmesi amacıyla yürütülmüştür. Çalışmada ayrıca, 2 ekmeklik buğday çeşidi (Pehlivan ve Cemre) de standart olarak kullanılmıştır. Araştırma, tesadüf blokları deneme desenine göre 4 tekerrürlü olarak yürütülmüştür. Çalışmada tane verimi, bin tane ağırlığı, hektolitre ağırlığı, protein içeriği, nişasta içeriği, gluten (yaş öz) içeriği ve zeleny sedimantasyon özellikleri incelenmiştir. Araştırma bulgularına göre lokasyonlar arası farklılıklar protein içeriği hariç, diğer tüm özellikler için önemli bulunmuştur. Araştırmada ele alınan genotiplere ait tane verimi 537.
Bilgisayarlı Tomografi (BT) görüntülerinde her bir kesitte ortaya çıkan şekil, sınır ve yoğunluk gibi değişikliklerden dolayı karaciğerin bölütlenmesi zor bir süreç olarak durmaktadır. Diğer bölütleme yöntemleri ile karşılaştırıldığında, derin öğrenme modelleri ile daha başarılı bölütleme sonuçları genel fenomendir. Bu çalışmada, abdomen bölgesinden alınmış BT taramalarındaki kesitler üzerinde karaciğerin bilgisayar destekli otomatik bölütlenmesi için, Maskeli Bölgesel-Evrişimsel Sinir Ağları (Maskeli B-ESA) kullanılarak çoklu-GPU ile hızlandırılmış bir yöntem önerilmiştir. Bu çalışmaya özgü hazırlanan karaciğer BT görüntü veriseti üzerinde, hem tek hem de çift GPU donanımsal yapısı ile deneysel çalışmalar yürütülmüştür. Önerilen yöntem kullanılarak elde edilen sonuçlar ile uzman hekim tarafından bulunan bölütleme sonuçları Dice benzerlik katsayısı (DSC), Jaccard benzerlik katsayısı (JSC), volumetrik örtüşme hatası (VOE), ortalama simetrik yüzey mesafesi (ASD) ve oransal hacim farkı (RVD) ölçüm parametreleri ile karşılaştırılmıştır. Önerilen yaklaşım ile test görüntüleri üzerinde yürütülen deneysel çalışmalarda DSC, JSC, VOE, ASD ve RVD bölütleme başarım metrikleri, sırasıyla 97.32, 94.79, 5.21, 0.390, -1.008 olarak hesaplanmıştır. Bu sonuçlar ile bu çalışma kapsamında önerilen yöntemin, karaciğerin bölütlenmesi için hekimlerin karar verme süreçlerinde yardımcı bir araç olarak kullanılabileceği görülmüştür.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.