3D kidney and tumor segmentation with Multi Depth V-Net model

Basit Öğe Kaydı
dc.contributor.authorTürk, Fuat
dc.contributor.authorLüy, Murat
dc.contributor.authorBarışçı, Necaattin
dc.date.accessioned2025-01-21T14:20:34Z
dc.date.available2025-01-21T14:20:34Z
dc.date.issued2020
dc.description.abstractKidney cancer is an important type of cancer that spreads rapidly today. Although many treatment methods for kidney cancer have been developed in recent years, current studies are still ongoing. These studies enable treatment information that offers new hope to the lives of kidney cancer patients. When the studies are examined, it seems to be an important alternative in medical segmentation. Although the disease can progress insidiously, sometimes patients may not even have a serious complaint until the last stage. Therefore, segmentation is important for early diagnosis and diagnosis. In this study, it has been prepared in mind in order to help physicians. Here, successful results were obtained by making improvements on the Multi Depth V-Net model. The membrane coefficient of 0.949 and 0.944 for Multi Depth V-Net model and V-Net model kidney segmentation, and 0.841 and 0.830 for tumor segmentation, respectively. In line with the data obtained, we can say that V-Net models for kidney and tumor segmentation can be applied and give accurate results.
dc.description.abstractBöbrek kanseri günümüzde hızla yayılan önemli bir kanser türüdür. Son yıllarda, böbrek kanseri için birçok tedavi yöntemi geliştirilmekle birlikte mevcut çalışmalar halen devam etmektedir. Bu çalışmalar, böbrek kanseri hastalarının hayatlarına yeni bir umut sunan tedavi bilgilerini mümkün kılmaktadır. Çalışmalar incelendiğinde tıbbi segmentasyonda önemli bir alternatif gibi gözükmektedir. Hastalık sinsi ilerleyebilmekle beraber bazen son evreye kadar hastalarda ciddi bir şikâyet bile olmayabilir. Bu yüzden segmentasyon erken tanı ve teşhis için önem arz etmektedir. Bu çalışmada da hekimlere yardımcı olabilmek amacıyla düşünülerek hazırlanmıştır. Burada Multi Depth V-Net modeli üzerinde iyileştirmeler yapılarak başarılı sonuçlar elde edilmiştir. Multi Depth V-Net model ve V-Net model böbrek segmentasyonu için sırasıyla 0,949 ve 0,944 zar katsayısı, tümör segmentasyonu için de 0,841 ve 0,830 zar katsayısına ulaşmıştır. Elde edilen veriler doğrultusunda böbrek ve tümör segmentasyonu için V-Net modellerin uygulanabilir ve doğru sonuçlar verebildiğini söyleyebiliriz.
dc.identifier.dergipark831506
dc.identifier.doi10.29137/umagd.831506
dc.identifier.issn1308-5514
dc.identifier.issue3-35
dc.identifier.startpage41
dc.identifier.urihttps://dergipark.org.tr/tr/download/article-file/1415805
dc.identifier.urihttps://dergipark.org.tr/tr/pub/umagd/issue/59485/831506
dc.identifier.urihttps://doi.org/10.29137/umagd.831506
dc.identifier.urihttps://hdl.handle.net/20.500.12587/19223
dc.identifier.volume1
dc.language.isotr
dc.publisherKırıkkale Üniversitesi
dc.relation.ispartofUluslararası Mühendislik Araştırma ve Geliştirme Dergisi
dc.relation.publicationcategoryMakale - Ulusal Hakemli Dergi
dc.rightsinfo:eu-repo/semantics/openAccess
dc.snmzKA_20241229
dc.subjectv-net model
dc.subjectkidney tumor
dc.subjectkidney cancer
dc.subjectdeep learning
dc.subjectderin öğrenme
dc.subjectböbrek kanseri
dc.subjectböbrek tümörü
dc.subjectv-net model
dc.subjectElectrical Engineering
dc.title3D kidney and tumor segmentation with Multi Depth V-Net model
dc.title.alternativeMulti Depth V-Net model ile 3 boyutlu böbrek ve tümör segmentasyonu
dc.typeArticle

Dosyalar

Koleksiyon

Uluslararası Mühendislik Araştırma ve Geliştirme Dergisi
TR-Dizin İndeksli Yayınlar Koleksiyonu