• Türkçe
    • English
  • English 
    • Türkçe
    • English
  • Login
View Item 
  •   DSpace Home
  • 1- Fakülteler | Faculties
  • Mühendislik Fakültesi / Faculty of Engineering
  • Bilgisayar Mühendisliği Bölümü / Department of Computer Engineering
  • MF - Bildiri Koleksiyonu | Bilgisayar Mühendisliği Bölümü / Department of Computer Engineering
  • View Item
  •   DSpace Home
  • 1- Fakülteler | Faculties
  • Mühendislik Fakültesi / Faculty of Engineering
  • Bilgisayar Mühendisliği Bölümü / Department of Computer Engineering
  • MF - Bildiri Koleksiyonu | Bilgisayar Mühendisliği Bölümü / Department of Computer Engineering
  • View Item
JavaScript is disabled for your browser. Some features of this site may not work without it.

Etkileşimli öğrenme ile akciğer tomografi hacim taramalarında nodül tespiti

Thumbnail

View/Open

Publisher's Version (1.140Mb)

Date

2016-06-20

Author

Çam, İlker
Tek, Faik Boray

Metadata

Show full item record

Citation

Çam, İ. & Tek, F. B. (2016). Interactive learning based nodule detection in ct lung volumes. Paper presented at the 2016 24th Signal Processing and Communication Application Conference, SIU 2016 - Proceedings, 2021-2024. doi:10.1109/SIU.2016.7496166

Abstract

Bu bildiride akciğer BT taramalarında otomatik nodül tespiti yapmak üzere geliştirdigimiz yeni ve özgün bir yöntem sunulmaktadır. Önerdiğimiz yöntem, akciğer organına ve belirli bir nodül tipine bağlı kalmaksızın genelleştirilmiş bir yaklaşım sunmaktadır. Böylelikle akciğer bölütlemesine ihtiyaç duymamaktadır. Düşük doz radyasyonlu ve çeşitli tipte (katı ve kırık cam görünümlü, yüzeye ve damara ilişik) 10 mm’den küçük nodüllerden oluşan zorlu bir tarama kümesinde (Anode09) sınamalar yapılmıştır. Tarama başına ortalama 8 yanlış tespit için nodül tespit duyarlılığı %52’dir. Yarışmada ilk altıya giren algoritmalarla karşılaştırılabilir düzeydedir.
 
We present a novel method to automatically detect lung nodules in CT lung scans. Our method is generalized in the sense that it does not assume/depend a particular organ or a particular nodule type. hence it does not require an organ segmentation. We test our method in a challenging set (Anode09) that is comprised of low dose CT scans which include all types of nodules (solid, ground glass opacity, juxta-fissural, juxta-vascular) of less than 10mm in size. Our method produces 8 false positives per scan for true positive rate of 52%, which is comparable to the first 6 results from the contest.
 

Source

2016 24th Signal Processing and Communication Application Conference, SIU 2016 - Proceedings

URI

https://hdl.handle.net/11729/1136
http://dx.doi.org/10.1109/SIU.2016.7496166

Collections

  • MF - Bildiri Koleksiyonu | Bilgisayar Mühendisliği Bölümü / Department of Computer Engineering [103]
  • Scopus İndeksli Bildiri Koleksiyonu [409]
  • WoS İndeksli Bildiri Koleksiyonu [332]



DSpace software copyright © 2002-2015  DuraSpace
Contact Us | Send Feedback
Theme by 
@mire NV
 

 




| Policy | Guide | Contact |

DSpace@Işık

by OpenAIRE
Advanced Search

sherpa/romeo

Browse

All of DSpaceCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsTypeLanguageDepartmentCategoryPublisherAccess TypeIşık AuthorCitationThis CollectionBy Issue DateAuthorsTitlesSubjectsTypeLanguageDepartmentCategoryPublisherAccess TypeIşık AuthorCitation

My Account

LoginRegister

Statistics

View Google Analytics Statistics

DSpace software copyright © 2002-2015  DuraSpace
Contact Us | Send Feedback
Theme by 
@mire NV
 

 


|| Policy || Guide || Library || Işık University || OAI-PMH ||

Işık University Library, Şile, İstanbul, Turkey
If you find any errors in content please report us

Creative Commons License
Işık University Institutional Repository is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 4.0 Unported License..

DSpace@Işık:


DSpace 6.2

tarafından İdeal DSpace hizmetleri çerçevesinde özelleştirilerek kurulmuştur.