Online Makale
Online Hizmetlere Toplu Bakış
Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi
| Pamukkale Univ Muh Bilim Derg. Baskıdaki Makaleler: PAJES-99098 | DOI: 10.65206/pajes.99098 | |||
Derin Öğrenme ile Medikal Video Analizi: Segmentasyon, Sınıflandırma ve Nesne Algılama Görevleri Üzerine Sistematik Bir İncelemeEmre Doruk, Oktay YILDIZGazi Üniversitesi Mühendislik Fakültesi, Bilgisayar Mühendisliği Ana Bilim Dalı, AnkaraMedikal görüntü analizi, özellikle ultrason ve endoskopi gibi modalitelerde, derin öğrenme tekniklerinin gelişimiyle güncellenen sürekli bir araştırma konusudur. Bununla birlikte, bu alandaki mevcut çalışmaların çoğu, klinik muayene sürecini takip eden uzamsal ve zamansal bilgilerin barınmadığı statik görüntülere odaklanmaktadır. Medikal görüntülerde, ultrason ve endoskopi gibi video temelli verilerde, zaman içindeki değişim önemli belirteçlerden biri olabilir. Zamansal boyutun ele alındığı derin öğrenme modellemeleri, her ardışık videonun öncekilerle göre ilişkisini dikkate alarak, yapısal değişiklikleri ve anormallikleri daha iyi yakalayabilir. Ayrıca, hastalık ilerlemesini veya organ hareketlerini takip etmek gibi süreçlerde, ultrason videolarında, kalp hareketlerinin zamana dayalı izlenmesi gibi görevlerde uygulama alanına sahiptir. Bu makale, medikal video analizinde derin öğrenme uygulamalarına yönelik kapsamlı bir literatür taraması sunarak, mevcut yöntemleri amaçları ve performanslarına göre kategorize etmektedir. Çalışmada, yöntemler doğruluk, zamansal yaklaşım ve hesaplama maliyeti açısından karşılaştırılarak, mevcut yaklaşımların güçlü ve zayıf yönleri belirlenmektedir. Ayrıca, bu alandaki derin öğrenme araştırmalarını ilerletmede önemli rol oynayan kamuya açık medikal video veri setleri ve yazılım çerçeveleri incelenmekte ve gelecekteki araştırma yönleri tartışılmaktadır. Anahtar Kelimeler: Medikal Video, Ultrason, Endoskopi, Ekokardiyografi, Derin Öğrenme, Segmentasyon, Sınıflandırma, Tespit, Medikal Veri SetleriMedical Video Analysis with Deep Learning: A Systematic Review on Segmentation, Classification and Object Detection TasksEmre Doruk, Oktay YILDIZDepartment of Computer Engineering, Faculty of Engineering, Gazi University, Ankara, Turkey.Medical image analysis, particularly in modalities such as ultrasound and endoscopy, is a subject of ongoing research, constantly updated by the development of deep learning techniques. However, much of the current research in this field focuses on static images that lack spatial and temporal information following the clinical examination process. In medical images, video-based data such as ultrasound and endoscopy, change over time can be a significant indicator. Deep learning models that address the temporal dimension can better capture structural changes and abnormalities by considering the relationship of each successive video to its predecessors. Furthermore, it has applications in processes such as tracking disease progression or organ movements, and in tasks like time-based monitoring of heart movements in ultrasound videos. This article presents a comprehensive literature review of deep learning applications in medical video analysis, categorizing existing methods according to their aims and performance. The study compares methods in terms of accuracy, temporal approximation, and computational cost, identifying the strengths and weaknesses of current approaches. In addition, publicly available medical video datasets and software frameworks that play a significant role in advancing deep learning research in this field are examined, and future research directions are discussed. Keywords: Medical Video, Ultrasound, Endoscopy, Echocardiography, Deep Learning, Segmentation, Classification, Detection, Medical DatasetsSorumlu Yazar: Emre Doruk, Türkiye |
| ||
Tam Metin PDF
Yazdır
Alıntıyı İndir
RIS
E-Postala
Paylaş
Yazara e-posta gönder
Google Scholar