AI Summary & Key Takeaways
AI InsightIn conclusion, with this article, it is aimed to present a useful Turkish resource to researchers who want to do deep learning studies on Tomosynthesis images.
📌 3 Key Takeaways
Abstract
This article presents a literature review on image preprocessing methods, focusing on the use of tomosynthesis images in deep learning studies. Tomosynthesis is an advanced medical imaging technique that provides 3-dimensional, cross-sectional scanning of breast tissue. The images obtained with this technique can be higher dimensional and noisier than 2D mammograms. Therefore, preprocessing is required to make these images suitable for deep learning models. This literature review addresses the different preprocessing methods used in tomosynthesis images. First of all, an introduction will be made about the properties of Tomosynthesis images and deep learning methods. Then, information about the techniques such as filtering, normalization, segmentation and augmentation, which are among the preprocessing methods used, will be given from the literature search. In addition, examples where these methods are used together will also be examined. In conclusion, with this article, it is aimed to present a useful Turkish resource to researchers who want to do deep learning studies on Tomosynthesis images. The research shows that the right choice of image preprocessing methods can significantly improve the performance of deep learning models.
Özet
Bu makale, tomosentez görüntülerinin derin öğrenme çalışmalarında kullanılmasına odaklanarak, görüntü ön işleme yöntemleri üzerine bir literatür araştırması sunmaktadır. Tomosentez, meme dokusunun 3 boyutlu, kesitsel olarak taranmasını sağlayan gelişmiş bir tıbbi görüntüleme tekniğidir. Bu teknikle elde edilen görüntüler 2 boyutlu mamografilere oranla daha yüksek boyutlu olduğu gibi daha gürültülü de olabilirler. Bu nedenle bu görüntülerin derin öğrenme modellerine uygun hale getirilmesi için ön işleme yapılması gerekmektedir. Bu literatür araştırması, tomosentez görüntülerinde kullanılan farklı ön işleme yöntemlerini ele almaktadır. Öncelikle Tomosentez görüntülerinin özellikleri ve derin öğrenme yöntemleri hakkında bir giriş yapılacaktır. Daha sonra, kullanılan ön işleme yöntemleri arasında yer alan filtreleme, normalizasyon, segmentasyon ve artırma gibi teknikler hakkında yapılan literatür araştırmasına ait bilgi verilecektir. Ayrıca, bu yöntemlerin bir arada kullanıldığı örnekler de incelenecektir. Sonuç olarak, bu makale ile Tomosentez görüntüleri üzerinde derin öğrenme çalışmaları yapmak isteyen araştırmacılara faydalı bir Türkçe kaynak sunmak hedeflenmektedir. Yapılan araştırma, görüntü ön işleme yöntemlerinin doğru seçiminin, derin öğrenme modellerinin performansını önemli ölçüde artırabileceğini göstermektedir.