MRMSD

< Projeler Sayfası

Proje Adı
FPGA Tabanlı Beyin MR Analizi

Şirket Adı
Karel

Şirket Mentoru
Dr. Alper Sarıkan

Akademik Mentor
Prof. Volkan Kurşun

Asistan
Elif Ahsen Çakmakci

Takım Üyeleri
Melih Aktop, Semih Aktop, Zeynep Duru Avcı, Ege Berkay Karagenç, Mustafa Kütükcü, Gökay Özbay

Özet
Bilkent Üniversitesi Elektrik-Elektronik Mühendisliği Bölümü ile KAREL işbirliğiyle gerçekleştirilen bu proje, Multipl Skleroz (MS) lezyonlarının tespiti ve tanısına odaklanan, beyin MR görüntülerinin analizi için FPGA tabanlı bir sistem geliştirmeyi amaçlıyor. Bu çalışma, Hacettepe Üniversitesi Nöroloji Bölümü'nden alınan MR görüntülerinden oluşan bir veri kümesinden yararlanıyor ve verileri makine öğrenimi analizine hazırlamak için gelişmiş bir ön işleme hattından yararlanıyor. Metodolojimizin temelinde, hızlı ve doğru lezyon tespitini sağlamak için bir FPGA platformunda optimize edilmiş ve uygulanan U-Net derin öğrenme algoritması kullanılmaktadır. Bu sistem, tıp uzmanlarının MR görüntülerini hızlı bir şekilde yüklemesine ve teşhis bilgilerini almasına olanak tanıyan kullanıcı dostu bir web sunucusuyla tamamlanmaktadır. Projemiz, FPGA teknolojisinin yenilikçi kullanımı, mevcut standartları çok aşan gerçek zamanlı işleme yetenekleri sağlaması ve klinik uzmanlarının kolay erişimi ve etkileşimi için özel bir uygulama geliştirmesi ile öne çıkıyor. Nihai hedef, analiz başına maksimum 10 dakikalık bir zaman dilimi içerisinde MS lezyonu tespitinde 94 %’ün üzerinde doğruluk elde etmek ve bu karmaşık hastalığın zamanında ve doğru teşhisine önemli ölçüde yardımcı olmaktır. Ön sonuçlar, sistemimizin yüksek doğruluk ve verimlilik göstermesi ve nörolojik durumlar için tıbbi görüntü analizi alanında potansiyel olarak yeni bir standart belirlemesi ile umut verici bir yöne işaret ediyor.


Abstract
This project, a collaboration between Bilkent University's Department of Electrical and Electronics Engineering and KAREL, aims to develop an FPGA-based system for the analysis of brain MR images, focusing on the detection and diagnosis of Multiple Sclerosis (MS) lesions. The endeavor leverages a dataset comprising MR images from Hacettepe University Neurology Department and utilizes an advanced preprocessing pipeline to prepare data for machine learning analysis. The core of our methodology employs the U-Net deep learning algorithm, optimized and implemented on an FPGA platform to ensure rapid and accurate lesion detection. This system is complemented by a user-friendly web server, allowing medical professionals to upload MR images and receive diagnostic insights quickly. Our project stands out for its innovative use of FPGA technology, ensuring real-time processing capabilities far surpassing current standards, and its development of a dedicated application for easy access and interaction by clinicians. The ultimate goal is to achieve over 94 % accuracy in MS lesion detection within a maximum time frame of 10 minutes per analysis, significantly aiding in the timely and accurate diagnosis of this complex disease. Preliminary results indicate a promising direction, with our system demonstrating high accuracy and efficiency, potentially setting a new benchmark in the field of medical image analysis for neurological conditions.