Tıbbi görüntülerde çoklu eşikleme: Otsu, kapur ve hibrit entropy fonksiyonları temelli optimizasyon algoritmalarının karşılaştırmalı analizi
Multilevel thresholding in medical images: Comparative analysis of optimization algorithms based on otsu, kapur, and hybrid entropy functions
- Tez No: 1016869
- Danışmanlar: DR. ÖĞR. ÜYESİ SALİM CEYHAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Görüntü bölütleme, Görüntü kalitesi, Metasezgisel algoritmalar, Çoklu eşikleme, Image segmentation, Image quality, Metaheuristic algorithms, Multi-thresholding
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Bilecik Şeyh Edebali Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Çalışma, gri tonlamalı beyin MR görüntülerinde çok seviyeli eşikleme sorununa yönelik üç amaç fonksiyonunu karşılaştırır: Otsu, Kapur ve bunların entropi-varyans tabanlı hibriti. Çalışma kapsamında; Guguk Kuşu Araması (CS), Diferansiyel Evrim (DE), Ateş Böceği (FFA), Parçacık Sürüsü (PSO), Balina (WOA) ve Savaş Stratejisi (WSOA) algoritmaları, Lower-Grade Glioma veri tabanındaki 110 hastaya ait dilimlerde kapsamlı bir performans ön değerlendirmesine tabi tutulmuştur. Bu ön analizler sonucunda yakınsama kararlılığı ve segmentasyon başarısı düşük kalan algoritmalar elenmiş; detaylı optimizasyon süreçleri Parçacık Sürüsü (PSO) ve Guguk Kuşu (CS) algoritmaları üzerine yoğunlaştırılmıştır. Segmentasyon kalitesi Dice Benzerlik Katsayısı (DSC), Jaccard İndeksi (IoU), Hausdorff Mesafesi (HD95) ve Boundary-F1 skorları ile ölçülmüştür. Deneyler, önerilen hibrit entropi-varyans fonksiyonunun özellikle PSO algoritması (PSO-Hybrid) ile birlikte kullanıldığında, tekil yöntemlere (Otsu ve Kapur) ve standart CS tabanlı yaklaşımlara kıyasla hem sayısal hem de algısal ölçütlerde en yüksek doğruluğu sağladığını göstermektedir. Bulgular, meta-sezgisel optimizasyonun hibrit amaç fonksiyonlarıyla entegrasyonunun, beyin tümörü segmentasyonunda sınır hatalarını anlamlı biçimde azalttığını doğrular.
Özet (Çeviri)
The study compares three objective functions for the multi-level thresholding problem in grayscale brain MR images: Otsu's method, Kapur's entropy, and their entropy-variance-based hybrid. Within the scope of the study, Cuckoo Search (CS), Differential Evolution (DE), Firefly (FFA), Particle Swarm Optimization (PSO), Whale Optimization Algorithm (WOA), and War Strategy Optimization (WSOA) algorithms were subjected to a comprehensive preliminary performance evaluation on slices from 110 patients in the Lower-Grade Glioma database. As a result of these preliminary analyses, algorithms demonstrating low convergence stability and segmentation success were eliminated, and detailed optimization processes were focused on Particle Swarm Optimization (PSO) and Cuckoo Search (CS) algorithms. Segmentation quality was measured using the Dice Similarity Coefficient (DSC), Jaccard Index (IoU), Hausdorff Distance (HD95), and Boundary-F1 scores. Experiments demonstrate that the proposed hybrid entropy-variance function, especially when combined with the PSO algorithm (PSO-Hybrid), achieves the highest accuracy in both numerical and perceptual metrics compared to singular methods (Otsu and Kapur) and standard CS-based approaches. The findings confirm that the integration of meta-heuristic optimization with hybrid objective functions significantly reduces boundary errors in brain tumor segmentation.
Benzer Tezler
- Embedded vision system designed on a heterogeneous computing platform and applied to semen analysis
Heterojen hesaplama platformu üzerinde tasarlanan gömülü görüntü sistemi ve semen analizi uygulanması
OSMAN LEVENT ŞAVKAY
Doktora
İngilizce
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MÜŞTAK ERHAN YALÇIN
- Dental panoramik radyografilerde derin öğrenme tabanlı segmentasyon yaklaşımları
Deep learning based segmentation approaches on dental panoramic radiographies
NİDA KUMBASAR
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiAtatürk ÜniversitesiElektrik-Elektronik Ana Bilim Dalı
PROF. İBRAHİM YÜCEL ÖZBEK
- Parametrik model kullanarak tıbbi görüntülerde kenar belirleme
Edge detection using parametric model in medical images
HAYATİ TÜRE
Yüksek Lisans
Türkçe
2003
Elektrik ve Elektronik MühendisliğiKaradeniz Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. TEMEL KAYIKÇIOĞLU
- Yüksek boyutlu model gösterilimi kullanılarak histopatolojik görüntülerde leke ayırma işlemi
Stain separation process on histopathological images using high dimensional model representation
AYÇA CEYLAN
Yüksek Lisans
Türkçe
2021
Matematikİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
DOÇ. DR. BURCU TUNGA
- Multimodal medical visual question answering: Knowledge spaces and semantic segmentation for improved and explainable AI
Çok-kipli tıbbi görsel soru cevaplama: Bilgi uzayları ve anlamsal bölütleme ile gelişmiş ve açıklanabilir yapay zekâ
ZİYA ATA YAZICI
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAZIM KEMAL EKENEL