Biyomedikal işaretlerin Markov rastgele alanları kullanılarak işlenmesi
Biomedical signal processing using Markov random fields
- Tez No: 130799
- Danışmanlar: DOÇ. DR. OSMAN NURİ UÇAN
- Tez Türü: Yüksek Lisans
- Konular: Tıbbi Biyoloji, Medical Biology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2003
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 79
Özet
ÖZET BİYOMEDİKAL İŞARETLERİN MARKOV RASTGELE ALANLARI KULLANILARAK İŞLENMESİ Bu çalışmada Markov rastgele alanları ve Hücresel yapay sinir ağlan kullanılarak oluşturulan görüntü işleme algoritmaları ele alınmıştır. Markov rastgele alanları ile modellenen biyomedikal görüntülerin işlenmesi konusunda çalışmalar yapılmış ve sonuçlar değerlendirilmiştir. Bu uygulamaların yapılabilmesi için teorik incelemeler yapılmıştır. İkinci bölümde rastgele alan modellerinin görüntü analizindeki günümüz problemleri açısından nasıl bir uygulamaya sahip olduğu açıklanmaktadır. Rastgele alan modelleri, bölütleme ve yeniden oluşturma gibi piksel etkiletme problemlerine uzamsal içerikte bir girişe olanak tanımaktadır. Rastgele alan modelleri ayrıca görüntü tanıma ve görüntü üretme, tanımlama ve görüntüleri kesitlemek için gerekli algoritmaların oluşmasına olanak sağlar. Literatürde kaydedilmiş bazı etkileyici modeller baz alınmış görüntü restorasyon ve dokuma kesitleme sonuçlarına rağmen MRA modellerinin tariflenmesi, gürültü işlemlerinin tasarlanması, performans değerlendirilmesi, parametrelerin karşılaştırılması, faz geçiş fenomenleri ve alternatif prosedürlerin karşılaştırılmalı analizleri gibi bir çok temel konu keşfedilmemiş olarak günümüze kadar süregelmiştir. Rastge alan modellerinin literatürü ileriye yönelik umut verici sinyaller vermektedir. Fakat uygulamalar için gerekli olan verimli algoritmalarla beraber bu konular için daha iyi bir matematiksel anlayış ve felsefe gerekmektedir. Üçüncü bölümde Hücresel yapay sinir ağlan ele alınmıştır. Hücresel yapay sinir ağlarının temel yapısı irdelenmiş ve karakteri incelenmiştir. Hücresel yapay sinir ağlarının görüntü işleme uygulamaları üzerinde durulmuştur. Aynca Markov rastgele alanları ile Hücresel yapay sinir ağlan beraber ele alınmış ve birleşik bir algoritma ortaya konulmuştur. Bu algortmalar ile ilgili bazı uygulamalar yapılmış ve sonuçlar üzerine değerlendirmeler sunulmuştur. Son bölümde ise sonuçlar değerlendirilmiş hangi koşullar altında hangi çözümlerin uygun olacağı tartışılmıştır.
Özet (Çeviri)
SUMMARY BIOMEDICAL SIGNAL PROCESSING USING MARKOV RANDOM FIELDS In this thesis we deal with two-dimensional digital image that can be represented by N) XN2 matrix or lattice, whose elements (called pixel) can have values from 0 up to G- 1 corresponding to the brightness levels (gray levels). The gray level of a pixel is highly dependent on its geometric neighboring pixels, but nearly independent of remote pixels. Markov Random Fields (MRF) and Cellular Neural Networks (CNN) have been found to rich models for various areas in image analysis according to the dependency among pixels in spatial neighborhoods. Thus, the classical problem of texture synthesis, texture classification, image segmentation, image restoration and image compression have been studying using with MRF and CNN. The second chapter describes MRF. MRF models assume that the intensity at each pixel in an image depends on its“neighboring pixels”but is independent of other pixels. An image is viewed as a colored lattice, because of the natural coicidence between the local dependency of a model and the local dependency of neighbouring pixels. MRF is a probability space with measure, defined on the sample space consisting of all possible colored lattice. Markov random fields have been extensively used for modeling images. In third chapter, a unified review of the CNN paradigm is attempted. First of all, general theoretical framework is stated, followed by the description of particular models proposed in literature and comparison with other neural networks and parellel computing paradigms. Theory of such systems, especially the isue of stability, is then studied by listing main results available. Applications, design and learning flow are explained. And also, we propose a new scheme and combined algorithm MRF and CNN together. Some applications with this algorithm are done for various areas. VI
Benzer Tezler
- Dilsizler için konuşmaya yardımcı sistemler
Support systems for speaking of verbally impaired persons
EBRU AKALP KUZU
Yüksek Lisans
Türkçe
2006
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ.DR. MEHMET KORÜREK
- Biyomedikal işaretlerin yeni bir adaptif aktivasyon fonksiyonlu yapay sinir ağı ile sınıflandırılması
Classification of biomedical signals via a new artifical neural network with adaptive activation function
GÜLAY TEZEL
Doktora
Türkçe
2007
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. YÜKSEL ÖZBAY
- Biyomedikal işaretlerin sınıflandırılması için akıllı tekniklerin Labview ortamında gerçeklenmesi
Realization of intelligent techniques for classification of biomedical signals in the Labview
DUYGU KAYA
Doktora
Türkçe
2018
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA TÜRK
- Biyomedikal işaretlerin sınıflandırılması
Classification of biomedical signals
İ. SELÇUK BÜYÜKYILMAZ
Yüksek Lisans
Türkçe
2012
Elektrik ve Elektronik MühendisliğiNamık Kemal ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. HASAN DEMİR
- Biyomedikal işaretlerin ayrıştırılması
Separation of biomedical signals
ÇİĞDEM SERDENGEÇTİ
Yüksek Lisans
Türkçe
2008
Mühendislik BilimleriEge ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. MEHMET ENGİN