Medikal teşhiste GRNN kullanımı ve devre bloklarının tasarımı
GRNN usage for medical diagnosis and design circuit blocks
- Tez No: 154461
- Danışmanlar: DOÇ. DR. TÜLAY YILDIRIM
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Genelleştirilmiş regresyon ağı, Medikal teşhis, Çıkarma devresi, Kare alma/bölme devresi, Üstel fonksiyon devresi, Çarpma/bölme devresi. ıx, General regression neural network, Medical diagnosis, Subtracter circuit, Squarer/divider circuit, Exponential circuit, Multiplier/divider circuit. x
- Yıl: 2004
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 76
Özet
Genelleştirilmiş Regresyon Ağı (GRNN) sürekli değişkenlerin kestirimine olanak tanıyan ve temel regresyon yüzeyine yakınsayan hafıza tabanlı bir ağ yapısıdır. Tek adımda öğrenmeye dayalı bir algoritmaya sahip olmasından dolayı, iteratif yöntemle öğrenen ağ yapılarından çok daha hızlıdır. Ağda depolanan örnek sayısı arttıkça, optimum regresyon yüzeyine yakınsar ve kestirim hatası sıfıra yaklaşır. Bir yapay sinir ağının performansını belirleyen etkenler genelleştirme yeteneği, çok amaçlı kullanılıp kullanılamayacağı, ağ yapısının karmaşıklığı ve elektronik tasarıma uygun olup olmadığıdır. GRNN yapısı sistem modelleme ve sistem tanıma uygulamalarında sıklıkla kullanılmıştır. Yapının büyük boyutlu veri kümeleri ile yüksek doğruluklu sonuçlar verme yeteneği, bu ağ yapısının medikal teşhis alanında da kullanılabileceğini göstermektedir. GRNN' in katmanlı, yüksek derecede paralel yapısı ve tek adımda eğitme gerçekleştirmesi, ağın hızlı öğrenmesini ve donanımsal tasarımının basitleşmesini sağlar. Bu çalışmada GRNN yapısı çeşitli medikal problemlerin teşhisi üzerinde denenmiş ve yapının performansı incelenmiştir. Bu amaçla geliştirilebilecek GRNN tabanlı bir sınıflayıcı tasarımında kullanılacak akım modlu analog tümdevre alt blokları TÜBİTAK- YÎTAL 1.5u CMOS proses parametreleri kullanılarak tasarlanmıştır. Bu alt bloklar sırasıyla çıkarma devresi, kare alma/bölme devresi, üstel fonksiyon devresi ve çarpma/bölme devresidir.
Özet (Çeviri)
Generalized Regression Neural Network (GRNN) is a memory-based network that provides estimates of continuous variables and converges to the underlying regression surface. Owing to one pass learning algorithm, GRNN is faster than iterative methods. The estimate converges to the conditional mean regression surfaces as more and more examples are stored in the network structure. Important parameters, which determine the performance of an artificial neural network are the ability of generalization, whether or not it can be used for several purposes, the complexity of the network and the suitability for electronic implemantations. GRNN structure is widely used in system modelling and system identification applications. Obtaining successful results with data sets that has large number of samples, shows that this structure can effectively be used in medical diagnosis. Layered and highly parallel structure with one-pass learning leads to fast training and a simpler hardware design. In this work, GRNN structure is experimented on different medical problems and the performance is examined. For this purpose, using TÜBİTAK- YİTAL 1.5u. CMOS process parameters, current mode analogue integrated circuit sub blocks of a GRNN based classifier that can possibly be developed designed. These sub blocks are subtracter circuit, squarer/divider circuit, exponential circuit and multiplier/divider circuit respectively.
Benzer Tezler
- Biyomedikal sinyallerde veri ön-işleme tekniklerinin medikal teşhiste sınıflama doğruluğuna etkisinin incelenmesi
The investigation of effect of data pre-processing techniques to classification accuracy on medical diagnosis in biomedical signals
KEMAL POLAT
Doktora
Türkçe
2008
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SALİH GÜNEŞ
- In vitro hücre görüntülenmesine yönelik tasarlanan kuantum noktaların karakterizasyonu ve farklı türde kanser hücreleriyle etkileşimlerinin belirlenmesi
Design and characterization of quantum dots for in vitro cell imaging and investigation of their interactions with various cancer cells
DİDEM AĞ
- Medikal üç boyutlu görüntüleme ve bir uygulama
Medical three dimensional imaging and an application
DERYA AKAY
Yüksek Lisans
Türkçe
1991
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. ERTUĞRUL YAZGAN
- Models to assess the quality of stored erythrocyte suspensions by diffuse reflectance measurements
Saklanan eritrosit süspansiyonlarının kalitesini dağınık yansıma ölçümleri ile teşhis eden modeller
OSMAN MELİH CAN
Doktora
İngilizce
2020
Bilim ve TeknolojiBoğaziçi ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. DR. BORA GARİPCAN
PROF. DR. ALİ YEKTA ÜLGEN
- Diz MRI görüntüleri üzerinde veri artırım teknikleri kullanılarak derin öğrenme tabanlı yaralanma tespiti
Deep learning-based injury detection using data augmentation techniques on knee MRI images
ELİF NUR KÜÇÜK
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AYBARS UĞUR