Yapay sinir ağları kullanarak ultrasonik görüntülerde dokuların bölütlenmesi
Segmentation of ultrasound images by using artificial neural networks
- Tez No: 166743
- Danışmanlar: PROF. DR. TAMER ÖLMEZ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2005
- Dil: Türkçe
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 92
Özet
YAPAY SINIR AĞLARI KULLANARAK ULTRASONIK GÖRÜNTÜLERDE DOKULARIN BÖLÜTLENMESİ ÖZET Yapılan çalışmada, ilk olarak literatürde yer alan, konuya ilişkin makaleler incelenmiş, bölütleme için hangi tür ağların ve özniteliklerin kullanıldığı ve kullanılan yöntemlerin başarımı araştırılmıştır. Ayrıca, günümüz tıp dünyasında konuyla ilgili yeni ihtiyaçların var olup olmadığı, varsa bunların neler olduğunun belirlenmesi adına, radyoloji uzmanları üe görüşmeler yapılmıştır. Bütün bu ön hazırlık sürecinin ardından, algoritmalar arasında karşılaştırma yapılabilmesi için, ultrasonik görüntülerin bölütlenmesi 3 farklı Yapay Sinir Ağı (YSA) ile gerçekleştirilmiştir. Bu ağlar, GAL (Büyü ve Öğren), Kohonen ve DAYSA'dır (Denetimsiz Artımsal Yapay Sinir Ağı). Görüntüyü bölütlemek için kullanılan öznitelikler ise, görüntünün frekans özelliklerini kullanan AKD (Ayrık Kosinüs Dönüşümü) ve AFD (Ayrık Fourier Dönüşümü), zaman-frekans özelliklerini kullanan SDD (Sürekli Dalgacık Dönüşümü) ile, görüntünün gri seviyelerini referans alan Gri seviyeleri ve Üç-gri (3G) değeridir. Tez çalışması boyunca, bu 3 adet ağın algoritmaları yazılmıştır ve bulunan sonuçlar kullanılan parametreler cinsinden yorumlanmıştır. Sonuç olarak DAYSA'nın en önemli problemi olan eşik belirleme sorunu, yazılan bir eşik fonksiyonu ile ultrasonik görüntüler için giderilmiştir. Eşik fonksiyonu, kullanılan özniteliklere, öznitelik sayısına ve öznitelik uzayında vektörlerin dağılımına bağlı olarak, uygun bir eşik üretmede oldukça başarılıdır. Görüntü bölümlemesinde, dokular birbirlerine olan benzerliklerine göre interpolasyon kullanılarak renklendirilmiş ve böylelikle, yalnız farklı dokuların gösterilmesi değil, dokuların birbirlerine yakınlığının da görsel olarak ifade edilebilmesi mümkün olmuştur. Tez içerisindeki algoritmalar mümkün olduğunca esnek hazırlanmıştır. Kullanıcıya, algoritmanın türüne göre kullanılan farklı parametreleri değiştirme imkânı sunulmuştur. Böylelikle farklı parametrelerin sonuçta oluşan görüntüye yansımaları kolaylıkla değerlendirilebilmektedir. Ancak algoritmaların bu kadar esnek olması, bazı parametreler için algoritmaların sonuçlanma süresini de bir miktar uzatmaktadır. Dolayısıyla, bazı parametrelerin sabitlenmesi durumunda algoritma süreleri biraz daha kısalmaktadır. Bölütleme sonuçlan uzman bir radyoloji uzmanı tarafından değerlendirilmiş ve çalışmanın teşhise yardımcı olacak ipuçları verdiği görülmüştür. Kullanılan ağlar eğitilirken, algoritmalara farklı doku türleri ve ultrasonik ekipmanların özellikleri için bir ön parametre yüklemesi yapılırsa, doktorlara kesinlikle yardımcı olabilecek şekilde önemli bir gelişme sağlanacağı düşünülmektedir. xn
Özet (Çeviri)
SEGMENTATION OF ULTRASOUND IMAGES BY USING ARTIFICIAL NEURAL NETWORKS SUMMARY In this study, first of all, the articles in the literature related to subject have been examined and the neural networks and features which were used for segmenation and their performance have been analysed. Furthermore, in order to determine the latest needs of medicine in this field, interviews with radiologists have been done. At the end of this preparation, 3 Artificial Neural Networks have been used for comparison of segmentation results between the networks. These netwoks are called GAL (Grow and Learn), Kohonen and DAYSA (Incremental Self Organised Artificial Neural Network). The features which were used to segment the biomedical images are: DCT (Discrete Cosine Transform) and DFT (Discrete Fourier Transform) which are using frequency properties of the images, CWT (Continuous Wavelet Transform) which uses time- frequency properties and Gray Levels & Three-Gray values which take the gray value properties as reference. During thesis studies, algorithms of these 3 networks have been written and the obtained results have been interpretated according to the parameters used. In conclusion, the most important problem of DAYSA, decision of threshold value, was solved by writing a simple threshold function for ultrasound images. This function can produce a proper threshold value depending on features, feauture number and distribution of feature vectors in feature space. In image segmentation, tissues have been colored according to their similarities to eachother by using interpolation. In this way, not only the the different tissues have been showed but also the vicinity of the tissues. The algorithms in thesis have been prepared as flexible as possible. Depending on the type of the algorithm used, opportunity of modifying different parameters had been provided for the user. In this way, the effects of different parameters to the segmentation results can be possible. However, the flexibility of the algorithms extends the segmentation time. Therefore, if some parameters would be constant, the segmentation time becomes shorter. Segmentation results were examined by a radiologist and obtained results were seemed to have signs to help diagnosis. It is considered that, if pre-parameter loading to the algorithms for different tissue types and ultrasound equipments can be done during training step of networks, there could be a significant development in the obtained results which the operators can use for diagnosis absolutely. xm
Benzer Tezler
- Artımsal yapay sinir ağları kullanılarak ultrasonik görüntülerin bölütlenmesi
Segmentation of ultrasound images by using incremental artificial neural networks
MEHMET NADİR KURNAZ
Doktora
Türkçe
2006
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF.DR. TAMER ÖLMEZ
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Classification of knee osteoarthritis severity using deep learning with fully supervised and semi-supervised-based approaches
Derin öğrenme ile tamamen denetimli ve yarı-denetimli yaklaşım tabanlı diz osteoartrit şiddetinin sınıflandırılması
İLKNUR AKTEMUR
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. İLKAY ÖKSÜZ
- Mitral kapak Doppler sinyallerinin ileri işaret işleme metotları ile analizi ve sınıflandırılması
Analysis and classification of mitral valve Doppler signals with spectral signal processing method
TÜRKER KOZA
Yüksek Lisans
Türkçe
2010
Elektrik ve Elektronik MühendisliğiErciyes ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ESMA UZUNHİSARCIKLI
YRD. DOÇ. DR. FATMA LATİFOĞLU
- Yapay zekâ tabanlı görüntü işleme yöntemleri ile COVID-19 tahmini
COVID-19 prediction with artificial intelligence based image processing methods
BURAK YAĞIN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiBiyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
DOÇ. DR. EMEK GÜLDOĞAN