Clustering MRI images with principal component analysis methods
Temel bileşenler analizi metodları ile MRI görüntülerinin kümelenmesi
- Tez No: 178628
- Danışmanlar: Y.DOÇ.DR. TURGAY İBRİKÇİ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Temel Bileşenler Analizi, Kümeleme, MRI, Principal Component Analysis, Clustering, MRI
- Yıl: 2007
- Dil: İngilizce
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Görüntülerin sınıflandırılmasındaki en önemli problemlerden biri de görüntü boyutlarının çok fazla olmasıdır. Bu yüzden, görüntüleri sınıflandırmada iyi sonuç alabilmek için görüntü boyutlarının indirgenmesi gerekir. Bu çalışmada, Temel Bileşenler Analizi ile beynin MRI görüntülerinin boyutları indirgendikten sonra elde edilen görüntülere sınıflandırma metodları uygulanmıştır. General Hebbian Algorithm, Diamantras and Kung's APEX Rule, Expectation- Maximization Principle Component Analysis, Probabilistic Principal Components Analysis ve True-PCA olmak üzere 5 farklı Temel Bileşenler Analizi metodu kullanılmıştır. Elde edilen yeni görüntülere ise K-Means ve Fuzzy C-Means sınıflandırma metodları uygulanmıştır. Bu metodlar sonucunda elde edilen görüntüler karşılaştırılarak en iyi sonucu veren metodlar tespit edilmiştir
Özet (Çeviri)
It?s problem that the images have a complicated high dimensional structure in image clustering. Because of this, the dimensions of MRI images must be reduced. The aim in the thesis is to implement PCA and image clustering methods and compare the methods. Different PCA and image clustering methods were implemented in Matlab. MRI images were used in the thesis. In the beginning, PCA methods were implemented on MRI images. The dimensions of MRI images were reduced by using PCA methods without much loss of information. After PCA methods were implemented, image clustering methods were implemented on MRI images. In the thesis five PCA methods (General Hebbian Algorithm, Adaptive Principal Component Analysis, Expectation-Maximization Principle Component Analysis, Probabilistic Principal Components Analysis and True-PCA) and two image clustering methods (K-Means and Fuzzy C-Means) were implemented.
Benzer Tezler
- A medical decision making system for brain tumor identification from magnetic resonance images using machine learning techniques
Makine öğrenimi tekniklerini kullanarak manyetik rezonans görüntülerinden beyin tümörünün belirlenmesi için tıbbi karar verme sistemi
ZAHRAA ABD AL RAHMAN MOHAMMED AL SAFFAR
Doktora
İngilizce
2021
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TÜLAY YILDIRIM
- Beyin tümörlerinin sınıflandırılması için bilgisayar destekli tanı sisteminin tasarlanması ve uygulanması
Design and implementation of a computer-aided diagnosis system for brain tumor classification
BİLAL ARTUK
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiKütahya Dumlupınar Üniversitesiİleri Teknolojiler Ana Bilim Dalı
PROF. DR. RÜŞTÜ GÜNTÜRKÜN
- 3-D segmentation of medical images using region growing and fuzzy C means clustering
Tıbbi görüntülerin bölge büyütmesi ve bulanık öbekleme yöntemleri ile 3 boyutlu bölütlenmesi
SERDAR REBİŞ
Yüksek Lisans
İngilizce
2002
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. YORGO ISTEFANOPULOS
DOÇ. DR. AHMET ADEMOĞLU
- Beyin MR görüntülerinin akıllı yöntemler ile sınıflandırılması, kümelenmesi ve bölütlenmesi
Classification, clustering and segmentation of brain MR images by intelligent methods
FARUK ALTUNTAŞ
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. YAŞAR BECERİKLİ
- Bulanık kümeleme algoritmaları kullanılarak beyin MR görüntülerinden MS lezyonlarının ayrıştırılması
Segmentation of MS lesions in brain magnetic resonance images using fuzzy clustering algorithms
İPEK TOKER
Yüksek Lisans
Türkçe
2013
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. SEDEF KENT PINAR