Artımsal yapay sinir ağları kullanılarak ultrasonik görüntülerin bölütlenmesi
Segmentation of ultrasound images by using incremental artificial neural networks
- Tez No: 223738
- Danışmanlar: PROF.DR. TAMER ÖLMEZ
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Bölütleme, ultrasonik görüntü, artımsal yapay sinir ağı, genetik algoritmalar, Segmentation, ultrasound image, incremental artificial neural network, genetic algorithms
- Yıl: 2006
- Dil: Türkçe
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Biyomedikal Mühendisliği Bilim Dalı
- Sayfa Sayısı: 128
Özet
Bu çalışmada, ultrasonik (US) görüntülerin bölütlenmesi için iki yeni artımsal yapay sinir ağı (ArÖz ve GArÖz) önerilmiştir. Fourier, kosinüs ve dalgacık dönüşümünü kullanan üç farklı öznitelik çıkartma yönteminin bölütleme başarımlarına etkisi karşılaştırmalı olarak incelenmiştir. Artımsal öz-düzenlemeli ağın (ArÖz) en iyi düğümlerini belirlemek için sıkıştırma temelli bir yöntem bu çalışmada ilk kez önerilmiştir. US görüntülerdeki karmaşık doku dağılımını en iyi temsil edecek düğümleri bulmak ve düğüm sayısını azaltmak amacıyla, genetik algoritmalar ile eğitilen artımsal öz-düzenlemeli ağ (GArÖz) çalışmada ilk kez geliştirilmiştir. Kohonen ağı ve yeni yapay sinir ağlarının bölütleme başarımları yapay kist, gerçek safrakesesi-taş ve gerçek prostat-kist görüntüleri için karşılaştırılmıştır. Dalgacık dönüşümünü kullanan ve genetik algoritmalar ile eğitilen ağın diğer ağlara kıyasla daha az düğüm kullanarak daha yüksek başarımlar verdiği gözlenmiştir.
Özet (Çeviri)
In this study, two novel incremental artificial neural networks (ISOM and GISOM) are proposed for the segmentation of ultrasound (US) images. Three different feature extraction methods using Fourier, cosine and wavelet transforms are analyzed, and their effects on the segmentation performance are comparatively examined. A compressionbased method for determining the optimum nodes of the incremental self-organizing network (ISOM) is firstly proposed in the study. In order to find the nodes that best represent complex tissue distribution in US images and to decrease the number of nodes, incremental self-organizing neural network trained by genetic algorithms (GISOM) is firstly developed in the study. The performances of the Kohonen network and two novel artificial neural networks are compared for the phantom cyst, original cholecyst-stone and prostate-cyst images. The neural network trained by the genetic algorithms using wavelet transform gave the best performances with less number of nodes compared to the other networks.
Benzer Tezler
- Yapay sinir ağları kullanarak ultrasonik görüntülerde dokuların bölütlenmesi
Segmentation of ultrasound images by using artificial neural networks
ZAFER İŞCAN
Yüksek Lisans
Türkçe
2005
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. TAMER ÖLMEZ
- Yapay sinir ağları ve genetik algoritmalar kullanılarak EKG vurularının sınıflandırılması
Classification of ECG beats by using artifical neural networks and genetic algorithms
ZÜMRAY DOKUR
- Prediction of response and damage of reinforced concrete joints through artificial intelligence techniques
Betonarme birleşim bölgelerinde tepki ve hasarın yapay zekâ teknikleri kullanılarak tahmini
MEHMET OZAN YILMAZ
Doktora
İngilizce
2023
İnşaat MühendisliğiYıldız Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. SERKAN BEKİROĞLU
- Mevcut betonarme binaların deprem güvenliğini etkileyen faktörlerin incelenmesi
An investigation of parameters effecting performance based seismic design of existing reinforced concrete structures
ÖMER AYCI
Yüksek Lisans
Türkçe
2008
İnşaat MühendisliğiSüleyman Demirel Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. FUAT DEMİR
YRD. DOÇ. DR. K.ARMAĞAN KORKMAZ
- Self-commissioning and position sensorless field oriented control of IPMSM
Gömülü mıknatıslı senkron motorun kendi kendine devreye alınması ve konum sensörsüz alan yönlendirmeli kontrolü
YASİN ÇETİN
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUFAN KUMBASAR