Matlab gereçleri ile kan hücrelerinin tanılanması
Identification of blood cell using Matlab tools
- Tez No: 233556
- Danışmanlar: YRD. DOÇ. DR. AHMET EMİN KUZUCUOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Hematoloji, Computer Engineering and Computer Science and Control, Hematology
- Anahtar Kelimeler: Görüntü İşleme, Özellik Çıkarma, Sınıflandırma, İmage Proccesing, Feature Extraction, Classification
- Yıl: 2008
- Dil: Türkçe
- Üniversite: Marmara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik-Bilgisayar Eğitimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 99
Özet
Günümüzde, hematoloji uzmanları kan hücrelerini inceleyerek çeşitli teşhisleri koymaya çalışmaktadırlar. Bu işlem, hem zaman açısından verimli olmamakta hem de bazı görülmesi gereken hücreler gözden kaçırılmaktadır. Bu çalışmada mikroskop altında incelenen preparatlar, mikroskoba bağlı bir kamera ile bilgisayar ortamına aktarılmaktadır. Bu görüntüler üç önemli aşamadan geçirilerek uzmanın gerçekleştirdiği teşhis işlemi gerçekleştirilmektedir. Bu aşamalar giriş filtreleme, özellik tanılama ve sınıflandırmadır.Giriş filtreleme aşamasında preparat görüntüsü içerisinde yer alan istenmeyen görüntüler filtrelenir. Bu istenmeyen görüntüler, üst üste binmiş birbirine değen hücreler, periferik yayma aşamasında parçalanmış hücreler ve gürültü ya da titreşimden kaynaklanan problemler şeklinde sıralanabilir.Özellik tanılama aşamasında filtrelenen hücreler bölütlenir. Bölütlenen her bir hücre tek tek ele alınır. Ele alınan her bir hücre için 8 ayrı özellik tanımlanır. Bu özellikler alan, yuvarlaklık, katılık, renk, euler, eksantriklik parametreleri ile bu çalışmada geliştirilen S ve D parametreleridir. Bu özellikler matlab görüntü işleme fonksiyonları ile hesaplanmaktadır.Sınıflandırma aşamasında ise özellikleri belirlenen hücreler, eğitilen olasılıksal yapay sinir ağına giriş olarak verilmektedir. Olasılıksal yapay sinir ağı, giriş olarak verilen 8 adet hücre özellik parametresine karşın bu verileri 15 ayrı sınıfa yerleştirmektedir. Bu sınıflar trombosit, eritrosit, mikrosit, yüzük şekilli hücre, makrosit, elips, stomotosit, dakrosit, megalosit, sferosit, ekinosit, sistosit, t hücre, orak hücre ve lökosittir. Sınıflandırılan hücre bilgileri bir veritabanında tutulmaktadır. Analiz sonucunda var olan hücre bilgileri yüzdesel olarak ifade edilmektedir. Bir başka eğitilmiş olasılıksal yapay sinir ağı bu bilgileri sınıflandırarak 7 farklı hastalığın teşhisini koymaktadır. Konulan bu teşhisler uzmanların verdiği teşhisler ile paralellik göstermektedir.
Özet (Çeviri)
Nowadays, hematology experts investigate blood cells to diagnose diseases. This process not only isn?t an efficient way because of the time consumption but also doing wrong identification of some blood cells. In this study, analysis of platelet image which is on the microscope plate transfer to the computer via a camera which is connected to the microscope. These images are passed through three stages to identify blood cell images in our program. These stages are input filtering, feature extraction and classification.At input filtering stage, unwanted image errors are filtered from input image of blood smear. This unwanted image problems are connected blood cells, mistaken stained peripheral blood smear and noise.At feature extraction stage, filtered blood cell images are segmented. At segmentation stage, all blood cells cropped one by one. Cropped blood cell image is recognized by eight features. These are area, eccentricity, solidity, color,euler, roundness and, S and D parameters which are improved in this study.At classification stage, blood cell images are distinguished in 15 classes by appointed 8 blood cell features. This purpose is done by probabilistic neural networks which is designed for classification problem. This network classifies 15 different types of blood cells. These classes are platelet, erythrocyte, microcyte, ring shaped cell, macrocyte, ellipse shaped cell, tear drop shaped cell, stomatocyte, megalocyte, spherocyte, acanthocyte, schizocyte, t cell, drepanoscyte and leukocyte. This classified cells numbers are held in a database to diagnose diseases. For this purpose second probabilistic neural network was designed. This network classifies 9 red blood cell percentage data into the 7 disease class. Our program results are the same as expert idea.
Benzer Tezler
- Matlab gereçleri ile görüntü işleme uygulamaları
Image processing applications with matlab tools
ÖNDER DEMİR
Yüksek Lisans
Türkçe
2006
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiElektronik ve Bilgisayar Eğitimi Ana Bilim Dalı
YRD. DOÇ. DR. HASAN HÜSEYİN ÇELİK
- Numerical analysis, design and two port equivalent circuit models for split ring resonator arrays
Yarıklı halka rezonatör dizilerinin sayısal analizi, tasarımı ve iki kapılı eşdeğer devre modellemesi
PINAR YAŞAR ÖRTEN
Yüksek Lisans
İngilizce
2010
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. GÖNÜL TURHAN SAYAN
- Pico satellite attitude and attitude rate estimation using kalman filtering
Kalman filtresi kullanılarak pıco uydu yönelim ve yönelim oranı belirleme
YELİZ SAKA YILDIZ
Yüksek Lisans
İngilizce
2020
Havacılık Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. CENGİZ HACIZADE
- Doğru akım makinelerinin paket program ile simülasyonu ve eğitim amaçlı kullanımı
By the usage of package program for direct current machinery's simulation and for the purpose of the education
ERSUN KARACA
Yüksek Lisans
Türkçe
2004
Elektrik ve Elektronik MühendisliğiMarmara ÜniversitesiElektrik Eğitimi Ana Bilim Dalı
Y.DOÇ.DR. BAHATTİN RÜZGAR
Y.DOÇ.DR. CANER AKÜNER
- Hassas tartım mekanizmaları ve Termogravimetrik analiz
Precision Balance Mechanism and Thermogravimetric Analysis
RAHMAN KURT
Yüksek Lisans
Türkçe
2020
Mekatronik MühendisliğiYıldız Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET KOYUN