Geri Dön

Nonlinear classification methods for MRI

MR görüntülerinin lineer olmayan sınıflandırma teknikleri

  1. Tez No: 266169
  2. Yazar: OKAN ŞEN
  3. Danışmanlar: YRD. DOÇ. DR. TURGAY İBRİKÇİ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilim ve Teknoloji, Elektrik ve Elektronik Mühendisliği, Science and Technology, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Yapay sinir ağları, Kümeleme, Beyin, Görüntü işleme, Tıp, Neural Networks, Clustering, Brain, Image Processing
  7. Yıl: 2010
  8. Dil: İngilizce
  9. Üniversite: Çukurova Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 65

Özet

MR görüntüleri gibi beyin araştırma teknikleri üzerinde bugünlerde yoğun araştırmalar yapılıyor. Fakat, bu görüntüler çok kompleks olmalarından dolayı işlenmesi önemli bir problemdir. Lineer olmayan sınıflama metotları ve özelde sinir ağları tarafından incelenen beyin MR ları tümör teşhisinde önemli bir materyal olarak gösterilmesine karşın zaman ve emek kaybına yol açabiliyor.Bu tez, MR görüntüleri sınıflandırmasında neural network teknolojisinin kullanımını analiz ediyor. Sınıflandırma tekniklerinden ?K-nearest neighbor?, ?Parzen?, ?Linear perceptron?, ?Support vector?, ?Construct binary decision tree? sınıflandırıcılar kullanılarak çeşitli deneyler yapıldı ve sonuçlar karşılaştırmalı olarak değerlendirildi. Değişen parametrelere karşı duyarlılıkları araştırıldı.

Özet (Çeviri)

Much attention is currently focused on newest brain examination techniques, brain MRI. However, segmentation of magnetic rezonance images is a challenging problem due to their complexity. Enhanced brain MRIs acquired by nonlinear classification methods, especially by neural networks have been shown to be very sensitive in the detection of brain tumors, but are also time-consuming and cause waste of medical resources.This thesis therefore, examines the usage of neural networks detection technology on MR image classification. A series of experiments was conducted on classification of images by K-nearest neighbor Classifier, Parzen Classifier, Linear perceptron Classifier, Support vector Classifier, Construct binary decision tree classifier and the results compared for performance evaluation. After comparison with the algorithms the experimental results showed success of each algorithms related to changing parameters.

Benzer Tezler

  1. MRS verileri kullanılarak makine öğrenmesi yöntemleri ile MS hastalığının teşhis ve sınıflandırılması

    Diagnosis and classification of MS disease with machine learning methods using MRS data

    ZİYA EKŞİ

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı

    PROF. DR. CEMİL ÖZ

  2. Realistic microwave breast models through T1-weighted 3-D MRI data

    T1-ağırlıklı 3-boyutlu MRI datası kullanılarak gerçekçi mikrodalga meme modelleri geliştirilmesi

    AHMET HAKAN TUNÇAY

    Yüksek Lisans

    İngilizce

    İngilizce

    2013

    Bilim ve Teknolojiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. İBRAHİM AKDUMAN

  3. Göğüs kanseri tespiti için yüzey empedansı tabanlı mikrodalga görüntüleme yöntemi

    Surface impedance based microwave imaging method for breast cancer screening

    ONAN GÜREN

    Doktora

    Türkçe

    Türkçe

    2014

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    Hesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı

    DOÇ. DR. LALE ERGENE

    PROF. DR. İBRAHİM AKDUMAN

  4. Improving classification accuracy of quickbird imagery

    Quıckbırd görüntülerin sınıflandırma doğruluğunun iyileştirilmesi

    AYŞE ÖZTÜRK

    Yüksek Lisans

    İngilizce

    İngilizce

    2011

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYalova Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. MÜFİT ÇETİN

  5. Comperative evaluation of combined artificial intelligence and mathematical methods for defect classification

    Hata sınıflandırmasında yapay zeka ve matematiksel yöntemlerin karşılaştırılmalı değerlendirilmesi

    RAHMİ FIÇICI

    Yüksek Lisans

    İngilizce

    İngilizce

    1995

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Y.DOÇ.DR. FİKRET GÜRGEN