Kümeleme algoritmaları kullanılarak tıbbi imgelerin sınıflandırılması
The classification of medicine image by using clustering algorithm
- Tez No: 270018
- Danışmanlar: DOÇ. DR. ENGİN AVCI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: RNA Virüs Resimleri, Merkez - Kenar Değişimi Yöntemi, Entropi, YSA, UATBÇS, BCO, Sınıflandırma, Kümeleme, ANFIS, Kenar tanıma yöntemleri, RNA, RNA Virus Images, Center - Edge Exchange Method, Entropy, ANN, ANFIS, FCM, Classification, Clustering, Edge detection methods, RNA
- Yıl: 2010
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik-Bilgisayar Eğitimi Ana Bilim Dalı
- Bilim Dalı: Telekomünikasyon Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde tıp alanında gerçekleştirilen yenilikler ışığında tıbbi görüntüler ve tıbbi görüntülerin işlenmesi önem kazanmıştır. Şimdiye kadar RNA virüs tespiti, bu virüslerin hücre kültüründe üretilip, elektron mikroskobu kullanılarak, göz kararı ile yapılmaktadır. Bu canlıların belirlenmesi laboratuar ortamında sadece uzman kişi bilgi ve tecrübesine dayalı olarak yapıldığı için çok fazla zaman alır ve ayrıntılı bir bilgi gerektirir. Ayrıca bu şekilde yapılan bütün mikrobiyolojik canlı türlerini tanıma işlemlerinde uzman kişiden ya da laboratuar ortamından kaynaklanan bazı yanılmalar meydana gelmektedir. Bu yanılgı payını en aza indirmek amacıyla bu çalışmada, elde edilen RNA virüs resimlerinin Çoklu Entropi-Yapay Sinir Ağları, Çoklu Entropi-Uyarlamalı Ağ Tabanlı Bulanık Çıkarım Sistemleri ve Çoklu Entropi-Bulanık C-Ortalamalar temelli olarak ayrı ayrı otomatik tespiti gerçekleştirilmeye çalışılmıştır. Bu amaçla, her bir resim için döndürme ve ölçeklendirme yapılıp ön işlem aşamasında merkez - kenar değişimi yöntemi kullanılarak görüntülerin uzaklık vektörü elde edilmiştir. Özellik çıkarım ve sınıflandırma aşamalarında ise, ön işlem aşamasında elde edilen görüntülerin her biri için sırasıyla norm, logaritmik enerji ve eşik entropileri olmak üzere 3 adet entropi değeri hesaplanmıştır. Böylece özellik vektörü elde edilmiş olup bu özellik vektörü, sınıflandırma aşamasında YSA ve UATBÇS sınıflandırıcıları ile BCO kümeleyicisinin girişlerine ayrı ayrı verilmiştir. Son olarak test aşamasında ise YSA ve UATBÇS sınıflandırıcıları ile BCO kümeleyicisi algoritmaları kullanılarak gerçekleştirilen sınıflandırma ve kümeleme sonuçlarının doğruluğunu test edilmiştir.
Özet (Çeviri)
Today, in light of innovations carried out in the field of medicine and medical imaging and processing of medical images has become more important. RNA virus identified so far, these viruses produced in cell culture, using electron microscopy, the decision is made by eye. Identification of these creatures in a lab environment only on the basis of expert knowledge and experience takes time and done so much for the detailed information is required. Also recognized in this way the whole process of microbial species from experts or from the lab environment consists of some wrong. To minimize of this error magrin, the it is seperately used Multi-entropy-Artificial Neural Networks, Multi-entropy-Adaptive Network Based Fuzzy Inference System and Multi-entropy-Fuzzy C-Means for classification of obtained RNA virus pictures. Then, rotating and scaling for each image be made during pre-treatment centers - the edges using the method of variation of distance vector images were obtained. In feature extraction and classification phases, the norm, respectively, of the logarithmic energy and entropy threshold entropy value was calculated to be 3each of the images. Thus, feature vector is obtained and this feature vector are given to ANN, ANFIS classifiers and FCM clustering inputs in classification stage. Finally, in the testing phase, the ANN, ANFIS classifiers and FCM clustering of the correct classification performance and the success rate is calculated.
Benzer Tezler
- Kaba kümeleme teorisi kullanılarak diyabet veri setinin analiz edilmesi ve diyabet hastalığının teşhisi için gerçek zamanlı bir veri analitiği sistemi kurulması
Analyzing diabetes data set using rough clustering theory and establishing a real-time data analytics system for diagnosis of diabetes disease
MEHMET YÜKSEL
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜSEYİN DEMİRCİ
- Data mining and knowledge discovery in medical information systems
Tıbbi bilişim sistemlerinde veri madenciliği ve bilgi keşfi
YUNUS DOĞAN
Doktora
İngilizce
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. RECEP ALP KUT
- Tıbbi karar destek sisteminin veri madenciliği yöntemleriyle gerçekleştirilmesi
Verifying medical decision support system with the methods of data mining
TUBA PALA
Yüksek Lisans
Türkçe
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiElektronik-Bilgisayar Eğitimi Ana Bilim Dalı
PROF. DR. A. YILMAZ ÇAMURCU
- Kamu sağlık kurumlarında yapay zekâ destekli risk tabanlı denetim: Tıbbi işlem verileri üzerine bir model uygulaması
Artificial intelligence-supported risk-based auditing in public health institutions: A model application on medical procedure data
HARUN BULUT
Yüksek Lisans
Türkçe
2026
Yönetim Bilişim SistemleriAnkara Hacı Bayram Veli ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
PROF. DR. MUHAMMED HANEFİ CALP
- Detection cardiovascular diseases using machine learning algorithms
Makine öğrenmesi algoritmaları ile kardiyovasküler hastalıkların tahmin edilmesi
SIMA BEHBUDOVA
Yüksek Lisans
Türkçe
2023
Biyomühendislikİstanbul Üniversitesi-CerrahpaşaBiyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. DR. ABDURRAHİM AKGÜNDOĞDU