Geri Dön

Kümeleme algoritmaları kullanılarak tıbbi imgelerin sınıflandırılması

The classification of medicine image by using clustering algorithm

PDF İndir

  1. Tez No: 270018
  2. Yazar: ÖZNUR ERKUŞ
  3. Danışmanlar: DOÇ. DR. ENGİN AVCI
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: RNA Virüs Resimleri, Merkez - Kenar Değişimi Yöntemi, Entropi, YSA, UATBÇS, BCO, Sınıflandırma, Kümeleme, RNA Virus Images, Center - Edge Exchange Method, Entropy, ANN, ANFIS, FCM, Classification, Clustering
  7. Yıl: 2010
  8. Dil: Türkçe
  9. Üniversite: Fırat Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektronik-Bilgisayar Eğitimi Ana Bilim Dalı
  12. Bilim Dalı: Telekomünikasyon Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 66

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

  1. Tez No

    801959

    Deep learning for pneumonia diagnosis: A comparative study and decision support interface implementation

    Zatürre tanısı için derin öğrenme: Karşılaştırmalı bir çalışma ve karar destek arayüzü uygulaması

    SENA GÖKSU AĞACA

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Radyoloji ve Nükleer TıpYeditepe Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ELİF ÇİĞDEM KELEŞ

  2. Tez No

    549184

    Breast cancer data classification using SVM, NB and KNN algorithms

    SVM, NB ve KNN kullanımı ile göğüs kanseri veri sınıflandırması

    BURCU MERAL

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilim ve Teknolojiİstanbul Teknik Üniversitesi

    Matematik Mühendisliği Ana Bilim Dalı

    PROF. DR. KAMİL ORUÇOĞLU

  3. Tez No

    494685

    Bulanık c-ortalamalar kümeleme analizi ve sağlık alanında uygulaması

    Fuzzy c-means clustering method and its application in medical field

    SURİYE ÖZGÜR

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    BiyoistatistikEge Üniversitesi

    Biyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı

    PROF. DR. MEHMET NURULLAH ORMAN

  4. Tez No

    493602

    Sezgisel algoritmalar ile biyomedikal görüntü analizi

    Biomedical image analysis by using heuristic algorithms

    HAKAN DURAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Mekatronik MühendisliğiErciyes Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. MEHMET BAHADIR ÇETİNKAYA

  5. Tez No

    410522

    Data mining and knowledge discovery in medical information systems

    Tıbbi bilişim sistemlerinde veri madenciliği ve bilgi keşfi

    YUNUS DOĞAN

    Doktora

    İngilizce

    İngilizce

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. RECEP ALP KUT

Geri Dön