Yapay sinir ağları ile kemik kırıklarının görüntü işleme tabanlı tespiti
Bone fracture detection based on image processing using artificial neural networks
- Tez No: 309909
- Danışmanlar: DOÇ. DR. MURAT ÇAKIROĞLU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Biyomühendislik, Computer Engineering and Computer Science and Control, Bioengineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2012
- Dil: Türkçe
- Üniversite: Sakarya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik-Bilgisayar Eğitimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 60
Özet
Tespit edilemeyen veya yanlış teşhis edilen kırık vakaları ortopedi alanında karşılaşılan önemli sorunların başında gelmektedir. Gerçekleştirilen yanlış teşhisler neticesinde hastalara yanlış tedavi yöntemleri uygulanabilmekte ve bundan dolayı tedavi süreleri uzayabilmektedir. Her yıl, yanlış teşhis ve tedavi uyguladığı gerekçesiyle bir çok hekim'e tazminat davası açılmaktadır.Bu tez çalışmasında, hekimlere katkı sağlamak ve kırık vakalarında tespit başarımını yükseltmek amacıyla ?Yapay Sinir Ağları (YSA) tabanlı kırık kemik tespit sistemi? tasarımı gerçekleştirilmiştir. Önerilen sistem, en çok karşılaşılan kırık vakaları olan uzun kemik kırıklarının tespitine yönelik olarak tasarlanmıştır. Gerçekleştirilen tespit sistemi, temel olarak görüntü işleme ve YSA basamaklarından oluşmaktadır. Görüntü işleme basamağında, x-ışını şekildeki resimler çeşitli görüntü işleme teknikleri yardımıyla iyileştirilmiştir. Buna ek olarak kas dokusu ile kemik kısımlarının birbirinden ayrıştırılabilmesi için bölütleme işleminden faydalanılmıştır. Uzun kemiklerin bölütlenmesinde başarımı en yüksek olan algoritmayı bulabilmek için çeşitli deneyler gerçekleştirilmiş ve elde edilen sonuçlara göre K-ortalama algoritması önerilen sistemde kullanılacak bölütleme algoritması olarak seçilmiştir. Tasarımı gerçekleştirilen tespit sisteminin bir sonraki işlem basamağında ise iyileştirilmiş ve bölütlenmiş resimler boyutlandırılıp sayısallaştırılarak YSA girişlerine göre uygunlaştırılmıştır. Bu aşamada, girişlerin YSA'ya göre uygunlaştırılması, YSA'nın eğitilmesi ve test edilmesi gibi işlem prosedürlerinin kolaylaştırılması için C# tabanlı bir YSA arayüzü kullanılmıştır. Önerilen YSA tabanlı kırık kemik tespit sisteminin başarımı detaylı deneyler yardımıyla ölçülmüş ve elde edilen sonuçlara göre her kırık vakasının %89'u başarı ile tespit edilebilmiştir.
Özet (Çeviri)
Undetectable fractures or misdiagnosis are the most important problems in orthopaedics field. As a result of misdiagnosis, wrong treatment is practiced to patients, and therefore duration of treatment may be extended. Every year, many doctors are lawsuited for misdiagnosing and wrong treatment.In this thesis, ?Artificial Neural Networks (ANNs) based bone fracture detection system? has been designed in order to contribute to doctors and improve the performance of fracture detection. The proposed system has been designed for the detection of long-bone fractures which are the most common cases of fractures. The detection system is mainly consists of image processing and ANNs sections. In image processing section, x-ray images are enhanced with the help of several image processing techniques. In addition, segmentation is utilized to differentiate bone and muscle tissue from each other. Various experiments are performed to learn the highest segmentation performance in long-bone segmentation. According to the experimental results, K-means algorithm has been selected as segmentation algorithm for the proposed system. In ANN section of the designed system, the enhanced and segmented images have been resized and digitized for the appropriate ANN inputs. Then, ANN has been trained and tested by the given inputs. In this thesis, we have used C# based ANN interface to facilitate the procedures of training and testing. Performance of the proposed ANNs based bone fracture detection system has been evaluated with the help of detailed experiments. According to the results the proposed system is able to detect bone fractures with 89% success rate.
Benzer Tezler
- Yazılımsal algoritma kullanarak skafoid kırıklarının otomatik tespiti
Automatic detection of scafoid fractures using software algorithm
EMRE ÖZKAYA
Tıpta Uzmanlık
Türkçe
2020
Ortopedi ve Travmatolojiİzmir Katip Çelebi ÜniversitesiAcil Tıp Ana Bilim Dalı
DOÇ. DR. FATİH ESAD TOPAL
DR. ÖĞR. ÜYESİ ZEYNEP KARAKAYA
- Kemiğin mekanik özelliklerini tahmin etmek için raman spektrum örneklem büyüklüğünün optimizasyonu
Optimization of raman spectrum sample size to predict mechanical properties of bone
SAFA ÜNAL
Yüksek Lisans
Türkçe
2022
BiyomühendislikKaramanoğlu Mehmetbey ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA ÜNAL
DOÇ. DR. MURAT MAYDA
- Kemik mineral yoğunluğunun yapay sinir ağlarıyla saptanması
Determining of bone mineral density with using neural networks
VEYSİ AKPOLAT
- Yapay sinir ağları ve destek vektör makineleri ile kemik erimesinin teşhisi
Diagnosis of osteoporosis using artificial neural networks and support vector machines
MUSTAFA İSTANBULLU
Yüksek Lisans
Türkçe
2013
Biyomühendislikİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. SEDEF KENT
- Yapay sinir ağları yöntemi ile postmortem kemik uzunluğundan boy uzunluğu tahmin edilmesi
Stature estimation from forearm postmortem bones by using artificial neural networks
NEZİR MAZİ
Yüksek Lisans
Türkçe
2004
BiyolojiMarmara ÜniversitesiBiyoloji Ana Bilim Dalı
PROF.DR. BELMA DERMAN SEMİZ