Mr görüntülerinin bölütlenmesinde çok kriterli yaklaşımlar üzerine bir çalışma
A study on multiobjective approaches to mr image segmentation
- Tez No: 342707
- Danışmanlar: PROF. DR. MUSTAFA SERDAR KORUKOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Çok kriterli eniyileme, Kümeleme analizi, Genetik algoritma, Histogram, Küme sayısı tahminleme, Multi objective optimization, Clustering analysis, Genetic algorithm, Histogram, Estimating the number of clusters
- Yıl: 2013
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 89
Özet
Kümeleme analizine birçok bağlamda farklı disiplinlerdeki araştırmacılar tarafından değinilmiştir. Bu durum kümeleme probleminin, keşfedici veri çözümlemesinin basamaklarından biri olarak kullanışlılık ve geniş bir alanda ihtiyaç duyulması özelliklerini yansıtır. Bu tezde görüntü bölütlenmesinde sıklıkla kullanılan çok kriterli bir yaklaşım olan Baskınlanmayan Sıralamalı Genetik Algoritma (Nondominated Sorting Genetic Algorithm ? NSGA) II 'ye dayanan Çok Kriterli Değişken Uzunluklu Genetik Algoritma (Multiobjective Variable Length Genetic Algorithm - MOVGA) yönteminin gerçekleştirimi yapılmıştır. Bu gerçekleştirimde farklı amaç fonksiyonları sınanmıştır. Ayrıca, kümeleme analizinde kullanılacak küme sayısının belirlenmesi problemi için yeni bir yaklaşım önerilmiştir. Bu yaklaşım görüntünün histogramı kullanılarak küme sayısının aralığının tahminlenmesidir. Tahminlenen bu aralık MOVGA yönteminde küme sayısını belirten kromozom uzunluğu için girdi olarak kullanılmaktadır. Geliştirilen bu yeni yaklaşım ve klasik MOVGA yöntemi, kümeleme analizinde kullanılan Brainweb veri setleri ile sınıflandırma doğruluk yüzdesi ve ayarlanmış Rand indeksi başarım ölçütlerine göre karşılaştırılmıştır. Önerilen yaklaşımla elde edilen sonuçlar, literatürdeki diğer çalışmaların sonuçlarıyla karşılaştırıldığında, önerilen yöntemin başarılı olduğu gözlenmiştir.
Özet (Çeviri)
Clustering analysis has been mentioned by researchers in many disciplines in many contexts. This reflects its common usage and usefulness as one of the steps in exploratory data analysis. In this study, we have implemented a multiobjective approach Nondominated Sorting Genetic Algorithm (NSGA) II based Multiobjective Variable Length Genetic Algorithm (MOVGA) technique, which is frequently applied in image segmentation. We have examined different objective functions in this implementation. Also, a new approach has been proposed to the problem of identifying the number of clusters to be used in the cluster analysis. This approach is the estimating the range of the clusters number by the image histogram. The estimated range has been used as input for the chromosome length which denotes the number of clusters in MOVGA technique. The proposed approach are compared to MOVGA technique with Brainweb database, frequently used in clustering analysis, based on percentage classification accuracy and adjusted Rand index evaluation metrics. Comparison of the results obtained from the proposed approach by the results of other studies in the literature shows that proposed approach is successful.
Benzer Tezler
- MR görüntülerinde menisküslerin segmentasyonu ve menisküs yırtıklarının tespiti
Meniscus segmentation and detection of meniscus tears in MR images
AHMET SAYGILI
Doktora
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SONGÜL ALBAYRAK
- Beyin mr görüntülerinin dalgacık dönüşümü ve özörgütlemeli harita ağları kullanılarak bölütlenmesi
Segmentation of brain mr images using wavelet transform and self organizing maps neural network
AYŞE DEMİRHAN
Doktora
Türkçe
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiElektronik-Bilgisayar Eğitimi Ana Bilim Dalı
PROF. DR. İNAN GÜLER
- Diagnosis of brain cancer and contour normal tissue for radiation therapy based on deep learning methods
Derin öğrenme yöntemleriyle radyoterapi için beyin kanseri tanisi ve normal doku ayrimi
NAVID HALILI
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Ana Bilim Dalı
PROF. DR. MUSTAFA DOĞAN
- Beyaz cevher hiperintensitelerinin derin öğrenme teknikleri kullanılarak beyin manyetik rezonans görüntülerinden otomatik tespiti
Automatic detection of white matter hyperintensities using deep learning techniques on brain magnetic resonance images
GÖKHAN UÇAR
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali ÜniversitesiElektronik ve Bilgisayar Eğitimi Ana Bilim Dalı
DOÇ. DR. EMRE DANDIL
- Tıbbi görüntülerden derin öğrenme yöntemi ile karaciğer ve beyin lezyonlarının bölütlenmesi
Segmentation of liver and brain lesions by deep learning approach from medical images
ONUR CAN BAYRAK
Yüksek Lisans
Türkçe
2020
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. BÜLENT BAYRAM