Reliability improvement of computer aided diagnostic system using mutual information
Karşılıklı bilgi miktarı kullanılarak bilgisayar destekli teşhis sisteminin güvenilirliğinin geliştirilmesi
- Tez No: 431085
- Danışmanlar: DOÇ. DR. ALBERT GÜVENİŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2016
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Biyo-Medikal Mühendislik Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 43
Özet
Bilgisayar Destekli teşhis sistemleri son yıllarda sıklıkla çalışılan bir konu olmuştur. Bu sistemler doktorlara teşhis koyma esnasında yardımcı olmayı amaçlar. Özellikle erken teşhisin önemli olduğu hastalıklarda bu sistemlerin kullanımı erken teşhis olasılığını artırır. Bu çalışmanın amacı karşılıklı bilgi miktarı üzerine kurulu bir yöntemi tanıtmak ve örnek olarak Alzheimer hasatları verileri üzerinde ilk deneyleri yapmaktır. Önerilen bu sistemde her bir girdi için üç boyutlu PET görüntülerinin oluştuğu bir data set kullanılmaktadır. Karşılıklı bilgi miktarı kullanılarak bu girdilerin birbirlerine benzerlik miktarı ölçülür. Her bir girdi data setteki diğer bütün girdilerle karşılaştırılır ve bir karar indeksi hesaplanır. Bu indekse göre bur girdinin hastalığa sahip olup olmadığına karar verilir. Sistemin performansı hesaplandığı zaman kurulan sistemin görüntülerin hasta veya normal olduklarını ayırt edebildiği gözlemlenmiştir. Kurulan sistem ve kullanılan metot gayet basit, kolaylıkla uygulanabilir ve klinik alanda kullanılabilecek kadar hızlıdır.
Özet (Çeviri)
Computer aided diagnosis (CAD) is one of the most important topic in recent years since the systems are able to provide a second reliable opinion to physicians and early diagnosis with these systems are possible. In this study we aim to construct a system for the detection of Alzheimer's disease (AD) using PET images from a database. The CAD system includes a database consisting of a 3D PET image for every query. Via using a similarity metric namely mutual information(MI), every query compares to all other query in database. According to their similarity results, a decision index is calculated. The decision index demonstrate presence or absence of AD. The system was developed and evaluated using two different databases extracted from Alzheimer's disease Neuroimaging Initiative (ADNI) database. All normal and Alzheimer's images are stored and ordered in database. First database consists of 259 normal and 138 AD patient whereas second database consists of 102 normal and 95 AD patient. Main difference of two database is registration. Images in second database are warped with talairach atlas. CAD performance was evaluated using Receiver Operating Characteristic analysis. For every query, a decision index was calculated. According to our results we observed that accuracy and speed of the CAD system is affected by certain parameters. The method proposed in the article is adequate to distinguish the disease. The mutual information method is very simple, applicable and fast enough to use in clinic area.
Benzer Tezler
- Bilgisayar destekli enerji yönetim sistemleri ve kontrol merkezleri
Computer based energy management system and control centres
METİN İZGİ
Yüksek Lisans
Türkçe
1992
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF. DR. NESRİN TARKAN
- Yapay zeka ile meme kanseri teşhisi
Breast cancer diagnosis with artificial intelligence
İLKER ÇAKAR
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED KÜRŞAD UÇAR
- IEEE 1149.1 standardı kullanarak test edilebilir lojik devre tasarımı
Testable lojik circit design by using IEEE 1149.1 standard
A.BETÜL TUNCER
Yüksek Lisans
Türkçe
1992
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF. DR. AHMET DERVİŞOĞLU
- Optimizing photovoltaic system diagnostics: integrating machine learning and DBFLA for advanced fault detection and classification
Fotovoltaik sistem tanılarının optimizasyonu: gelişmiş arıza tespiti ve sınıflandırma için makine öğrenimini ve DBFLA'yı entegre etme
OMAR MOHAMMED NSAIF AL-QARAGHULI
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDULLAHİ ABDU IBRAHIM
- Makine öğrenimine dayalı akciğer kanserinin erken tanısında belirsizlik ölçeğinin tespiti
Detection of the uncertainty scale in the early diagnosis of lung cancer based on machine learning
SEMA ÜZÜLMEZ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZAFER ASLAN