Video görüntülerinin analizinde uç öğrenme makinesi sınıflandırıcı algoritmalarının kullanılması ve geliştirilmesi
Development of extreme learning machine based classification algorithms for analysis of video images
- Tez No: 509837
- Danışmanlar: PROF. DR. ENGİN AVCI
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 70
Özet
Tıp biliminde video analizi konusu, görüntülerin mikroskobik boyutta yoğun ve hassas bilgiler içermesi açışından kritik öneme sahiptir. Mikroskop kameralar ile elde edilen videolarda hareketli nesne tespit ve takibi ile nesne hakkında anlamlı ve yorumlanabilir bilgi elde edilmesi süreci, video analizi olarak tanımlanabilir. Bu tez çalışmasında, video görüntülerinin analizinde uç öğrenme makinesi sınıflandırıcı algoritmalarının kullanılması ve geliştirilmesi çalışması gerçekleştirilmiştir. Geliştirilen bu Melez (M) - Diferansiyel Gelişim Algoritması (DGA) – Uç Öğrenme Makinesi (UÖM) yönteminin başarımını test etmek için elde edilmiş gerçek sperm videoları üzerinde sperm motilitesinin doğru sınıflandırılması çalışması yapılmıştır. Tıp literatüründe sperm ile dölleme yapan erkek bireylerin, erkek infertilite probleminin başlıca sebebi sperm kalitesinin düşük olmasıdır. Spermin kalitesi, konsantrasyon (sayısı), motilite (hareketliliği) ve morfoloji (yapısı) değerleri ile belirlenir. Problemin tespiti için uzmanlar tanı aşamasında spermiyogram testi yapmaktadırlar. Bu test motilite ve morfoloji analizinden oluşup klasik veya bilgisayar destekli yöntemler ile yapılabilir. Klasik yöntem motilite analizi; uzman kişilerin semen sıvısını mikroskop altında göz ile deneyimlerine dayalı olarak sperm hücre hareketlilik sınıfını belirlemesidir. Bilgisayar destekli yöntemler ise sperm hücre hareketini video analizi ile tespit edip, sınıflandıran yazılım ve donanım ikilisinden oluşan sistemlerdir. Çalışmanın özel amacı sperm hücresinin hareketi ile oluşan öznitelik parametrelerini video analiz yöntemleri ile tespit ederek; Uç Öğrenme Makinesi sınıflandırıcı algoritmaları ile sınıflandırmaktır. Bu amaçla tasarım ve uygulaması yapılan sistem üç aşamadan oluşmaktadır. Birinci aşamada sperm hareket videolarında her bir sperm hücresinin tespiti için arka/ön plan bölütleme yöntemlerinden Gauss Karışım Modeli ve takibinin yapılabilmesi için Kalman Filtre-Macar Algoritması yöntemleri kullanılmıştır. İkinci aşamada tespit edilen hareketli her sperm hücresine ait koordinat bilgilerini kullanarak sperm hareket öznitelik parametre verileri elde edilmiştir. Son aşamada ise hareket öznitelik parametre verileri UÖM ile sınıflandırma yapılarak sonuçları irdelenmiştir. Sonuçlar değerlendirildiğinde UÖM yönteminin başarımı diğer sınıflandırma yöntemlerine (YSA, DVM ve NB) kıyasla en yüksek çıkmıştır. Bu tez çalışmasında yenilik olarak, UÖM'nin gizli katman hücre sayıları ve aktivasyon fonksiyon seçim işlemi geliştirdiğimiz M-DGA-UÖM yöntemi ile optimize edilmiştir. Böylelikle, UÖM'nin sperm motilitesinin doğru sınıflandırma başarımı arttırılmıştır. Ayrıca uygulaması yapılan M-DGA-UÖM yazılım sistemi paket bir program haline getirilerek, yapay öğrenme tabanlı sperm motilite analizi olarak kullanılması hedeflenmiştir. M-DGA-UÖM tabanlı bu yazılım bir taraftan yapay öğrenme tabanlı sistemlerin gelişimine katkı sunarken öbür taraftan da klinik açıdan erkek infertilite probleminin çözümünde etkili olacak teşhis yöntemlerinin gelişmesine katkıda bulunacaktır.
Özet (Çeviri)
Video analysis is of critical importance in medical science with regard to the microscopic-size intensive and sensitive data contained by the images. Video analysis can be defined as the process of obtaining meaningful and interpretable information about objects with moving object recognition and monitoring in videos recorded with microscopic cameras. In this thesis study, the use and development of Extreme Learning Machine (ELM) algorithms were performed in the analysis of video images. In order to test the performance of this developed hybrid (Hybrid-Differancial Evolation-Extreme Learning Machine) method, the correct classification of sperm motiles was performed on real sperm videos obtained. In medical literature, the primary cause of infertility problem in males who use sperms for fertilization is the low quality of sperms. The quality of sperm is determined with concentration (count), motility (movement) and morphology (structure) values. Specialists implement a spermiogram during diagnosis to detect the problem. This test consists of motility and morphology analysis and can be implemented using conventional or computer-assisted methods. In conventional motility analysis, specialists determine the sperm cell motility class by visual examination of seminal fluid under microscope. Computer-assisted methods, which is made up of software and hardware systems that detect and classify the sperm cell motility by video analysis. The aim of this thesis study is to detect feature parameters resulting from the motility of sperm cells with video analysis methods and to classify them with (ELM) classifier algorithms. To this end, the designed and applied system consists of three stages. In the first stage, Gauss Mixture Model which is one of the background/foreground segmentation methods was used for the recognition of each sperm cell in sperm motility videos and Kalman Filter-Hungarian Algorithm methods were used for monitoring them. In the second stage, sperm motility feature data were obtained by using coordinate information of each recognized motile sperm cell. In the final stage, motility feature data were classified with ELM and results were examined. Assessment of results shows that the performance of ELM method was higher compared to other classification methods (ANN, SVM and NB). What's new in this thesis study is that ELM's hidden layer cell counts and activation function selection process were optimized with the DE-ELM method developed by us, thereby increasing the performance of ELM. Furthermore, the applied software system was developed into a program package and aimed to use as artificial intelligence-based sperm motility. This aim contributes to the development of artificial intelligence-based systems on one hand and of diagnosis methods that will be clinically effective in the solution of infertility problem in men on the other.
Benzer Tezler
- Aircraft detection from large scale remote sensing images with deep learning techniques
Büyük ölçekli uzaktan algılama görüntülerinden derin öğrenme teknikleriyle uçak tespiti
MEHMET SOYDAŞ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Video analysis based fish detecton and tail beat frequency estimation in fishways
Video analizi ile balık geçitlerinde balık tanıma ve kuyruk sallama frekansı tahmini
YASİN YILDIRIM
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. BEHÇET UĞUR TÖREYİN
PROF. DR. SERHAT KÜÇÜKALİ
- Crowd localization and counting via deep flow maps
Derin öğrenme ile çıkarılan hareket haritaları kullanılarak nesne kalabalıklarının tespiti ve sayımı
PEDRAM YOUSEFI
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. BİLGE GÜNSEL
- Mikrobiyolojik görüntülerin incelenmesi: Bilgisayar destekli sperm tespiti ve morfoloji analizi
Examination of microbiological images: Computer aided sperm detection and morphology analysis
MECİT YÜZKAT
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NİZAMETTİN AYDIN
DR. ÖĞR. ÜYESİ HAMZA OSMAN İLHAN
- Deep learning based three dimensional face expression recognition using geometry images from three dimensional face models
Üç boyutlu yüz modellerinden elde edilen geometri görüntüleri kullanılan derin öğrenme tabanlı üç boyutlu yüz ifadelerini tanıma
NEŞE GÜNEŞ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ULUĞ BAYAZIT