Geri Dön

Raspberry Pi üzerinde çalışan ELM algoritması ile beyin tümör segmentasyonu

Brain tumor segmentation with ELM algorithm working on raspberry Pi

  1. Tez No: 529048
  2. Yazar: FATİH ŞİŞİK
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ESER SERT
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: Türkçe
  9. Üniversite: Kahramanmaraş Sütçü İmam Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Enformatik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 62

Özet

Gelişen dünyada, birçok alanda insanlara yardımcı olabilecek görüntü işleme, optimizasyon, gömülü sistemler ve görüntüleme teknolojileri üzerinde yoğun çalışmalar yapılmaktadır. Bu sistemlerin kullanıldığı sektörlerin başında sağlık gelmektedir. Yeni geliştirilen teknolojiler sayesinde, MRI (Magnetic Resonance Imaging Manyetik Rezonans Görüntülemesi) görüntüsünden hastalıklı bölgenin yeri, boyutu gerçekçi ve hızlı bir şekilde belirlenebilmektedir. Buna ek olarak radyolog' un gözünden kaçabilecek çok küçük tümörlerin dahi belirlenmesi sağlanabilmektedir. Bu çalışmada Mobil olarak kullanılabilen Raspberry Pi donanımı üzerinde çalışan ELM (Extreme Learning Machine-Aşırı Öğrenme Makinesi) kullanılarak beyin MRI görüntülerini işleyip ve bu görüntülerde bulunan tümörlü kısmın tespit edilmesini sağlayan bir segmentasyon sisteminin tasarımı gerçekleştirilmiştir. Tasarlanan sistem de MRI görüntüleri ön işleme tabi tutulur. Ardından, ön işlenmiş görüntülerle ELM kullanılarak öğrenme gerçekleştirilir. Test verileri kullanılarak tümör analizi gerçekleştirilmektedir ve sonuç RPI (Rasbperry Pi)' ye bağlı olan 3.5 inç' lik bir ekranda gösterilmektedir. ELM nin eğitimi için 3100 adet 50x50 boyutuna sahip tümör görüntüleri kullanılmıştır. Bu çalışmada, 20 adet MRI görüntüsünden elde edilen bölütleme sonuçlarının başarımını tespit etme amacıyla, önemli yaklaşımlardan olan Pratt' ın FOM (Figure of Merid), JSC (Jaccard Similarity Coefficient) ve Dice indeksleri tercih edilmiştir. Çalışmada yüksek doğrulukla mobil düzeyde çalışan bir sistem tasarımı gerçekleştirilmiştir.

Özet (Çeviri)

In the developing world, intensive studies are carried out on image processing, optimization, embedded systems and imaging technologies that can help people in many areas. Health is one of the sectors where these systems are used. Thanks to the newly developed technologies, MRI (Magnetic Resonance Imaging Magnetic Resonance Imaging) image can determine the location and size of the diseased area realistically and quickly. In addition, it is possible to determine even very small tumors that can escape the eye of the radiologist. In this study, a segmentation system was designed to process brain MRI images using the ELM (Extreme Learning Machine) which is used on mobile Raspberry Pi equipment and to detect the tumor part found in these images. The designed system is also pretreated by MRI images. Learning is then performed using ELM with preprocessed images. Tumor analysis is performed using test data and the result is displayed on a 3.5 inch screen connected to RPI (Rasbperry Pi). For the training of ELM, 3100 50x50 tumor images were used. In this study, in order to determine the performance of the segmentation results obtained from 20 MRI images, FOM (Figure of Merid), JSC (Jaccard Similarity Coefficient) and Dice indices were preferred. In the study, a system design has been carried out working with high accuracy in mobile level.

Benzer Tezler

  1. Raspberry Pi üzerinde AES algoritmasına yan kanal analizi ve ölçüm iyileştirme

    Side channel analysis to AES algorithm on Raspberry Pi and measurement improvement

    ELİF BÜYÜKKAYA

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Elektrik ve Elektronik Mühendisliğiİstanbul Şehir Üniversitesi

    Bilgi Güvenliği Mühendisliği Ana Bilim Dalı

    PROF. DR. ENSAR GÜL

    DR. NECATİ ERSEN ŞİŞECİ

  2. Smart classroom based on IoT computıng and artıfıcıal ıntellıgence

    IoT bilgisayar ve yapay zeka dayalı akıllı sınıf

    AHMED MAWLOOD ANWAR BABAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilim ve TeknolojiAltınbaş Üniversitesi

    Bilgi Teknolojileri Ana Bilim Dalı

    YRD. DOÇ. DR. ABDULLAHİ ABDU IBRAHIM

  3. Developing cost-effective data acquisition systems by using mems accelerometers and geophone sensors

    İvmeölçer ve jeofon sensörleri ile maliyet-etkin veri toplama sistemlerinin geliştirilmesi

    KAMER ÖZDEMİR

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Deprem MühendisliğiGebze Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AHU MUTLU

  4. Deep learning-based face recognition with raspberry Pi and USB accelerator for IoT environments

    IoT için rapsberry Pi ve USB hızlandırıcı ile derin öğrenme tabanlı yüz tanıma

    KUTAY YILDIZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtılım Üniversitesi

    Bilişim Teknolojileri Ana Bilim Dalı

    PROF. DR. MURAT KOYUNCU

  5. Design and implementation of model predictive trajectory tracking controller for a quadcopter

    Dört pervaneli insansız hava aracı için yörünge takip eden model öngörülü kontrolcü tasarımı ve uygulaması

    KÜBRA HİLAL SALMAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Makine MühendisliğiBoğaziçi Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SİNAN ÖNCÜ