Medikal görüntülerde geleneksel yöntemlerin ve evrişimsel sinir ağlarının içerik tabanlı olarak karşılaştırılması
Content-based comparison of traditional methods and convolutional neural networks in medical images
- Tez No: 595021
- Danışmanlar: DR. ÖĞR. ÜYESİ GÖKÇEN ÇETİNEL
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Mühendislik Bilimleri, Electrical and Electronics Engineering, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Sakarya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektronik Bilim Dalı
- Sayfa Sayısı: 79
Özet
Son yıllarda bilgisayar teknolojilerinin gelişimi ve internet kullanımının hızla artmasıyla birlikte görüntü erişim sistemleri önem kazanmıştır. Bu tezde görüntü erişim hızını arttırmayı ve depolama alanı gereksinimini azaltmayı amaçlayan içerik tabanlı görüntü erişim sistemleri ele alınmıştır. İçerik tabanlı görüntü erişimi (Content based Image Retrieval, CBIR) sağlık da dahil olmak üzere birçok alanda yaygın olarak kullanılmaktadır. Günümüzde birçok hastalığın teşhisinde medikal görüntüleme sistemleri yaygın olarak kullanılmaktadır. Ultrason, tomografi, röntgen, manyetik rozenans görüntüleme gibi farklı modeliteler uzmanlar tarafından yaygın olarak tercih edilmektedir. Bu modeliteler farklı çalışma prensiplerine sahip olsalar da farklı açılardan hastanın belirlenen bölgelerine ait görüntüler elde etme esasına dayalıdırlar. Bunun sonucu olarak medikal görüntü sayısı her geçen gün artmaktadır. Medikal görüntülere ihtiyaç duyulduğunda hızlı ve doğru bir şekilde erişebilmek için CBIR sistemleri kullanılabilir. Sunulan tezde medikal görüntüler için iki farklı yöntem ile CBIR sistemi tasarlanması amaçlanmıştır. Birinci tasarımda medikal görüntüler için renk, doku ve şekil içeriklerini temsil eden öznitelikler çıkarılmıştır. Görüntüler arasındaki benzerliği ölçmek amacıyla basit metrikler vasıtasıyla öznitelikler karşılaştırılmıştır. İkinci tasarımda ise öznitelik çıkarma yerine derin öğrenme tekniklerine dayalı bir yol izlenmiştir. Her iki tasarım ile elde edilen sonuçlar tezde sunularak yorumlanmıştır. Önerilen sistem sayesinde sağlık birimlerinde çalışan personel ve doktorların hastalık teşhisinden önce benzer vakaları medikal görüntüler üzerinden hızlı bir şekilde incelemeleri kolaylaştırılmış olacaktır.
Özet (Çeviri)
In recent years, with the development of computer technologies and the rapid increase in internet usage, image retrieval systems have gained importance. In this thesis, content based image retrieval systems which aim to increase the speed of image access and decrease the storage space requirement are examined. Content-based image retrieval systems (CBIR) are widely used in many areas, including health. Today, medical imaging systems are widely used in the diagnosis of many diseases. Different models such as ultrasound, tomography, x-ray, magnetic resonance imaging are widely preferred by experts. Although these models have different working principles, they are based on the acquisition of images of identified areas of the patient from different angles. As a result, the number of medical images increases day by day. CBIR systems can be used to access medical images quickly and accurately when needed. In this thesis, it is aimed to design CBIR system with two different methods for medical images. In the first design, color, texture and shape features of medical images were extracted. Features were compared using simple metrics to measure similarity between images. In the second design, instead of feature extraction, deep learning techniques was followed. The results of both designs were presented and reviewed in the thesis. It will be easier for staff and doctors working in health units to quickly examine similar cases before medical diagnosis with the proposed system.
Benzer Tezler
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Pansharpening using generative adversarial networks with dual discriminators
Çift ayrıştırıcılı çekişmeli üretken ağlar kullanarak pankeskinleştirme
NAHİDE NESLİ CESUR
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. IŞIN ERER
- Classification of lung CT images using deep convolutional neural network
Akciğer tomografi görüntülerinin derin evrişimsel sinir ağları ile sınıflandırılması
HOMAY DANAEI MEHR
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. HÜSEYİN POLAT
- Derin öğrenme yöntemlerinin tıbbi teşhis alanında sorgulanması ve beyin tümörü tanısında uygulanması
Investigation of deep learning in medical image analysis and detection of brain tumor using novel adaptive momentum method
UTKU CAN AYTAÇ
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ GÜNEŞ
- Evrişimsel sinir ağları ve çekirge optimizasyon algoritması kullanarak kolon kanser hastalığı tesbiti
Colon cancer disease diagnose with convolutional neural network and grasshopper optimization algorithm
AMNA ALI A MOHAMED
Doktora
Türkçe
2024
Mühendislik BilimleriKastamonu ÜniversitesiMalzeme Bilimi ve Mühendisliği Ana Bilim Dalı
PROF. DR. AYBABA HANÇERLİOĞULLARI