Yanık görüntülerinin çok değişkenli istatistiksel yöntemler ve derin öğrenme yaklaşımları ile analizi
Analysis of burn images by multivariate statistical methods and deep learning approaches
- Tez No: 620703
- Danışmanlar: DR. ÖĞR. ÜYESİ UĞUR ŞEVİK
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, İstatistik, Computer Engineering and Computer Science and Control, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik ve Bilgisayar Bilimleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 142
Özet
Yanık uzmanlarının nadiren bulunduğu özellikle kırsal kesim acil servislerinde, yanık yarasının fotoğraflarının çekilmesi ve görüntülerin yanık uzmanları tarafından incelenebileceği tam teşekküllü bir sağlık merkezine gönderilmesi ile hastaya yapılacak ilk müdahaleye karar verilebilmektedir. Sunulan tezin amacı, yanık hastalarına ilişkin 105 adet dijital (2D) görüntüdeki sağlıklı ve yanık deriye ilişkin bölgelerin tespit edilebilmesidir. Tezde bu amaç doğrultusunda, iki tip yaklaşım önerilmiştir. Segmentasyon ve sınıflandırma olmak üzere iki aşamadan oluşan ilk yaklaşımda, literatürde yaygın olarak kullanılan 4 segmentasyon ve 10 sınıflandırma yönteminin performansı, değişen renk uzaylarına (CIE L*a*b*, HSV, YCbCr) ve sınıflandırıcı eğitiminde kullanılan öznitelik matrislerine (gri seviye histogram istatistikleri, Haralick öznitelikleri, ortalama parlaklık değerleri) göre değerlendirilmiştir. En iyi sınıflandırma performansı, CIE L*a*b* renk uzayının a* ve b* renk kanallarının FCM'de girdi verisi olarak kullanıldığı ve segmente edilmiş görüntüdeki her bir bölgenin ileriye doğru seçim sonrasında elde edilen 9 adet Haralick özniteliği kullanılarak eğitilmiş yapay sinir ağı modeli ile sınıflandırıldığı durumda elde edilmiştir. 5-katmanlı çapraz doğrulamada hesaplanan ortalama F-skoru %74.28 olarak bulunmuştur. Sunulan tezde kullanılan ikinci yaklaşımda, U-Net ve SegNet mimarileri, iki çeşit eğitim seti kullanılarak eğitilmiş ve 64x64 piksel boyutundaki bloklar ile eğitilen SegNet modeli 5-katmanlı çapraz doğrulama ortamında %80.5'lik bir ortalama F-skoru elde etmiştir.
Özet (Çeviri)
Especially in rural emergency departments where burn specialists are rarely present, in order to decide on the first intervention to the patient, photographs of the burn wound are taken and sent to a full-fledged health center where the images can be examined by burn specialists. The aim of this thesis is to determine the healthy and burned skin regions in 105 digital (2D) images of burn patients. Two types of approaches have been proposed for this purpose. In the first approach consisting of two stages, segmentation and classification, the performance of 4 segmentation and 10 classification methods commonly used in the literature was evaluated in terms of changing color spaces (CIE L*a*b*, HSV, YCbCr) and the feature matrices (gray level histogram statistics, Haralick attributes, average pixel intenstiy values) used in the training phase of the classifiers. The best classification performance was achieved in the case when a* and b* color channels of the CIE L*a*b* color space were used as the input data in the FCM, and each segmented region was classified by the ANN classifier trained with 9 Haralick features that were selected by forward selection. The average F-score calculated by 5-fold cross-validation was 74.28%. In the second approach used in the thesis, U-Net and SegNet architectures were trained using two kinds of training sets and the SegNet model, which was trained with 64x64 pixel image blocks, achieved an average F-score of 80.5% in a 5-fold cross-validation environment.
Benzer Tezler
- An ensemble learning model for wide-area measurement based transient stability assessment in power systems
Güç sistemlerinde geniş alan ölçümlerine dayalı geçici hal kararlılık değerlendirmesi için bir topluluk öğrenme modeli
CAN BERK SANER
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ
- 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
- Random forest classification of tomato fields with planet satellite image data and accuracy assessment
Planet uydu görüntü verileriyle yüksek doğruluklu domates ürün tipi sınıflandırmasında rastgele orman sınıflandırma yönteminin kullanımı ve doğruluk analizi
BETÜL ŞALLI
Yüksek Lisans
İngilizce
2020
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞE FİLİZ SUNAR
- Görüntülerde tipik noktaların tam otomatik olarak bulunmasına ilişkin yeni bir yaklaşım
A new approach for locating typical points automatically in images
NURCAN SEYLAN
Yüksek Lisans
Türkçe
2008
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiUluslararası Bilgisayar Ana Bilim Dalı
PROF. DR. AYDIN ÖZTÜRK
- Uzaktan algılama verilerinden su kalitesi parametrelerinin tespit edilmesi
Detection of water quality parameters from remote sensing data
ERSAN BATUR
Doktora
Türkçe
2019
Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. MİTHAT DERYA MAKTAV