Novel mobile pre-diagnostic solution for pes planus and pes cavus using image processing and deep neural networks
Pes planus ve pes cavus için görüntü işleme ve derin sinir ağlarını kullanan mobil ön teşhis çözümü
- Tez No: 716238
- Danışmanlar: DR. ÖĞR. ÜYESİ TACHA SERIF
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Düztabanlık, Görüntü işleme, Sinir ağları, Flatfoot, Image processing, Nerve net
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Yeditepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu alandaki önceki araştırmalara göre, dünya nüfusunun yaklaşık yüzde otuzunda bir çeşit ayak deformitesi vardır. Tüm deformiteler arasında, ayağın medial longitudinal arkının eksikliğinden kaynaklanan pes planus ve aşırı yüksek plantar longitudinal arkın oluşturduğu pes kavus, toplumun yaşam kalitesini en olumsuz etkileyen ayak deformiteleridir. Yukarıdakiler göz önünde bulundurularak önerilen çözüm, literatürde var olan geleneksel deformite tanıma yöntemleri yardımıyla görüntü işleme ve derin sinir ağları kullanılarak bir cep telefonu uygulaması aracılığıyla pes planus ve pes kavus ön teşhisini yapmayı amaçlamaktadır. Bu amaçla, bu çalışma, ayak deformitesi tespit hassasiyetini geliştirmek için birbiri üzerine inşa edilen üç çalışmadan oluşmaktadır. Buna göre, ilk prototip, pes planus ve pes kavusu tahmin etmek için makine öğrenimi teknikleri kullanılarak 34 katılımcı ile test edilmiştir. Bu prototipi kıyaslamak için bir ortopedistten, karşılaştırmalı bir hesaplamanın yapılabilmesi için kilit karar verme noktalarını manuel olarak sağlaması istenir. İkisinin karşılaştırma sonuçları, uzman ve prototip bulgularının yüzde 90'dan fazla birbiriyle uyumlu olduğunu göstermiştir. Bunu takiben, ikinci bir çalışma olarak, arka ayak açısı ve sağlık profesyonellerinden girdi içeren başka bir deformite sınıflandırma yöntemi uygulanmaktadır. Bu prototip 9 katılımcı ile test edilmiştir. İkinci çalışma kapsamında sağlık profesyonelleri tarafından prototip kullanılarak veri girişleri sağlanmıştır. Sistem sonuçları sağlık profesyonelleri tarafından tespit edilen deformiteler ile karşılaştırılmış ve sonuçların 27,7 oranında eşleştiği gözlemlenmiştir. Üçüncü ve son çalışmada ise birinci prototipte geliştirilen algılama yöntemi geliştirilmiş ve ikinci çalışmada kullanılan test seti ile test edilmiştir. Sonuçlar, hekim ve sistem tarafından tespit edilen deformitelerin yüzde 83,3 eşleştiğini göstermiştir.
Özet (Çeviri)
According to previous research in this domain, about thirty percent of the world population has some kind of foot deformity. Among all the deformities, pes planus produced by a lack of the medial longitudinal arch of the foot and pes cavus produced by an excessively high plantar longitudinal arch are the foot deformities that most adversely affect the community's quality of life. Bearing in mind the above, the proposed solution aims to pre-diagnose pes planus and pes cavus through a mobile phone application using image processing and deep neural networks with the help of traditional deformity recognition methods existing in the literature. To this end, this work is composed of three studies that build upon each other, to improve the foot deformity detection precision. Accordingly, the first prototype is implemented using machine learning techniques to estimate pes planus and pes cavus using footprint approach and tested 34 participants. To benchmark this prototype, an orthopedist is asked to provide key decision-making points manually so that a comparative calculation can be performed. The comparison results of the two showed that the expert and prototype findings were in agreement with each other more than 90 percent. As a follow up, another deformity classification method is implemented as a second study, which entailed, rearfoot angle and input from the healthcare professionals. This prototype was tested with 9 participants. Within the scope of the second study, data entries were provided by using the prototype by healthcare professionals. The system results were compared with the deformities detected by the healthcare professionals, and it was observed that the results were matched at a rate of 27.7. In the final study, the detection method developed in the first prototype is improved and tested with the test set used in the second study. The results showed that deformities detected by the physician and the system matched 83.3 percent.
Benzer Tezler
- Hava örnekleme sistemi ile biyoaerosol tespiti için mikroakışkan tabanlı tanı sistemi geliştirilmesi
Development of a microfluidics-based diagnostic system for bioaerosol detection using an air sampling system
HÜLYA ERASLAN GÜLTEKİN
Doktora
Türkçe
2025
Biyomühendislikİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ FUAT ERGENÇ
- Ortak hedefli röleli telsiz iletişim sistemlerinde bit ve enerji verimliliği analizi
Goodput and energy efficiency analysis for wireless relayed communication systems with common destination
SİNAN ATAN
Yüksek Lisans
Türkçe
2015
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. HASAN ÜMİT AYGÖLÜ
- From media-based modulation to reconfigurable intelligent surfaces: Novel index modulation solutions
Ortam-tabanlı modülasyon'dan uyarlanabilir akıllı yüzeylere: Özgün indis modülasyon çözümleri
ZEHRA YİĞİT
Doktora
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERTUĞRUL BAŞAR
PROF. DR. İBRAHİM ALTUNBAŞ
- Enhancing mobile application age ratings usingnatural language processing techniques
Doğal dil işleme teknikleri kullanılarak mobiluygulama yaş derecelendirmelerinin iyileştirilmesi
MUHAMMED EMİN İDELBİ
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMED FATİH ADAK
- A novel framework for disaster resilient smart cities: Using big data analytics
Afete dayanıklı akıllı şehırler için özgun bir çerceve: Büyük veri analitiği kullanımı
SYED ATTIQUE SHAH
Doktora
İngilizce
2019
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı (disiplinlerarası)
PROF. DR. DURSUN ZAFER ŞEKER