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: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Yeditepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 100
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
- 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 ÜniversitesiCoğrafi Bilgi Teknolojileri Ana Bilim Dalı
PROF. DR. DURSUN ZAFER ŞEKER
- A novel priority based request scheduling mechanism to prevent SIP server overload
SIP sunucuların aşırı yüklenmesini önleyici yeni bir önceliklendirme tabanlı istek zamanlama mekanizması
DEMİR YAŞA YAVAŞ
Doktora
İngilizce
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. BİLGE GÜNSEL KALYONCU
DR. İBRAHİM HÖKELEK
- Study of vandermonde frequency divison multiplexing on software defined radio platform
Yazılım tanımlı radyo ortamında vandermonde frekans bölmeli çoklama üzerine çalışma
EJDER BAŞTUĞ
Yüksek Lisans
İngilizce
2012
Elektrik ve Elektronik MühendisliğiFatih ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ÖZGÜR ÖZDEMİR
- Improved global localization and resampling techniques for Monte Carlo localization algorithm
Monte Carlo lokalizasyon algoritması için geliştirilmiş global lokalizasyon ve yeniden örnekleme teknikleri
HUMAM ABUALKEBASH
Yüksek Lisans
İngilizce
2020
Mekatronik MühendisliğiKocaeli ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. HASAN OCAK
- 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