Geri Dön

Kemik kırıklarının görüntü işleme yöntemleri ile tam otomatik tespiti ve yapay zeka algoritmaları ile sınıflandırılması

Full automated detection of bone fractures by image processing methods and classification by artificial intelligence algorithms

PDF İndir

  1. Tez No: 755674
  2. Yazar: SALİH BÜTÜNER
  3. Danışmanlar: DR. ÖĞR. ÜYESİ EFTAL ŞEHİRLİ
  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: 2022
  8. Dil: Türkçe
  9. Üniversite: Karabük Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 103

Özet

Birçok alanda olduğu gibi biyomedikal ve tıp alanında da insanların hata oranlarını aza indiren, nicelleştiren, kullanıcılara parametrik ve görsel sonuçlar sunan yazılım uygulamaları geliştirmek giderek önem kazanmaktadır. Teşhisi mümkün olmayan veya yanlış teşhis edilmiş kırık vakaları ortopedide önemli sorunların başında gelmektedir. Yanlış teşhis ile birlikte yanlış uygulanan tedavi sonucu iyileşme süreçleri uzayabilmekte ve hasta bu durumdan kötü etkilenebilmektedir. Bununla birlikte, kemik kırıklarının sınıflandırılarak tespit edilmesi biyomedikal alanda en çok tercih edilen alanlardan biridir. Bu tez çalışmasında Python ve MATLAB ortamlarında makine öğrenmesi algoritmaları ile geliştirilen bir yazılım kullanılarak kemik kırıkları tam otomatik bir şekilde tespit edilmiştir. Kemik kırıklarını tespit etmek için ilk olarak, görüntü veri seti üzerinde görüntü ön işleme adımları uygulanmıştır. Sonrasında görüntülerin segmentasyon işleminde K-ortalama ve Otsu eşikleme metodu birlikte v kullanılmıştır. Bağlı Bileşen Etiketleme (Connected Component Labeling, CCL) algoritması kullanılarak iki farklı segmentasyon modeli sonucu oluşan görüntülerden standart bir veri seti elde edilmiştir. Yeni görüntü veri seti üzerinde dilimleme işlemi gerçekleştirilmiştir. Dilimleme işleminde 325x175 boyutundaki görüntüler, ilk adımda 12, sonraki 4 adımda 11 eşit parçaya (27x175) ayrılmıştır. Oluşturulan görüntü alt kümeleri üzerinde öznitelik çıkarım parametreleri uygulanarak 31 adet öznitelik çıkarılmıştır. Çıkarılan öznitelikler ve görüntü alt kümelerine (dilimlere) ait özellikler excel ortamına aktarılmıştır. Son olarak öznitelikler makine öğrenmesi algoritmalarına girdi olarak sınıflandırma işlemi yapılmıştır. Makine öğrenme algoritması olarak Destek Vektör Makineleri, K-En Yakın Komşu, Karar Ağacı, Topluluk Öğrenimi, Lojistik Regresyon ve Naive Bayes sınıflandırıcısı algoritmaları kullanılmış ve elde edilen sonuçlar karşılaştırılmıştır. En başarılı üç algoritma (Destek Vektör Makineleri, K-En Yakın Komşu, Topluluk Öğrenimi) ile çoğunluk oylaması (majority voting) yapılmıştır. Bu tez çalışması sonucunda Destek Vektör Makineleri %96.67 Accuracy, %97.78 Specificity, %95.56 Sensitivity, 0.93 MCC değerleri ile en başarılı algoritmadır. Başarıyı destekler nitelikte ki uygulanan majority voting sonucunda ise %95.56 Accuracy, %97.78 Specificity, %93.33 Sensitivity, 0.91 MCC değerleri elde edilmiştir.

Özet (Çeviri)

It has increasingly become important to develop software applications that reduce, quantify people's error rates, provide parametric and visual results to users, in the field of biomedical and medicine, as in many other fields. Undiagnosed or misdiagnosed fractures are one of the most important problems in orthopedics. As a result of the wrong diagnosis and the wrong treatment, the healing processes can be prolonged and the patient can be badly affected by this situation. In addition, classification and detection of bone fractures is one of the most preferred areas in the biomedical field. In this thesis, bone fractures were detected fully automatically with machine learning algorithms by using Python and MATLAB together. In order to detect bone fractures firstly, image preprocessing steps were applied on the image dataset. Then, K-means and Otsu Thresholding method were used together in the segmentation process of the vii images. By using the Connected Component Labeling (CCL) algorithm, a standard dataset was obtained from the images formed as a result of two different segmentation models. Slicing process was performed on the new image dataset. In the slicing process, 325x175 images were divided into 12 equal parts (27x175) in the first step and 11 equal parts (27x175) in the next 4 steps. 31 features were extracted by applying feature extraction parameters on the created image subsets. Extracted features and features of image subsets (slices) were transferred to excel. Finally, the features were given to the machine learning algorithms and the classification process was carried out. As machine learning algorithms, Support Vector Machines, K-Nearest Neighbor, Decision Tree, Ensemble Learning, Logistic Regression and Naive Bayes Classifier algorithms are used and compared. Majority voting was performed with the three most successful algorithms (Support Vector Machines, K-Nearest Neighbor, Ensemble Learning). As a result of this thesis study, Support Vector Machines is the most successful algorithm with %96.67 Accuracy, %97.78 Specificity, %95.56 Sensitivity, 0.93 MCC. As a result of Majority Voting, it is obvious that %95.56 Accuracy, %97.78 Specificity, %93.33 Sensitivity, 0.91 MCC values obtained supporting success.

Benzer Tezler

  1. Tez No

    309909

    Yapay sinir ağları ile kemik kırıklarının görüntü işleme tabanlı tespiti

    Bone fracture detection based on image processing using artificial neural networks

    ZİYA EKŞİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2012

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Elektronik-Bilgisayar Eğitimi Ana Bilim Dalı

    DOÇ. DR. MURAT ÇAKIROĞLU

  2. Tez No

    821808

    X-ray görüntülerinden köpeklerde uzun kemik kırıklarının meydana gelme zamanına göre sınıflandırılması

    Classification of long bone fractures in dogs from X-ray images according to the time of occuration

    BERKAN TEZCAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiBaşkent Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SELDA GÜNEY

  3. Tez No

    865934

    Köpekler örneğinde evcil hayvanlarda kemik kırıkların görüntü işleme yöntemleri ile tespiti ve sınıflandırılması

    Detection of bone of pets on the example of dogs by image processing methods and their classification

    MUHAMMED FURKAN AĞGÜN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırgızistan-Türkiye Manas Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. RAYIMBEK SULTANOV

    PROF. DR. ABUZER TAŞ

  4. Tez No

    473016

    Tomografide temel beyin tanılarının otomatik tespiti

    Automatic diagnosis of fundental brain diseases in computed tomography

    SERDAR KÜPLÜ

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Elektrik ve Elektronik MühendisliğiBursa Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. CEMAL HANİLÇİ

  5. Tez No

    665588

    Tavşanlarda nazal kemik kırıklarının/defektlerinin ve cilt flebinin intraoperatif nano-mineralize matriks (kollajen+mineral seramik) uygulanması sonrası iyileşme sonuçlarının değerlendirilmesi

    Başlık çevirisi yok

    ZAUR NAGHIYEV

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2020

    Kulak Burun ve BoğazSağlık Bilimleri Üniversitesi

    Kulak Burun Boğaz Ana Bilim Dalı

    DOÇ. DR. ÖMER KARAKOÇ

Geri Dön