A hybrid fuzzy logic and convolution neural network (FIS-CNN) for automatic detection and classification of objects in comet assay images
Comet test görüntülerinde nesnelerin otomatik algılanması ve sınıflandırılması için hibrit bulanık mantık ve dönüşümlü sinir ağı(FIS-CNN)
- Tez No: 775316
- Danışmanlar: DOÇ. DR. FATİH NAR
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Ankara Yıldırım Beyazıt Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 116
Özet
Hastalıkların klinik teşhisi çoğunlukla fiziksel ve biyokimyasal tekniklere bağlıdır. Kuyruklu deney olarak da bilinen tek hücreli jel elektroforezi, genotoksisitenin etkisini değerlendirmek ve bireysel ökaryotik hücrelerin deoksiribonükleik asit hasarını tespit etmek için yaygın olarak kullanılmaktadır. Görüntüleme süreçleri tekniği, erken aşamalarda hasar görmüş deoksiribonükleik asit 'yı keşfetmek için uygundur, çünkü birçok hastalığın erken dönemde teşhis edilmesinden sorumlu olan. Derin öğrenme algoritmaları, büyük veri kümelerindeki birçok karmaşık özelliği keşfedebildi, çünkü özelliklerin manuel olarak çıkarılması, özellikle büyük veritabanlarında zaman kaybına ek olarak bilgilerin doğruluğunu azaltabilir, bu nedenle araştırmacılar, nesneleri algılamak ve sınıflandırmak için evrişimli ağları kullanma eğiliminde olmuştur. Eski geleneksel yöntemler yerine görüntülerde. deoksiribonükleik asit hasarının tespiti çağımızın çok önemli konularından biridir çünkü deoksiribonükleik asit 'daki hasarın derecesini belirleyerek hastalığın gelişim aşamalarının bilinmesinin yanı sıra birçok hastalığın erken bir tarihte teşhis edilmesinden sorumludur. Bu çalışma, görüntülerdeki her nesne için morfolojik işlemlerde uyarlamalı histogram eşitleme ve bölümleme işleme kullanan ön işleme görüntü iyileştirmeye dayalı görüntüdeki her bir nesnenin kenarlarını algılamak için hibrit bir Mamdani bulanık mantık (Tip-2) önermektedir. , daha sonra ağında kuyruklu yıldızların kalıpları tespit edilir ve otomatik olarak beş puan derecesine göre sınıflandırılır. Veri tabanında yürütülen deneysel sonuçlar, benzer modern yöntemlere kıyasla önerilen yaklaşım olan 94,34 'yüzde' doğrulukla yüksek bir performans hassasiyeti elde etti. Ayrıca önerilen yaklaşım, insan gözüyle görülmesi zor olan kuyruklu yıldızları da tespit edebilmektedir.
Özet (Çeviri)
Single cell gel electrophoresis, also known as comet assay, has been widely used for assessing the effect of genotoxicity and detecting deoxyribonucleic acid damage of individual eukaryotic cells. Imaging processes technique is convenient for discovering deoxyribonucleic acid damaged in the early stages. because it is one of the very important topics of our time, which is responsible for diagnosing many diseases at an early date, as well as knowing the stages of disease development by determining the degree of damage to the deoxyribonucleic acid.Deep learning algorithms were able to discover many complex features in large data sets, as manually extracting features may lower the accuracy of the information in addition to wasting time, especially in huge databases, so researchers have tended to use convolutional networks to detect and classify objects in images instead of methods Former traditional. Detection of deoxyribonucleic acid damage is one of the very important topics of our time because it is responsible for diagnosing many diseases at an early date, as well as knowing the stages of disease development by determining the degree of damage to the deoxyribonucleic acid. This study is suggest a hybrid Mamdani fuzzy logic (Type-2) with convolution neural network for detecting edges of each object of the image in model based on preprocessing image enhancement using adaptive histogram equalization and segmenting processing in morphology operations for each object in images, then patterns of comets are detected in convolution neural network and classify into five scores grade automatically. The experimental results conducted on the database have achieved a high performance precision 94.34 'percentage' accuracy, the propose approach compared to similar modern methods. In addition, the proposed approach is capable of detecting comets that are difficult to see with the human eye.
Benzer Tezler
- Çok amaçlı optimizasyon problemlerinin çözümünde Pareto tabanlı yeni yaklaşımlar
New approaches on Pareto based for solving multi-objective optimization problems
MUSTAFA ALTIOK
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MESUT GÜNDÜZ
- Mikroşebekelerde ada mod çalışmanın tespiti ve güç kalitesi olaylarının sınıflandırılması için yapay zekâ tabanlı kontrol yöntemlerinin geliştirilmesi
Development of artificial intelligence based control methods for detection of islanding conditions and classification of power quality events in microgrids
ALPER YILMAZ
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiBursa Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKAY BAYRAK
- Sertliği değiştirilebilir bir ayak bileği dış iskelet robotun konum kontrolü
Position control of a variable stiffness ankle exoskeleton robot
BAHRİ ŞEKERCİ
Yüksek Lisans
Türkçe
2017
Makine MühendisliğiSüleyman Demirel ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ERGİN KILIÇ
- Bulanık analitik ağ süreci metodu ile yenilenebilir enerji kaynaklarının önem sırasına göre seçilmesi
Selection of renewable energy sources in order of importance with the fuzzy analytic network process method
ANIL TABAK
Yüksek Lisans
Türkçe
2022
Endüstri ve Endüstri MühendisliğiYıldız Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ FUAT GÜNERİ
- Anti-kanser ilaç salınım sisteminin modellenmesi ve kontrolü
Modeling and control of anti-canser drug delivery system
SENA AY
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiAksaray ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SELİM SOYLU