Ψηφιακή επεξεργασία και κατάτμηση βιοϊατρικών εικόνωνμε χρήση τεχνητών νευρωνικών δικτύων
Biyomedikal görüntülerin dijital işlenmesi ve segmentasyonuyapay sinir ağlarını kullanma
- Tez No: 934129
- Danışmanlar: PROF. DR. MARİA RANGOUSSİ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: University of West Attica
- Enstitü: Yurtdışı Enstitü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 126
Özet
Bu tez, yapay sinir ağları ve bunların biyomedikal görüntülerin segmentasyonu amacıyla kullanımı üzerine odaklanmaktadır. Çalışma alanı iki farklı ilgi alanına ayrılabilir. İlk bölümde sinir ağlarına geniş bir şekilde değinilmektedir. Özellikle biyolojik sinir ağları ile yapay sinir ağları arasında kısa bir karşılaştırma yapılmıştır. Daha sonra basit yapay sinir ağlarının (ANN) ve derin yapay sinir ağlarının (DANN) yapısı, işlevi ve uygulamaları sırasıyla açıklanmış ve daha fazla vurgu, ilerleyen bölümlerde uygulamamızda ele alınacak olan derin ANN'lerin bir kategorisi olan evrişimli sinir ağlarına (CNN) verilmiştir. Tezin ikinci bölümünde ise görüntü ve dijital işleme alanına odaklanılmaktadır. Daha ayrıntılı olarak, görüntüyle ilgili temel kavramlar listelenmiş, çeşitli dönüşümler, görüntü iyileştirme, onarım ve segmentasyon teknikleri, ilgili örneklerle sunulmuştur. Son olarak, deneysel bölümde, bu tezin hazırlanması sırasında edinilen teorik bilgi birikimi kullanılarak, biyomedikal görüntülerin segmentasyonu amacıyla iki farklı evrişimli sinir ağı türü uygulanmıştır. Ağların eğitimi sırasında bazı temel parametreler değiştirilmiş ve segmentasyon sürecinin başarısı, ilgili ağlar aracılığıyla gözlemlenmiş ve ölçülmüştür.
Özet (Çeviri)
The present thesis focuses on the study area of artificial neural networks and their use for the purpose of segmentation of biomedical images. We could distinguish two different areas of interest. The first part makes extensive reference to neural networks. In particular, a brief comparison of biological neural networks and artificial neural networks is made. Subsequently, we describe the form, the function and the applications of simple ANN, but also of deep ANN respectively, while more emphasis is given to the convolutional NN, a category of deep ANN that will concern us in our implementation later. In the second part of this thesis, we focus in the field of image and its digital processing. In more detail, we list the basic concepts associated with the image, we present a variety of transformations, techniques for its improvement, restoration and segmentation, through corresponding examples. Finally, in the experimental part, we use a set of theoretical knowledge, acquired during the elaboration of this thesis and we implement two different types of convolutional neural networks, with the aim of segmenting a set of biomedical images. During the training of the networks we vary certain basic parameters and observe and measure the success of the segmentation process through the respective network.