Geri Dön

Görüntü filtreleme ve transfer öğrenme yaklaşımları kullanılarak düztabanlık durumunun X-ray görüntülerinden tespiti

Detection of flatfoot condition from X-ray images using image filtering and transfer learning approaches

PDF İndir

  1. Tez No: 955747
  2. Yazar: MERVE KOKULU
  3. Danışmanlar: DOÇ. DR. ÖMER KASIM, DR. ÖĞR. ÜYESİ HANİFE GÖKER
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Biyomühendislik, Biyoteknoloji, Electrical and Electronics Engineering, Bioengineering, Biotechnology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Kütahya Dumlupınar Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: İleri Teknolojiler Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Düztabanlık, ayaktaki kemik ve eklem dokularının belirli bir düzen ve kaviste kalmasını sağlayan bağ, tendon ve kas yapılarının çeşitli etkenlere bağlı olarak zayıflaması sonucu ayak kavisinin kaybolması ve düzleşmesi sonucu gerçekleşen deformitedir. Kas – iskelet sistemini etkileyen çeşitli sağlık sorunları, iş yaşamı ve günlük sosyal hayatta kişinin hareketlerini kısıtlayabilir. Bu anlamda en sık görülen kas – iskelet sorunlarından biri de düztabanlıktır. Bu çalışmada görüntü filtreleme yöntemleri ve transfer öğrenme yaklaşımları kullanılarak düztabanlık durumunun otomatik tespiti önerilmektedir. Çalışmada X-Ray görüntüleri ortalama, Gauss, medyan ve dilatasyon filtreleme yöntemleri ile iyileştirilmiştir ve her transfer öğrenme mimarisi için yeniden boyutlandırılmıştır. Daha sonra transfer öğrenme yaklaşımları olan DarkNet-19, DenseNet-201, GoogLeNet, MobileNetV2 ve ResNet-101 mimarilerinde performansları karşılaştırılmıştır. Deneyler sonucunda dilatasyon filtreleme ile DenseNet-201 mimarisi en yüksek performansı göstermiştir. Önerilen model, %98,02 doğruluk, %98,10 f1 skoru, %98,47 duyarlılık, %97,54 özgüllük, %97,73 kesinlik, %96,04 Matthew Korelasyon Katsayısı (MCC) ve %96 Cohen'in Kappa istatistiği değerleri ile yüksek bir performans elde etmiştir.

Özet (Çeviri)

Flatfoot is a deformity that occurs as a result of the loss and flattening of the arch of the foot as a result of the weakening of the ligament, tendon and muscle structures that keep the bone and joint tissues in the foot in a certain order and curve due to various factors. Various health problems affecting the musculoskeletal system can restrict the person's movements in work life and daily social life. In this sense, one of the most common musculoskeletal problems is flatfoot. In this study, automatic detection of flatfoot is proposed using image filtering methods and transfer learning approaches. In this study, X-Ray images are enhanced with average, Gaussian, median and dilatation filtering methods and resized for each transfer learning architecture. Then, the performance of the transfer learning approaches DarkNet-19, DenseNet-201, GoogLeNet, MobileNetV2 and ResNet-101 are compared. As a result of the experiments, DenseNet-201 architecture with dilation filtering showed the highest performance. The proposed model achieved a high performance with 98.02% accuracy, 98.10% f1 score, 98.47% sensitivity, 97.54% specificity, 97.73% precision, 96.04% Matthew Correlation Coefficient (MCC) and 96% Cohen's Kappa statistic.

Benzer Tezler

  1. Tez No

    1012080

    Deep learning based classification in through the wall microwave imaging

    Duvar arkası mikrodalga görüntülemede derin öğrenme tabanlı sınıflandırma

    GÜLÇİN YARIMAY

    Doktora

    İngilizce

    İngilizce

    2026

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    PROF. DR. İBRAHİM AKDUMAN

  2. Tez No

    827867

    Classification of abnormal respiratory sounds using deep learning techniques

    Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması

    AHAMADI ABDALLAH IDRISSE

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    DOÇ. DR. OKTAY YILDIZ

  3. Tez No

    1015378

    Ön işleme uygulanan sefalometrik radyografilerden transfer öğrenme ile büyüme gelişim evresi tespiti

    Determination of growth and development stage using transfer learning from preprocessed cephalometric radiographs

    AYŞEGÜL ÖZKAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2026

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BETÜL UZBAŞ

  4. Tez No

    934094

    Yapay zekâ algoritmaları ile göz hareket verilerinden Parkinson hastalığının erken evre tespiti ve derecelendirilmesi

    Early detection and severity evaluation of Parkinson's disease from eye movement data with the artificial intelligence algorithms

    İLKE KURT

    Doktora

    Türkçe

    Türkçe

    2025

    NörolojiTrakya Üniversitesi

    Hesaplamalı Bilimler Ana Bilim Dalı

    PROF. DR. OĞUZHAN ERDEM

    DOÇ. DR. SEZER ULUKAYA

  5. Tez No

    639330

    Deep learning based segmentation pipeline for label-free phase-contrast microscopy images

    Etiketsiz faz-kontrast mikroskopi görüntüleri için derin öğrenme tabanlı segmentasyon boru hattı

    AYDIN AYANZADEH

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı

    DOÇ. DR. BEHÇET UĞUR TÖREYİN

    DOÇ. DR. DEVRİM ÜNAY

Geri Dön