05. Fakülteler

Permanent URI for this communityhttps://hdl.handle.net/20.500.13091/6

Browse

Now showing 1 - 3 of 3

Bilgisayarlı Tomografi Görüntülerinde Derin Öğrenme Tabanlı Çoklu Organ Segmentasyonu
(Konya Teknik Üniversitesi, 2022) Kayhan, Beyza; Uymaz, Sait Ali
Gelişen teknoloji ile birlikte sağlık alanındaki en önemli gelişmeler tıbbi görüntüleme teknikleri sayesinde gerçekleştirilmektedir. Vücudumuzun iç yapısının tıbbi görüntüleme teknikleri aracılığıyla detaylı olarak görüntülenmesi sonucu organların durumu hakkında bilgi edinilmektedir. Elde edilen bu görüntüler radyologlar tarafından değerlendirilir ve yorumlanır. Tıbbi görüntü analizinde öncelikli olarak organların ve dokuların tanınması hastalık teşhisi ve tedavi planlamasının ilk aşamasıdır. Fakat tıbbi görüntüler üzerinden organların tanınması oldukça zor ve zaman alıcı bir işlemdir. Bu çalışmada radyologlara yardımcı olması için karın bölgesine ait bilgisayarlı tomografi görüntüleri üzerinde birden fazla organın segmentasyonunu sağlayan bilgisayar destekli otomatik tanı sistemi gerçekleştirilmiştir. Derin Öğrenme modellerinin diğer bilgisayarlı görü alanlarında olduğu gibi segmentasyon alanında da yüksek başarı elde etmesi nedeniyle otomatik çoklu organ segmentasyon işleminde derin öğrenme yöntemi olan tam evrişimli bir sinir ağı kullanılmıştır. Bu çalışmada Vanderbilt Üniversitesinin çoklu organ segmentasyon yarışması (MICCAI 2015 Multi-Atlas Abdomen Labeling Challenge) için sağladığı veri seti kullanılmıştır. Veri setindeki dosyalar NIfTI formatında 3 boyutlu karın tomografi görüntüleridir. Bu görüntülerden HSV renk uzayında görüntü elde edilerek farklı renk uzaylarının birleştiren iki aşamalı 3D U-Net modelinin kullanıldığı füzyon bir yaklaşım önerilmiştir. Önerilen modelin değerlendirilmesi için Dice benzerlik katsayısı kullanılmıştır ve test işlemi sonucunda en yüksek Dice skorunun elde edildiği organ karaciğer ve en düşük skorun elde edildiği organ sol böbrek üstü bezi olarak bulunmuştur. Tüm organların ortalama doğruluk skoruna bakıldığında radyologlara yardımcı olması için gerçekleştirilen otomatik segmentasyon sisteminin başarılı ve umut verici olduğu görülmüştür.
Evrimsel Hesaplama Algoritmaları ile Yapay Sinir Ağının Bağlantı Optimizasyonu
(Konya Teknik Üniversitesi, 2022) Yılmaz, Merve; Kıran, Mustafa Servet
Optimizasyon, bir problem için olası çözümler arasından en uygun çözümü bulma işlemidir. Optimizasyon problemleri kârın maksimuma çıkarılmasını ya da maliyetin minimuma indirilmesini amaçlamaktadırlar. Optimizasyon yöntemleri genel olarak klasik ve sezgisel yöntemler olmak üzere iki kategoride ele alınabilir. Parametre sayısının fazla olması ve arama uzayının büyük olması gibi nedenlerden dolayı gerçek dünya problemlerini çözmede klasik optimizasyon yöntemleri yetersiz kalmaktadır. Bu gibi durumlarda sezgisel optimizasyon yöntemleri tercih edilmektedir. Sezgisel optimizasyon yöntemleri, bir amacı gerçekleştirmek için çözüme ulaşmada doğal fenomenleri kullanmaktadırlar. Doğal fenomenlerin kullanılması sürü zekâsı kavramını ortaya çıkarmaktadır. Sürü zekâsı, kendi kendini organize eden ve merkezi olmayan sistemlerin toplu davranış şeklidir. Doğada bulunan sürü zekâsına kuş sürüleri, balıklar, karınca kolonileri vb. gibi sürü halinde yaşayan canlılar örnek verilebilir. Doğada bulunan canlıların hareketlerinden esinlenilerek geliştirilen Parçacık Sürü Optimizasyonu (PSO) da bir sürü zekâsı algoritmasıdır. Biyolojik sinir hücrelerine benzer başlıca ağ tipleri Hopfield, Boltzman makineleri, tekrarlayan ağlar ve iğneli ağlardır. Bu ağların yapısı çoğu zaman rastgele olmakla beraber manuel olarak da oluşturulabilmektedir. Gün geçtikçe ilerleyen teknoloji sayesinde biyolojik sinir sistemlerini modelleyen bu yaklaşımların önü açılmıştır. Bu çalışmada biyolojik sinir hücrelerinden ilham alınarak geliştirilen yeni bir ağ mimarisi geliştirilmiştir. Oluşturulacak olan yapay sinir ağının en iyi sonucu verebilmesi amacıyla ağda bulunan bağlantılar, ikili bir problem olarak ele alınmıştır ve BPSO (İkili Parçacık Sürü Optimizasyonu) ile çözüm aranmıştır. Ayrıca yapay sinir ağında bulunan bağlantıların ağırlıkları da sürekli PSO ile optimize edilmiştir. Sonuç olarak, biyolojik sinir sistemi ile uyumlu ve farklı tiplerdeki problemlere uygulanabilen esnek ve doğruluğu yüksek bir ağ yapısı oluşturulmuştur. Oluşturulan bu ağ yapısı farklı veri setleri üzerinde uygulanarak ağırlıkları hem PSO hem de BP (Geri Yayılım) ile eğitilmiş tam bağlantılı yapay sinir ağları ile kıyaslanmıştır. Ayrıca literatürde yapay sinir ağının bağlantı optimizasyonu için sıklıkla tercih edilen evrimsel hesaplama yöntemlerinden biri olan GA (Genetik Algoritma) ile bağlantı optimizasyonu işlemi de gerçekleştirilerek önerilen yöntem ile kıyaslanmıştır. Sonuç olarak biyolojik sinir ağlarının yapısına daha uygun bir yapay sinir ağı tasarımı için bir sürü zekâsı algoritması önerilmiştir. Önerilen yöntemin performansı 4 veri seti üzerinde araştırılmış ve karşılaştırmalar yapılmıştır. Elde edilen sonuçlar yapay sinir ağı bağlantı optimizasyonun ağın sınıflandırma performansını iyileştirdiği görülmüştür.
Uyku Apnesi ile Uyku Evreleri Arasındaki İlişkinin Tespit Edilmesi
(Konya Teknik Üniversitesi, 2022) Çeper, Sena; Tezel, Gülay
Uyku, insan yaşamı için önemli bir süreçtir. İnsan vücudu için en temel dinlenme biçimidir ve kalitesi insan yaşamını önemli derecede etkilemektedir. Uyku kalitesizliğinden kaynaklanan kalpte ve beyinde sorunlara neden olabilen birçok hastalık vardır. Bu hastalıkların en basiti horlama en ciddisi uyku apnesidir. Uyku evreleme, günlük hayatı olumsuz yönde etkileyen ve ölüme sebep olabilen uyku rahatsızlıklarının özellikle de uyku apnesinin teşhisinde önemli rol oynamaktadır. Uyku evreleme uyku esnasında kaydedilen biyomedikal sinyallerin uyku uzmanı tarafından Amerikan Uyku Tıbbı Akademisi (American Academy of Sleep Medicine – AASM) tarafından belirlenen standartlara göre değerlendirilmesi ile yapılmaktadır. Bu sinyaller (Elektroensefalogram (EEG), Elektromiyogram (EMG), Elektrokardiyogram (EKG) ve Elektrookülogram (EOG)), Polisomonografi (PSG) cihazı ile uyku laboratuvarlarında kaydedilmektedir. Uyku, uyanıklık (Wake) evresi hariç kendi içerisinde iki ana bölüme ayrılmaktadır: Hızlı Olmayan Göz Hareketleri (NREM) ve Hızlı Göz Hareketleri (REM). NREM evresi de kendi içerisinde NREM1, NREM2, NREM3 olarak üç kısma ayrılmaktadır. Her birey uyku sırasında belli bir düzende NREM ve REM evrelerini yaşamaktadır. Bu evreleri uyku esnasında oluşma sıklığı bireyin uyku kalitesi ve sağlığı hakkında bilgi verir. Bu tez çalışmasında, PSG ile kaydedilen sinyallerden biri olan EEG ile uyku evreleme yaptıktan sonra, uyku apnesinin uyku evreleri ile ilişkisinin incelenmesi amaçlanmıştır. Uyku evreleme yapılırken, EEG sinyalinden üç farklı özellik seti oluşturulmuştur. Birinci özellik seti Ayrık Dalgacık Dönüşümü yöntemi ile elde edilen alt bantlardan çıkarılan 80 özellikten oluşmaktadır. İkinci özellik seti Ampirik Mod Ayrıştırma (Empirical Mode Decomposition- EMD) yöntemi kullanılarak elde edilen 26 adet özellikten ve üçüncü özellik seti de Varyasyon Mod Ayrıştırma (Variational Mode Decomposition- VMD) yöntemi ile çıkarılan 26 özellikten oluşturulmuştur. Özellik setlerindeki tüm özellikler birleştirilerek 132 özellikten oluşan dördüncü özellik seti elde edilmiştir. Son olarak dördüncü özellik setine Relief özellik seçme yöntemi uygulanarak en etkin 91 özellik seçilmiştir ve seçilen bu özelliklerle beşinci özellik seti oluşturulmuştur. Bu beş özellik setinin her biri için Yapay Sinir Ağları (Artificial Neural Network- ANN), Destek Vektör Makineleri (Support Vector Machine- SVM), k En Yakın Komşu Algoritması (k Nearest Neighbors- kNN) ve Torba Ağaç Algoritması (Bagged Tree- BT) sınıflandırıcıları için uyku evreleme işlemi yapılmıştır. En yüksek test başarısı %70.02 ile EMD yöntemi ile çıkarılan özellikler ve ANN sınıflandırıcısı ile elde edilmiştir. En yüksek sınıflandırıcı modeli kaydedilerek, evrelemede kullanılmayan farklı 9 hasta validasyon için kullanılmıştır ve bu 9 hastanın uyku apnesi rahatsızlığının evreler ile olan ilişkisi incelenmiştir.

Browse

Browsing 05. Fakülteler by Department "Enstitüler, Lisansüstü Eğitim Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalı"