Bilgisayar Teknolojileri Bölümü Koleksiyonu

Permanent URI for this collectionhttps://hdl.handle.net/20.500.12514/175

Browse

Now showing 1 - 5 of 5

Alt Piksel Metodu İle Çözünürlüğü Geliştirilmiş Tıbbi Görüntülerde Performans Analizi
(ICONSAD'23, 2023) Çınar, Ahmet; Ağalday, Fatih
Görüntü işleme dünyasında düşük çözünürlüklü bir görüntünün veya videonun yüksek çözünürlüklü olarak yeniden iyileştirilmesi araştırmacıların oldukça ilgisini çekmektedir. Süper çözünürlük olarak adlandırılan bu işlemler tıbbi görüntüleme, uydu görüntüleme ve yüz tanıma gibi birçok alanda doğrudan uygulama alanı bulmaktadır. Süper çözünürlük sorunu genel olarak yüksek çözünürlük verilerinin düşük geçişli filtrelenmiş, alt örneklenmiş ve gürültülü bir versiyonu olarak kabul edilir. Görüntü işlemede kullanılan bilgisayarlı tomografi ve manyetik rezonans görüntüleme gibi teknikler hastalıkların teşhis edilmesinde uzun süredir kullanılmaktadır. Uzman hekimlerin tıbbı görüntülerin doğru ve erken teşhisinde kullanılmak üzere makine öğrenmesi yöntemlerinden de yararlanılmaktadır. Bu yöntemler sayesinde aynı tıbbı görüntüde çakışan uzman görüşlerinin doğru karar vermesine katkıda bulunmak üzere mevcut tıbbı görüntülerin çözünürlüklerini arttırmaya yönelik bir çalışma sunulmuştur. Bu çalışmada tıbbı görüntü formatı dicom dosyalarının jpg gibi bilinen görüntü formatlarına dönüştürülerek algılanması zor olan tümörleri teşhis etmek için medikal görüntülere alt piksel yöntemi uygulanarak görüntünün çözünürlüğü arttırılmış ve görüntülerin benzerlik analizi yapılmıştır. Alt piksel evrişimli ağ modelinde görüntülerin r yükseltme faktörü kadar görüntü büyütmek için model r x r oranında özellik haritasına ihtiyaç duymaktadır. Bu çalışmada görüntünün kalitesini ve benzerliği değerlendirmek için yaygın olarak kullanılan PSNR Tepe Sinyal Gürültü Oranı yönteminden faydalanılmıştır. Alt piksel evrişimli sinir ağı ile çözünürlüğü arttırılan görüntülerin PSNR yöntemi ile benzerlikleri değerlendirilmiştir. Sonuç olarak bu çalışmada beyin tümörlerinden oluşan medikal görüntülerin çözünürlüğü arttırılmış ve yöntemin sonuçları tartışılmıştır. Çalışmanın sonunda medikal görüntüler üzerinde yapılacak araştırma ile ilgili bilgiler sunulmuştur.
Derin Öğrenme Mimarilerini Kullanarak Katarakt Tespiti
(Avrupa Bilim ve Teknoloji Dergisi, 2021) Ağalday, Fatih; Çınar, Ahmet
İnsanın yaşam kalitesini olumsuz olarak etkileyen görme kayıplarını daha erken bir dönemde teşhis etmek önemlidir. İnsan yaşının ilerlemesi ile birlikte görme bozuklukları ve bazen tamamen görme kaybına neden olmaktadır. Gözün anatomik yapısında bulunan anormallikler göz hastalıklarının erken dönemlerinde göz yapısına ait görsellerle de tespit edilebilmektedir. Katarat dünyada milyonlarca insanı etkileyen görme bozukluğunun en önemli nedenidir. Otomatik tanı sistemleri ile sağlık hizmeti kullanımı hafifleyerek uzmanlara yardımcı olmayı amaçlamaktadır. Bu makalede renkli fundus görüntüler kullanılarak katarat hastalığına otomatik tanı sistemi ele alınmıştır. Katarat hastalığının otomatik tanımlanması için evrişimli sinir ağı (CNN) ve derin artık ağ (DRN) kullanılarak sınıflandırma yöntemi kullanılmıştır. Veri seti 5000 hastanın sağ ve sol gözlerine ait renkli fundus fotoğrafları ve doktorların her bir hastanın sağ ve sol gözüne konulmuş teşhisler için anahtar kelimler ile yapılandırılmış bir veri tabanıdır. Bu veri seti gerçek yaşamda hasta gruplarını temsil etmektedir. Çinli bir şirket olan Shanggong Medical Technology Co., Ltd. Şirketi tarafından farklı hastane ve tıp merkezlerinden elde edilen veriler toplanmıştır. Veri setinde hastalar 8 farklı etikete sınıflandırma yapılmıştır. Renkli fundus görüntüler sayesinde farklı evrelere ait katarat semptomlarına ait özellikler bulunmaktadır. Önerilen otomatik tanı sistemi güncel sınıflandırma sistemlerine oranla daha başarılı olduğu görülmektedir. DRN yönteminin CNN yöntemine göre doğruluk oranına göre daha yüksektir. CNN modelinde doğruluk oranı %89 civarında iken DRN modelinde doğruluk oranı %95 olduğu görülmektedir.
Derin Öğrenme Yöntemleri ile Küçük Olmayan Hücre Akciğer Kanseri Tümör Karakterizasyonu
(2022) Çınar, Ahmet; Ağalday, Fatih
Küresel kanser araştırmaları ölüm oranlarına göre bulgular en tehlikeli hastalık olarak Akciğer kanserini göstermektedir. Solunum yolu hastalıklarına neden olan havada bulunan küçük çaplı partikül maddeler akciğer kanserine neden olmaktadır. Akciğer kanseri için en önemli risk faktörü sigara ve benzeri alışkanlıklardır. Hastalığın tanısında manyetik rezonans görüntüleme ve bilgisayarlı tomografi gibi teknikler kullanılarak akciğer bölgesinin detaylı görüntülenmesi erken akciğer nodüllerini bulmak için cerrahi bir yöntem olmayan tespit yöntemlerinden biridir. Bilgisayar destekli görüntüler sayesinde akciğer nodülü tespit sisteminin kullanılması erken teşhis konusunda uzman doktorlara yardımcı olmaktadır. Günümüzde PET-CT görüntüleme ile uzman kişilerin onkolojik tanısına oldukça katkı sunmaktadır. Tıbbi görüntüler radyologlar ve doktorlar tarafından teşhis edilmektedir. Ancak uzmanlar tarafından yapılan bu teşhis için dikkat ve uzun süreli incelenmesi yorgunluğa ve hatalara neden olabilmektedir. Bu nedenle görüntülerin değerlendirilmesi için otomatikleştirilmesine ihtiyaç vardır. Evrişimsel Sinir Ağı gibi derin öğrenme algoritmaları, tümörleri tespit etmek ve sınıflandırmak için yaygın olarak kullanılmaktadır. Derin öğrenmeyi temel alan akciğer kanseri erken teşhis ve analiz yönteminin temel özelliği, akciğer Bilgisayarlı Tomografi görüntülerini bilgisayar sistemi ve yardımcı tanı sistemi aracılığıyla analiz ederek, dahil edilen görüntülerdeki akciğer nodüllerinin özelliklerini çıkarmaktır. İyi huylu ve kötü huylu akciğer nodüllerinin görüntülerini sınıflandırmanın temel amacı, akciğer nodülü hakkında doktorlara ve hastalara daha bilimsel ve güvenilir bir yardımcı sınıflandırma sonucu sağlamak, böylece teşhis ve tedavi sürecinin daha doğru olabilmesi, doktorlarının klinik muayenesini ve görünütüyü okuma iş yükünü azaltmaktır. Bu çalışmada, derin öğrenmenin en yaygın kullanımlarından biri olan transfer öğrenme modeli kullanılacaktır. Bu yöntem ile önceden eğitilmiş ağlar ile farklı sınıfa ait gerçek görüntüler eğitilmiştir
Etkili Alt Piksel Evrişimli Sinir Ağı Süper Çözünürlük Yaklaşımı
(All Sciences Proceedings, 2023) Ağalday, Fatih; Çınar, Ahmet
Tek görüntü süper çözünürlüğü, yüksek çözünürlüklü bir görüntüyü karşılık gelen düşük çözünürlüklü görüntüden kurtarmayı amaçlayan görüntü restorasyonundaki önemli içeriklerden biridir. Bu içeriklere örnek olarak kameralı izleme sisteminde insan yüzünün çözünürlüğünün düşük olması nedeniyle bazen bir kişiyi tanımak zordur. Yüz tanıma dışında, süper çözünürlüklü uygulamalar genellikle tıbbi görüntüleme ve uydu görüntüleme gibi alanlarda bulunabilir. Derin sinir ağlarına dayalı modeller tek görüntü süper çözünürlüğü için hem yeniden yapılandırma doğruluğu hem de hesaplama performansı açısından büyük başarı elde etmektedir. Bu yöntemlerde, düşük çözünürlüklü giriş görüntüsü, yeniden yapılandırmadan önce tek bir filtre, genellikle bikübik enterpolasyon kullanılarak yüksek çözünürlüklü alana yükseltilir. Süper çözünürlük işleminin yüksek çözünürlük alanında gerçekleştirildiği anlamına gelir. Bunun optimalin altında olduğunu ve hesaplama karmaşıklığı eklediğini gösteriyoruz. Bu yazıda görüntülerin gerçek zamanlı süper çözünürlük yapabilen evrişimli sinir ağını sunulmaktadır. Bu işlemleri gerçekleştirebilmek için, öznitelik haritalarının düşük çözünürlüklü görüntü uzayında çıkarıldığı yeni bir evrişimli sinir ağı mimarisi önerilmektedir. Ek olarak, son düşük çözünürlük özellik haritalarını yüksek çözünürlük çıktısına yükseltmek için bir dizi yükseltme filtresini öğrenen verimli bir alt piksel evrişim katmanı sunulmaktadır
SRGAN Modeli Uygulamaları
(2022) Ağalday, Fatih; Çınar, Ahmet
Araç plaka, yüz tanıma ve tıbbi teşhis gibi görüntü detaylarının önemli olduğu görüntüler için düşük çözünürlüğe sahip görüntüler yetersiz kalmaktadır. Yüksek çözünürlüklere sahip görüntü sistemlerinin depolama ve maliyeti zordur. Bu amaçla düşük çözünürlüğe sahip görüntüden yüksek çözünürlüklü görüntü elde etmek amacıyla SRGAN modeli görüntü iyileştirmede iyi bir teknik olarak karşımıza çıkmaktadır. Bu model tekli bir görüntünün birden fazla görüntüsü kullanılarak yüksek çözünürlük elde etmek için kullanılan bir iyileştirme tekniğidir. Tekli görüntü kullanılarak yapılan görüntü iyileştirme problemi için enterpolasyon tabanlı yöntemler gibi derin öğrenme tabanlı farklı yöntemler önerilmiştir. Enterpolasyon tabanlı yöntemler görüntü iyileştirme için ilk önerilen basit yöntemlerden olmasına rağmen başarılı bir yöntemdi. Fakat detay gerektiren ve yüksek çözünürlük aranan yerlerde yetersiz kalmaktadır. Derin öğrenme yöntemlerinin yaygınlaşması ve evrişimli sinir ağlarının hızla literatüre girmesi süper çözünürlük modellerini de önemli hale getirmiştir. Birçok derin öğrenme tabanlı süper çözünürlük yöntemi bulunmakta olup bu araştırmada SRGAN modeline yer verilmiştir.

Browse

Browsing Bilgisayar Teknolojileri Bölümü Koleksiyonu by Author "Çınar, Ahmet"