Filtreler

2016 - 201932020 - 20251
Filtreleri Sıfırla

Ayarlar

Tam Metin: true × Konu: Medical Imaging ×

Arama Sonuçları

Listeleniyor 1 - 4 / 4
  • Küçük Resim
    Öğe
    Three-dimensional modeling in medical image processing by using fractal geometry
    (Journal of Computers, 2017-09) Çalışkan, Abidin; Çevik, Ulus
    Medical images are visualized by computer and processed to obtain larger, more organized, and three-dimensional (3D) images. Thus, significant images are provided. The processed data facilitate diagnosis and treatment in the medical fields. The 3D surface models of related areas are formed by using volumetric data obtained by employing medical imaging methods such as Magnetic Resonance (MR) and Computer Tomography (CT). The purpose of this study is to obtain 3D images from the two-dimensional CT slices. These slices are obtained from the existing medical imaging devices and transferred to the z space and a mesh structure is provided between them. In addition, we investigated 3D imaging techniques, visualization, basic data types, conversion into main graphical components, and imaging algorithms. At the phase of obtaining 3D images; the image processing methods such as surface and volume imaging techniques, smoothing, denoising, and segmentation were used. The complexity and efficiency properties of the imaging algorithms were investigated and image enhancement algorithms were utilized.
  • Küçük Resim
    Öğe
    An efficient noisy pixels detection model for CT images using extreme learning machines
    (Sveuciliste Josipa Jurja Strossmayera u Osijeku, 2018-06) Çalışkan, Abidin; Çevik, Ulus
    In this study, a new and rapid hidden resource decomposition method has been proposed to determine noisy pixels by adopting the extreme learning machines (ELM) method. The goal of this method is not only to determine noisy pixels, but also to protect critical structural information that can be used for disease diagnosis. In order to facilitate the diagnosis and also the treatment of patients in medicine, two-dimensional (2-D) images were calculated tomography (CT) which is obtained using medical imaging techniques. Utilizing a large number of CT images, promising results have been obtained from these experiments. The proposed method has shown a significant improvement on mean squared error and peak signal-to-noise ratio. The experimental results indicate that the proposed method is statistically efficient, and it has a good performance with a high learning speed. In the experiments, the results demonstrated that remarkable successive rates were obtained through the ELM method.
  • Küçük Resim
    Öğe
    3D medical image processing by using filtering methods
    (Dicle University, 2016) Çalışkan, Abidin; Çevik, Ulus
    In this paper, data having medical file extensions were passed through various image processing stages, and boundary determination operations were performed. We aimed to obtain three-dimensional (3D) images after transferring the two-dimensional (2D) CT slices, obtained from the existing medical imaging devices, and to provide a mesh structure between them. At the phase of obtaining 3D images, image processing techniques such as surface and volume imaging techniques were used, and the complexity and effectiveness of the imaging algorithms were investigated, and image improving algorithms were used, as well. The noise filtering techniques for the images have been reviewed and 3D surface model has been obtained using volume rendering techniques.
  • Küçük Resim
    Öğe
    Diyabetik ayak ülserlerinin yapay zekâ ile tespiti
    (Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2025-07-30) Özdaş, Murat; Kaya, Yılmaz
    Diyabetik ayak ülseri (DAU), diyabet hastalarında enfeksiyon, uzuv kaybı ve mortalite oranlarını artıran ciddi bir sağlık sorunudur. Erken teşhis edilmediğinde hasta yaşam kalitesini düşürmekte ve sağlık sistemine önemli bir yük getirmektedir. Bu çalışmada, DAU’nun doğru ve erken tespiti amacıyla derin öğrenme tabanlı sınıflandırma modelleri değerlendirilmiştir. Kaggle platformundan temin edilen, uzman doktorlarca etiketlenmiş DFU görüntüleri; RegNetY-400MF, RegNetY-800MF, EfficientNet-B0 ve EfficientNet-B1 olmak üzere dört farklı evrişimsel sinir ağı (CNN) mimarisi ile analiz edilmiştir. Transfer öğrenme ve veri çoğaltma yöntemleriyle model eğitimi iyileştirilmiş; kontrast artırma ve gürültü giderme gibi ön işleme adımları ile sınıflandırma başarımı artırılmıştır. Analiz sonuçları, EfficientNet-B1 ve RegNetY-800MF modellerinin yüksek doğruluk, düşük kayıp ve güçlü genelleme yetenekleri ile öne çıktığını göstermiştir. EfficientNet-B1 modeli %99’un üzerinde doğruluk ile en başarılı sonuçları sunarken; RegNetY-800MF modeli ise hem eğitim hem test verilerinde istikrarlı bir performans sergilemiştir. RegNetY-400MF modeli eğitimde yüksek başarı elde etmesine rağmen test aşamasında dalgalanmalar yaşamıştır. EfficientNet-B0 modeli ise kompakt yapısı sayesinde düşük kaynaklı sistemlerde uygun bir alternatif olarak değerlendirilmiştir. Tartışma bölümünde, tüm modellerin duyarlılık oranlarının %100’e yakın olduğu ve ülserli vakaların atlanmadığı belirlenmiştir. ROC eğrileri ve AUC değerleri bakımından EfficientNet-B1 ve RegNetY-800MF modelleri, klinik uygulamalarda kullanılabilecek güvenilir yapılar olarak öne çıkmıştır. Özgüllük oranlarının da yüksek bulunması, yanlış pozitif oranını minimize eden bir yapı sunmuştur. Sonuç olarak, bu tez çalışması, DAU tanısında yapay zekâ destekli çözümlerin hem akademik araştırmalarda hem de klinik pratikte uygulanabilirliğini ortaya koymuştur.