FBE- Elektronik Mühendisliği Lisansüstü Programı - Yüksek Lisans
Bu koleksiyon için kalıcı URI
Gözat
Konu "2dpca" ile FBE- Elektronik Mühendisliği Lisansüstü Programı - Yüksek Lisans'a göz atma
Sayfa başına sonuç
Sıralama Seçenekleri
-
Ögeİçerik Tabanlı Görüntü Erişim Sistemi Konusuna Yönelik Katkı: Tarama Mamografi Analizi İçin CBIR GLCM, 2DPCA, ve SURF Karşılaştırılması(Fen Bilimleri Enstitüsü, 2016-06-20) Purwadi, Nabila Sabatini ; Türkeli, Serkan ; 10113475 ; Elektronik ve Haberleşme Mühendisligi ; Electronic and Communication EngineeringMeme kanseri tüm dünyada kadınların kansere bağlı ölümlerin başında gelen nedenlerden biridir. Meme kanserini teşhis edebilmek için tarama mamografi yöntemi kullanılıyor. Tarama mamografi yöntemiyle hastalık anormal göğüslü insanlarda erken tedavi için kullanılıyor. Çünkü bazı durumlarda anormallik tespit edilemiyor ve doktorlar tarafından görülemiyor. Radyologların mamografi görüntülerine dayalı teşhislerini kolaylaştırmak için Bilgisayarlı Tanı (Computer-aided Diagnosis, CAD) sisteminde aktif araştırmalar yapılıyor. Bu sistemin hedefi doktorların yerini almak değil, aksine doktorlara teşhisleri sırasında yardımcı olmaktır. Bazı CAD sistemleri önceki benzer vakalarda ya da durum tabanlı çıkarsamalar sunarak doktorlara yardım ediyor. Mamografi alanında bu tür sistemler İçerik Tabanlı Görüntü Erişim Sistemi (Content-based Image Retrieval, CBIR) alanında incelenmistir. CBIR alanında çeşitli sorunlar vardır. Bazı çalışmalar anlamsal katmanın nasıl kullanılacağı hakkında araştırmalar yapıyor, bazılarıysa hangi düşük seviye özelliği ve benzerlik metriği kullanıldığını araştırıyor, ve bazıları da veri yönetimi bölümü hakkında araştırmalar yapıyor. Bu tez CBIR sisteminin ikinci sorununa katkıda bulunmaya çalışıyor. Biz CBIR mamografi alanında Gri seviye Eş-oluşum Matrisi (Grey-level Co-occurrence Matrix, GLCM), İki boyutlu Temel Bileşen Analizi (Two-dimensional Principal Component Analysis, 2DPCA) ve Hızlandırılmış Sağlam Özellikleri (Speeded-up Robust Feature, SURF) yöntemlerini karşılaştırmak için çalışıyoruz. İlk olarak, MIAS veri tabanında normal ve anormal sınıf sınıflandırılmasında karşılaştırarak her yöntem için en iyi parametreyi bulmaya çalışıyoruz. Sonra, 3 alt sınıf ve 6 anormal alt sınıf olmak üzere 9 sınıfa ayrılan veritabanı bize önceki adımla alınan en iyi parametreyle her yöntemin performansını gösteriyor. Son olarak, görüntü alma adımını kullanarak CBIR sistemine benzer bir sistem oluşturuyoruz. Bu durumda Öklit Distans ve MI benzerlik ölçüsünü karşılaştırmış oluyoruz. Bu tezin sonucu bize GLCM, 2DPCA, ve SURF yöntemlerinin normal ve anormal, meme yoğunluğu ve anormallık, ve görüntü alma adımı alanlarında karşılaştırıldığında SURF yönteminin en iyi yöntem olduğunu gösteriyor.