FBE- Biyomedikal Mühendisliği Lisansüstü Programı - Yüksek Lisans

Bu koleksiyon için kalıcı URI


Son Başvurular

Şimdi gösteriliyor 1 - 5 / 116
  • Öge
    Gevşeme temelli kenar belirleme algoritması
    (Fen Bilimleri Enstitüsü, 1998-02-11) Güngör, Güray ; Ölmez, Tamer ; 075205 ; Biyomedikal Mühendisliği
    Bu çalışmada esas olarak, görüntü işleme konusunda temel öneme sahip kenar belirleme işlemlerine yer verilmiştir. Ayrıca görüntü iyileştirme konusuna da değinilmektedir. Ele alınan görüntülerdeki bozucu etkiler ve bu etkilerin giderilmesi için kullanılabilecek çeşitli teknikler, ilk olarak anlatılmıştır. Daha sonra çeşitli kenar belirleme algoritmalarına değinilmiştir. Bu tezin ana konusunu oluşturan gevşeme düşüncesi genel olarak anlatılmıştır. Sonra gevşeme düşüncesi ile kurulu metodlardan bahsedilmektedir. En son olarak da kenar belirleme amacıyla oluşturulan gevşeme düşüncesine dayalı bir metod verilmiştir. Metoddan elde edilen deneysel sonuçlar, diğer bazı kenar belirleme algoritmalarının sonuçlan ile karşılaştırılmıştır.
  • Öge
    Microwave spectroscopy based breast cancer diagnosis using support vector machines
    (Institute of Science and Technology, 2020-07-16) Önemli, Emre ; Akduman, İbrahim ; Abdolsaheb Yılmaz, Tuba ; 504171403 ; Biomedical Engineering ; Biyomedikal Mühendisliği
    Interactions of electromagnetic (EM) fields with materials relies on their intrinsic dielectric properties. Knowledge of the dielectric values of each material allows to develop electromagnetic technologies in many fields including medical technologies. There are a variety of electromagnetic medical technologies such as Microwave Imaging, Electrical Impedance Tomography and radiofrequency ablation and they promise faster, safer and low-cost applications. They rely on inherent differences among the dielectric properties of various biological tissue groups and health conditions. Hence, knowledge of the tissue dielectric properties of different biological tissues is crucial for developing EM healthcare technologies. Many works have been performed to investigate difference between dielectric properties of healthy and malignant tissues. It has been discovered that healthy and malignant tissues differ for the EM interactions because of the disperancies in their dielectrical properties. This contrast have been attributed to more water presence in malignant tumors. Breast carcinoma became one of the most researched cancer because of its high incidence and mortality rate. It is responsible for twenty three percent of new cancers and fourteen percent of cancer deaths in total. Thus, early diagnosis of the breast cancer is gaining more importance. Currently, there are some diagnostic methods such as mamography or MRI. However, they have some drawbacks such as harmful effects and low accuracy. Lately, microwave imaging (MWI) gained many interests. MWI fundamentally relies on the inherent dielectric contrast between healthy and malignant tissues. In cancer resection surgeries, determination of clear surgical margins is also possible using dielectric properties. Numerous studies were performed to expand the knowledge of the dielectric properties. However, existing dielectric datasets do not include every tissue type, frequency and temperature. Hence, more studies are needed. Open-ended coaxial probe has became the most preferred measurement method, because it is non-destructive, easy and suitable for biological materials. More dielectric data requires fast and accurate classification methods. For medical applications, most preferred one is Support Vector Machines (SVM). Being a supervised classification method, SVM is widely used because of its high classification performance on medical data. In this study, performance of SVM and infinite feature selection was investigated on the dielectric data of female rat normal breast tissues and malignant tumors in microwave frequencies. Measurements were conducted between 0.5 GHz and 6 GHz with 0.55 GHz intervals at 101 frequency points. Relative permittivity, conductivity and combination of them were tested separately. Firstly, they were tested without feature selection, raw dielectric data was also compared with normalization and logarithm of the dielectric data. Raw permittivity and combined data outperformed others resulting in 100% accuracy. Note that cross validation (CV) technique does not allow memorization of the learning model. Selecting top 100 features, the algorithm resulted in 100% accuracy with permittivity data whereas using top 50 features, it resulted in 99.23% accuracy with combined data. Using nested cross validation, features were selected as top 1 to top 100. Raw permittivity data gave more than 99% accuracy for more than sixty features. Using only one feature, 83.69% accuracy was obtained. Logarithm of the conductivity data resulted in 90.31% and 90% accuracy using one feature with linear and RBF kernels respectively. Best result of conductivity data is 98% using raw data and selecting top 70 features. With one feature, frequency of 5.505 GHz resulted in the best result. S11 response was also tested to avoid dielectric property calculation and to design narrow band devices. Note that this response indicates the energy transfer between probe and biological tissue related to tissue intrinsic electrical properties. Logarithm of the data outperformed with 93.85% accuracy using 10-fold linear SVM. Feature selection step was performed with 10-fold CV. With top 100 features, logarithm of data resulted in slightly higher performance as 91.85% accuracy with RBF kernel. With top 50 features, raw data was slightly better with 85.85% accuracy using linear SVM. Nested CV was applied to logarithm of S-parameter data. Selecting top 10 to 100, with decreasing number of features, accuracy dropped from 91.69% to 87.23% for RBF kernel and 91.38% to 87.08% for linear kernel. Besides, using top 1 to 10 features, accuracy dropped from 87.23% to 86.92% for RBF kernel and 87.08% to 83.08% for linear kernel. Best feature was corresponding to real part of S11 response at 610 MHz. The results show that dielectric measurement data can become acceptable diagnostic tool for breast cancer diagnosis. Thus, development of the EM medical technologies requires more tissue dielectric data. This study provides more dielectric data to the literature and it provides a perspective for analysing the dielectric data on the classification manner.
  • Öge
    Fully supervised and semi-supervised semantic segmentation of cardiac MR using deep learning
    ( 2021-09-02) Bolhassani, Mahyar ; Öksüz, İlkay ; 504191413 ; Biomedical Engineering ; Biyomedikal Mühendisliği
    Heart diseases are one of the primary causes of death worldwide. A key factor to accurately and effectively treating heart diseases is to have quantified measures like high-quality images of the organ. When we provided physicians with medical scans, they can pinpoint the kind of abnormality in the heart. Cardiac Ultrasound, CT, and MRI scans are some of the modalities that we can leverage, while each modality has both advantages and disadvantages. Depending on the situation and the patients' condition, we can choose a preferred modality. We concentrate on cardiac MRI, which is a non-ionizing modality that constructs high-quality images. Segmentation of different heart areas in CMR scans such as myocardium mass, wall thickness, left ventricle (LV), right ventricle volume, and ejection fraction (EF) is a quantitative measure that assists cardiologists in diagnosing cardiac failures. Thanks to computer-aided detection (CAD) advancements, the automatic segmentation of the heart cavity for diagnosis purposes alleviates the burden of quantitative interpretation of large numbers of cardiac scans for cardiologists. The ultimate goal of training an automatic model is to predict correctly on unseen data. Therefore, we need a large number of labeled data which is a tedious and expensive task. However, the variation of CMR data acquisition from different centers or vendors demands us to have training data from almost all centers and vendors for a robust model, which is almost impossible. To address this issue, this thesis proposes a semi-supervised segmentation setup to leverage unlabeled data to segment the left ventricle, right ventricle, and myocardium regions. We utilize an enhanced version of residual U-Net architecture on a large-scale cardiac MRI dataset. Handling the class imbalanced data issue using dice loss, the improved supervised model can achieve better dice scores than a vanilla U-Net model. We applied standard augmentation techniques as well as histogram matching techniques to increase the performance of our model in the multi-domain setup. Also, we introduce a simple but efficient semi-supervised segmentation method to improve segmentation results without the need for extensive labeled data. Finally, we applied our approach to two benchmark datasets, STACOM LVQuan 18 and M\&Ms 2020 challenges, to show the potency of the proposed model. The quantitative results demonstrate the effectiveness of our proposed model. The model achieves average dice scores of 0.926, 0.933, and 0.892 for the left ventricle, right ventricle, and myocardium respectively.
  • Öge
    Videolarda devinim ve ivme büyütme yöntemleri
    ( 2020) Gürleyen, Reyhan ; Akgül, Tayfun ; Biyomedikal Mühendisliği
    İnsan gözü, çevresinde meydana gelen çok küçük devinimleri anlamada ve yorumlamada yetersiz kalmaktadır. Video devinim büyütme ise algılanması zor veya imkansız hareketlerin uygun bir yöntemle büyütülüp videolarda gözle görülür hale getirilmesi işlemidir. Bir büyüteç görevi gören bu yöntemler; inşaat mühendisliğinde bina salınımları ve köprü titreşimlerini saptamada, suç biliminde yüz ifadelerini tanıma ve insan canlılık testinde; yapay zeka alanında kullanılan dokunma sensörlerinin hassasiyetini arttırmada ve sağlık hizmetleri alanında nabız tespiti, sesötesi (ultrasound) görüntülerinde küçük sapmaların algılanıp büyütülmesi veya insan vücut sıcaklığı belirleme gibi envai çeşit çalışmalarda kullanılmaktadır. Ayrıca saniyede 1 000 ile 20 000 arasında görüntü karesi alan yüksek hızlı kameraların gelişmesi ile birlikte herhangi bir nesneden ses geriçatımı da yapılabilir hale gelmiştir. Video çerçeveleri kullanılarak ses basıncının bir nesnede meydana getirdiği titreşimlerin büyütülmesi ile gerçekleştirilen bu çalışmalar görsel mikrofon olarak da adlandırılmaktadır. Videolarda algılanamayan sinyalleri ortaya çıkarmak ve büyütmek için çeşitli yöntemler geliştirilmiştir. Bu çalışmada ise temel video devinim büyütme yöntemleri ayrıntılarıyla açıklanmış ve karşılaştırmaları yapılmıştır. Devinim büyütmenin yanı sıra ivme büyütme yöntemleri de ayrıntılarıyla özetlenmiş ve başarımları kontrollü deneyler yardımıyla sınanmıştır. En bilinen ve sıkça kullanılan Euler temelli yaklaşım (Doğrusal devinim büyütme), video çerçevelerini hem uzamsal hem de zamansal alanda işleme tabi tutarak küçük devinim ve titreşimlerin büyütülüp videoya geri gömülmesi temeline dayanmaktadır. Bu yaklaşımda uzamsal alanda görüntü ayrıştırma, zamansal alanda ise süzgeçleme işlemi yapılmaktadır. Tez çalışmasında ise zamansal alanda süzgeçleme için alternatif sinyal işleme yöntemi Bölünmüş İzge İşleme kullanılmıştır. Radar ve sesötesi gibi sinyal işleme alanlarında uygulanan ve sinyal-gürültü oranını arttıran Bölünmüş İzge İşleme yöntemi, doğrusal devinim büyütme yönteminin zamansal işleme katmanında başarıyla kullanılmıştır. Önerilen yöntem ve doğrusal devinim büyütme yöntemi, büyütme işlemi için kayda alınan nabız videosu ve kontrollü deney üzerinde uygulanmıştır. Değerlendirme yöntemlerinden yapısal benzerlik indeksi ile en büyük işaret gürültü oranı üzerinden sonuçlar karşılaştırılmış ve iyileştirmeler gösterilmiştir.
  • Öge
    Sözdizimi metodu ile elektrokardiyografi işaretlerinin analizi
    (Fen Bilimleri Enstitüsü, 1996) Özenç, Sergin ; Korürek, Mehmet ; Biyomedikal Mühendisliği ; Biomedical Engineering
    Aritmiler temel olarak iki ana guruba ayrılabilir. Birincisi ritim bozukluktan veya düzensizlikleri, ikincisi dalga şeklindeki şekil bozukluktandır. Aritmilerin kliniksel önemi anlaşıldıkça, bu olayları ortaya çıkartacak güvenilir ve otomatik dedektörlerin geliştirilmesine ihtiyaç duyuldu. EKG' deki şekil bozukluklarının şu anki sistemlerle gerçek zamanda otomatik olarak bulunması oldukça zor olmaktadır. Düşük işaret/gürültü oranlan ve hesaplamadaki kısıtlamalardan dolayı, günümüzdeki teknoloji, P ve T dalgalarının gerçek zamanda, standart yüzey monitör elektrodlar ile belirlenmesinde yetersiz kalmaktadır. Analizin bu şekilde tamamlanamamasından dolayı, işlem sadece QRS morfolojisi ve zamanlama üzerine yorum getirmektedir. Sözdizimi metodunun bu zorlukların aşılmasına ve problemin çözümüne ne oranda katkı yapabileceğini görebilmek için, ilk etapta, en kolay problem olan QRS deteksiyonu, sözdizimi metoduyla, bir PC de gerekli programı yazmak suretiyle gerçeklendi. Sözdizimi metodu ile deteksiyon yapmanın ilk basamağı işaretin ilksellerinin belirlenmesidir. Bunun için Gustavo Belforte' un sözdizimi metoduyla QRS deteksiyonu için ortaya attığı algoritmadan yararlanıldı. Buna göre, filtrelenmiş EKG' nin türev karesi alınarak, genlik belli sayıda eşik seviyelerine bölünmüş ve her eşik seviyesi terminal elemanları olarak bir küçük harf ile sembolize edilmişlerdir. Bu şekilde QRS komplekslerinin sözdizimleri çıkartıldı. Sözdizimi metodu ile şekil tanıma probleminde, biri öğrenme modu diğeri de çalışma modu olmak üzere iki ana bölüm vardır, öğrenme modunda aynı sınıfa ait işaretlerin sözdizimleri çıkartılarak o sınıfa ait bir gramer oluşturulur. Çalışma modunda da gelen işaretlerin sözdizimleri çıkartılarak, bu sözdizimlerinin söz konusu sınıfa ait gramere uyup uymadığı kontrol edilir. Eğer uyuyorsa işaret bu sınıftandır denir. Yapılan bilgisayar programında bu anlatılan işlemler gerçekleştirilerek QRS deteksiyonu başarıldı. P ve T tepelerinin de dedekte edilebilmesi için Gustavo Belforte tarafından ortaya atılan algoritma geliştirildi. EKG' nin türev karesini almak yerine bölüm 4' te anlatılan formül uygulandı. Bu şekilde hem QRS komplekslerini hem de P ve T tepelerini dedekte etme imkanı elde edildi. Daha ileriki aşamada bir periyodluk EKG işaretinin şeklini tanıyabilmek için, bir periyodluk EKG' nin sözdizimini verebilecek şekilde algoritma geliştirildi. Ancak bu son algoritmanın gramatik yorum bölümünde bazı problemlerle karşılaşıldı. Bu problemlerin sebebi ve çözüm için öneriler son bölümde anlatıldı. Fakat bu çözümleri bilgisayarda deneme imkanı olmadı. Bu tez çalışmasında, Gustavo Belforte' un sözdizimi metoduyla QRS deteksiyonu için ortaya attığı algoritmadan yola çıkmakla beraber, bu algoritmaya bağlı kalınmamış, QRS deteksiyonundan daha ileri amaçlan gerçekleştirebilmek için algoritma geliştirilerek konuya yeni bir boyut katılmıştır.