Bulanık-yapay sinir ağları ile biyomedikal görüntü işlenmesi
- Global styles
- Apa
- Bibtex
- Chicago Fullnote
- Help
Abstract
ÖZET Bulanık- Yapay Sinir Ağlarıyla Biyomedikal Görüntü İşleme Bu tez çalışmasıyla Bulanık Yapay Sinir Ağlan'nın (BYSA) biyomedikal görüntü verilerini değerlendirmekte yararlı bir araç olduğu gösterilmeye çalışılmıştır. Yapay sinir ağlarının başarılı bir eğitilebilir sınıflandırıcı olarak kabul görmesi ve bulanık mantık sistemlerinin otomatik kontrol proseslerinde geleneksel kontrol sistemlerine göre ve ikili mantık sistemlerine göre daha anlaşılır modellerle çalışması zamanla her iki sistemin bütünleştirilmesi fikrini doğurmuştur. BYSA verimli bir birleşik sistem olarak tıbbi görüntüleri değerlendirmek için kullanıldığında önemli yararlar sağlayacaktır. Bu tez çalışması kapsamında vücut dışından böbrek taşı kırılması işleminde kullanılan tıbbi bir aygıtın kontrolünün, röntgen görüntülerinin BYSA' lar ile yorumlanması sonucu daha başarılı olarak gerçekleştirilebileceği, uygulama olarak çalışılmıştır. İlk bölümde konu genel anlamda kısaca tarif edilmeye çalışılmıştır. ikinci bölüm olan Malzemeler ve Yöntem bölümü beş alt bölüm altında incalanmiştir. Birinci bölümde görüntü işleme teorisinin yapıtaşlarını oluşturan temel yaklaşımlar incelenmiştir. Sinyalleri zaman serileri olarak inceleyen yaygın sinyal işleme yöntemlerinden türetilmiş olarak iki boyutlu görüntü sinyallerinin analizi anlatılmıştır. ikinci bölümde yapay sinir ağlarına değinilmiştir. Yapay sinir ağlan kapsam olarak geniş bir konudur ancak yapay sinir ağlarının temelleri oldukça anlaşılabilir olan birkaç kuralla belirlenir. Çeşitli yapay sinir ağı topolojilerine ve yapay sinir ağlarının eğitim yöntemlerine bu bölümde değinilmiştir. IXÜçüncü bölümde geleneksel bulanık mantık sistemleri anlatılır. Bulanık mantık sisteminin bileşenleri olan üyelik fonksiyonları ve kurallar tarif edilir. Uygulamalarına kısaca değinilmiştir. Dördüncü bölüm yapay sinir ağlarıyla bulanık mantık sisteminin başarılı bir birleşimi olan BYSA'lann yapışma detaylıca değinir. Tezde kullanılan BYSA modelinin matematiksel tarifi bu bölümde yapılmıştır. Beşinci bölümde, ESWL (Extracorporeal Shock Wave Lithotripsy) aygıtı hakkında bilgi verilmiştir. Üçüncü Bölüm uygulama bölümüdür. Çalışma konusu olarak seçilmiş böbrek taşı kırma işlemine bu bölümde değinilir. Öncelikle uygulamada kullanılan görüntü işleme yaklaşımına değinilmiştir. Daha sonra bir BYSA oluşturulmuştur. Daha sonra çeşitli örnek görüntü verilerini işleyerek bulanık mantık sisteminin aldığı değerler tarif edilir. Yapılan denemelerde başarılı sonuçlar elde edilmiştir. Bu sonuçlar çeşitli grafiklerle açıklanmaktadır. X SUMMARY Biomedical Image Processing With Neuro-Fuzzy In this thesis study it is proposed that the Adaptive Neuro Fuzzy Inference Systems (ANFIS) are useful tools in biomedical image processing applications. The widespread acceptance of Neural Networks as successful trainable classifiers and renown of Fuzzy Inference Systems (FIS) applications in system control, wherever it is preferred to binary logic and ordinary control theory, made its way to the integration of both systems as a new mathematical phenomenon. The ANFIS as a successful integration will provide valuable benefits in biomedical image processing. In the content of this thesis study, it is experienced that the control of an Extracorporal Shock Wave Lithotripsy (ESWL), a device used in kidney stone crushing operations, will be better successful with an ANFIS system that have input values obtained from some evaluations on x-ray images. The first part is a brief introduction to the subject The second part is studied five section. The first part involves with the building stones of image processing theory. The analysis methods derived from the approach considering signals one dimensional time series. The evaluations of images as two dimensional signals are described. Second part covers neural networks. Neural networks is a large subject but still have a basic and easy understandable constructions. Different network topologies and training algorithms are mentioned in this part. Third part describes traditional fuzzy logic systems. The components of fuzzy logic systems such as membership functions and rules are introduced. Its applications are subjected. XIFourth part is a detailed description of ANFIS. The description of mathematical models for ANFIS systems used in this thesis is made. Fifth part describes information about ESWL device. Third part is the implementation part. As precedence the image processing approach in the project is described. After this an ANFIS is created, followed by a training section with the input values obtained from x-ray images. Experiments gave successful results and this results are represented within figures of graphs. xn
Collections