MS segmentation by using MRI images
MR görüntüleri kullanarak MS bölütlemesi
- Tez No: 213079
- Danışmanlar: Y.DOÇ.DR. AHMET ÖZKURT
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Multiple Sclerosis, Manyetik Rezonans Görüntüleme, Bölütleme, Yapay Sinir Ağları, Fuzzy C-Means, K-Means, Kümeleme, Temel Bileşen Analizi (PCA), Bağımsız Bileşen Analizi (ICA), Bağımsız bileşen analizi, Multipl skleroz, Multiple Sclerosis, Magnetic Resonance Imaging, Segmentation, Artificial Neural Network, Fuzzy C-Means, K-Means, Clustering, Principle Component Analysis (PCA), Independent Component Analysis (ICA), Independent component analysis
- Yıl: 2007
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Multiple Sclerosis (MS), merkezi sinir sistemi, beyin ve omuriliği etkileyen bir hastalıktır. MS lezyonlarının içsel heterojen yapısı MR görüntülerine yansır ve lezyonların sağlıklı beyin dokusundan ayrılması sırasında zorluklarla karşılaşılır. Lezyonların otomatik bölütlenmesi MS'in tanımlanması ve izlenmesi açısından gereklidir. Bu çalışmada, MS lezyonlarının bölütlenmesi için farklı doku sınıflandırma teknikleri karşılaştırıldı. Yapay sinir ağları, güdümlü yöntem olarak dikkate alındı. Bağımsız bileşen analizi (ICA) ve temel bileşen analizi (PCA) ile birleştirilmiş fuzzy c-means, k-means ve k-medoid kümeleme yöntemleri ile çok seviyeli geri yayılım sinir ağları algoritmaları karşılaştırıldı ve sonuçlar değerlendirildi.
Özet (Çeviri)
Multiple Sclerosis (MS) is a disease of the central nervous system, brain and spinal cord. The inherent heterogeneity of MS lesions, which is reflected on MR images, causes some of the difficulties encountered while attempting to separate lesions from healthy brain tissue and cerebro-spinal fluid. Automated segmentation of the lesions is useful for trace and diagnosis of MS. In this study, different tissue classification techniques are compared for segmentation of the MS lesions. Artificial neural networks are considered as supervised segmentation techniques and clustering algorithms are considered as unsupervised techniques. Fuzzy C-Means, K-Means and K-medoid clustering techniques with Principle Component Analysis, Independent Component Analysis and Multi Layer Back Propagation Neural Network algorithms are compared and results are evaluated.
Benzer Tezler
- Color image segmentation: Multithresholding and constraint satisfaction methods
Renkli imge bölütleme: Çoklueşikleme ve kısıt sağlama metodları
FATİH KURUGÖLLÜ
Doktora
İngilizce
2000
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. A. EMRE HARMANCI
- Automatic speech segmentation and database annotation
Otomatik konuşma bölütlendirme ve veri tabanı etiketlendirme
İ. YÜCEL ÖZBEK
Yüksek Lisans
İngilizce
2002
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MÜBECCEL DEMİREKLER
- Electro-magnetic source imaging using realistic head models
Gerçekçi kafa modelleri kullanarak elektro-manyetik kaynak görüntüleme
ZEYNEP AKALIN ACAR
Doktora
İngilizce
2005
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Bölümü
PROF.DR. NEVZAT GENÇER
- Periferik yayma sonuçlarının bilgisayarda yorumlanması
Evaluating the results of peripheral propagation on the computer
TOLGA KARADENİZ
Yüksek Lisans
Türkçe
2008
BiyomühendislikKaradeniz Teknik ÜniversitesiBilgisayar Mühendisliği Bölümü
PROF. DR. VASİF V. NABİYEV
- Model based human face detection using skin color segmentation
Ten rengi kullanarak model tabanlı insan yüzü bulma
EYLEM ÖZBAY
Yüksek Lisans
İngilizce
2005
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankaya ÜniversitesiBilgisayar Mühendisliği Bölümü
DR. REZA HASSANPOUR