Geri Dön

Deep learning approach for laboratory mice grimace scaling

Laboratuvar faresi yüz ağrı ifadesi derecelendirmesı için derin öğrenme

PDF İndir

  1. Tez No: 441953
  2. Yazar: MUSTAFA ERAL
  3. Danışmanlar: PROF. DR. UĞUR HALICI
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Yapay sinir ağları, Artificial neural networks
  7. Yıl: 2016
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Derin öğrenme günümüz bilim dünyasında özellikle örüntü tanıma ve yapay zeka ile öğrenme alanlarında oldukça popülerdir. Bu alanlarda hali hazırda sürmekte olan çalışmalar, derin öğrenme yönteminin gelistirilmesiyle beraber büyük bir hızlanma kazanmıştır. Bu çalışmada, ilaç verilerek ağrı çeker hale getirilmiş laboratuvar farele- rinin acı çekme derecesini ölçmek amacıyla derin öğrenme yöntemi kullanılmıştır. Bu amaçla deney altındaki fare yüzlerinin bulunduğu videolar, çerceve çerçeve tıbbi uz- manlar tarafından Mouse Grimace Scale(MGS) etiketlenmiş, sonrasında bu videolar evrişimsel sinir ağını eğitmek için kullanılmıştır. Evrişimsel sinir ağlarının sınıfland- rıma yetisini daha iyi gösterebilmek için, aynı sınıflandırma işlemi kernel tabanlı bazı makine öğrenme algoritmalarıyla da tekrar edilmiş ve sonuçlar kıyaslanmıştır. Ya- pay ağı eğitme ve test işlemleri iki adet güçlü grafik kartı bulunan iş istasyonunda gerçekleştirilmiştir.

Özet (Çeviri)

Deep learning is extremely attractive research topic in pattern recognition and machine learning areas. Applications in speech recognition, natural language processing, and machine vision fields gained huge acceleration in performance by employing deep learning. In this thesis, deep learning is used for medical purposes in order to scale pain degree of drug stimulated mice by examining facial grimace. For this purpose each frame in the videos in the training set were scaled manually by experts according to Mouse Grimace Scaling(MGS) manual and these frames were used for training a convolutional neural network. For testing the network, another set of videos which was not used for training before, was used. In order to show the classification power of convolutional neural networks, the same classification tasks are performed with some classic kernel based machine learning algorithms and results are compared. For training and testing, a workstation having two powerful graphic card(GPU) is used.

Benzer Tezler

  1. Tez No

    722503

    Benek gürültüsü gidermeye dayalı veri artırma ile derin ağlarda radar hedef sınıflandırma

    Despeckling based data augmentation approach in deep learning based radar target classification

    ŞAKİR HÜDAİ MERT CEYLAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. IŞIN ERER

  2. Tez No

    878652

    Prediction of pore pressure and deviatoric stress generation for liquefiable soils under cyclic loading using machine learning

    Sıvılaşabilen zeminlerde dinamik yükleme durumunda boşluk suyu basıncı ve deviatorik gerilme değişiminin makine öğrenmesi yöntemleriyle tahmin edilmesi

    ÖMER TUĞŞAD BİRİNCİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Deprem Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET BARIŞ CAN ÜLKER

  3. Tez No

    642057

    Towards adaptive brain-computer interfaces: Statistical inference for mental state recognition

    Uyarlanabilir beyin-bilgisayar arayüzlerine doğru: Zihinsel durum tanıma için istatistiksel çıkarım

    MASTANEH TORKAMANI AZAR

    Doktora

    İngilizce

    İngilizce

    2020

    Elektrik ve Elektronik MühendisliğiSabancı Üniversitesi

    Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MÜJDAT ÇETİN

    Prof. Dr. SELİM SAFFET BALCISOY

  4. Tez No

    775637

    A mobilenet based CNN model with a novel fine tuning mechanism for COVID-19 infection detection

    COVID-19 enfeksiyon tespiti için yeni bir ince ayar mekanizmasına sahip mobilenet tabanlı CNN modeli

    ERCAN GÜRSOY

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAdana Alparslan Türkeş Bilim ve Teknoloji Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YASİN KAYA

  5. Tez No

    725335

    Microwave dielectric property characterization with open-ended coaxial probe and sensing depth analysis of the probes for biological tissues

    Açık uçlu koaksiyel prob ile mikrodalga dielektrik özellik tanımlaması ve biyolojik dokular için probların algılama derinlik analizi

    CEMANUR AYDINALP

    Doktora

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TUBA YILMAZ ABDOLSAHEB

Geri Dön