Bu öğeden alıntı yapmak, öğeye bağlanmak için bu tanımlayıcıyı kullanınız: http://acikerisim.ktu.edu.tr/jspui/handle/123456789/4392
Tüm üstveri kaydı
Dublin Core AlanıDeğerDil
dc.contributor.authorKarakullukçu, Erdinç-
dc.date.accessioned2022-07-22T13:38:43Z-
dc.date.available2022-07-22T13:38:43Z-
dc.date.issued2020-01-
dc.identifier.urihttp://acikerisim.ktu.edu.tr/jspui/handle/123456789/4392-
dc.description.abstractYanık uzmanlarının nadiren bulunduğu özellikle kırsal kesim acil servislerinde, yanık yarasının fotoğraflarının çekilmesi ve görüntülerin yanık uzmanları tarafından incelenebileceği tam teşekküllü bir sağlık merkezine gönderilmesi ile hastaya yapılacak ilk müdahaleye karar verilebilmektedir. Sunulan tezin amacı, yanık hastalarına ilişkin 105 adet dijital (2D) görüntüdeki sağlıklı ve yanık deriye ilişkin bölgelerin tespit edilebilmesidir. Tezde bu amaç doğrultusunda, iki tip yaklaşım önerilmiştir. Segmentasyon ve sınıflandırma olmak üzere iki aşamadan oluşan ilk yaklaşımda, literatürde yaygın olarak kullanılan 4 segmentasyon ve 10 sınıflandırma yönteminin performansı, değişen renk uzaylarına (CIE L*a*b*, HSV, YCbCr) ve sınıflandırıcı eğitiminde kullanılan öznitelik matrislerine (gri seviye histogram istatistikleri, Haralick öznitelikleri, ortalama parlaklık değerleri) göre değerlendirilmiştir. En iyi sınıflandırma performansı, CIE L*a*b* renk uzayının a* ve b* renk kanallarının FCM'de girdi verisi olarak kullanıldığı ve segmente edilmiş görüntüdeki her bir bölgenin ileriye doğru seçim sonrasında elde edilen 9 adet Haralick özniteliği kullanılarak eğitilmiş yapay sinir ağı modeli ile sınıflandırıldığı durumda elde edilmiştir. 5-katmanlı çapraz doğrulamada hesaplanan ortalama F-skoru %74.28 olarak bulunmuştur. Sunulan tezde kullanılan ikinci yaklaşımda, U-Net ve SegNet mimarileri, iki çeşit eğitim seti kullanılarak eğitilmiş ve 64x64 piksel boyutundaki bloklar ile eğitilen SegNet modeli 5-katmanlı çapraz doğrulama ortamında %80.5'lik bir ortalama F-skoru elde etmiştir.tr_TR
dc.language.isotrtr_TR
dc.publisherKaradeniz Teknik Üniversitesi / Fen Bilimleri Enstitüsütr_TR
dc.subjectYanık, Deri, Sınıflandırma, Segmentasyon, Derin öğrenme, Semantik segmentasyon, SegNet, U-Nettr_TR
dc.subjectBurn, Skin, Classification, Segmentation, Deep learning, Semantic segmentation, SegNet, U-Nettr_TR
dc.titleYanık görüntülerinin çok değişkenli istatistiksel yöntemler ve derin öğrenme yaklaşımları ile analizitr_TR
dc.title.alternativeAnalysis of burn images by multivariate statistical methods and deep learning approachestr_TR
dc.typeThesistr_TR
Koleksiyonlarda Görünür:İstatistik ve Bilgisayar Bilimleri

Bu öğenin dosyaları:
Dosya Açıklama BoyutBiçim 
620703.pdf5.55 MBAdobe PDFKüçük resim
Göster/Aç


DSpace'deki bütün öğeler, aksi belirtilmedikçe, tüm hakları saklı tutulmak şartıyla telif hakkı ile korunmaktadır.