Yazar "Alpaslan, Nuh" seçeneğine göre listele
Listeleniyor 1 - 16 / 16
Sayfa Başına Sonuç
Sıralama seçenekleri
Öğe Automated Melanoma Recognition in Dermoscopic Images Based on Extreme Learning Machine (ELM)(Spie-Int Soc Optical Engineering, 2017) Rahman, Md Mahmudur; Alpaslan, NuhMelanoma is considered a major health problem since it is the deadliest form of skin cancer. The early diagnosis through periodic screening with dermoscopic images can significantly improve the survival rate as well as reduce the treatment cost and consequent suffering of patients. Dermoscopy or skin surface microscopy provides in vivo inspection of color and morphologic structures of pigmented skin lesions (PSLs), rendering higher accuracy for detecting suspicious cases than it is possible via inspecting with naked eye. However, interpretation of dermoscopic images is time consuming and subjective, even for trained dermatologists. Therefore, there is currently a great interest in the development of computer-aided diagnosis (CAD) systems for automated melanoma recognition. However, the majority of the CAD systems are still in the early development stage with lack of descriptive feature generation and benchmark evaluation in ground-truth datasets. This work is focusing on by addressing the various issues related to the development of such a CAD system with effective feature extraction from Non-Subsampled Contourlet Transform (NSCT) and Eig(Hess) histogram of oriented gradients (HOG) and lesion classification with efficient Extreme Learning Machine (ELM) due to its good generalization abilities and a high learning efficiency and evaluating its effectiveness in a benchmark data set of dermoscopic images towards the goal of realistic comparison and real clinical integration. The proposed research on melanoma recognition has huge potential for offering powerful services that would significantly benefit the present Biomedical Information Systems.Öğe Calculation of melatonin and resveratrol effects on steatosis hepatis using soft computing methods(Elsevier Ireland Ltd, 2013) Talu, M. Fatih; Gul, Mehmet; Alpaslan, Nuh; Yigitcan, BirgulIn this work, beneficial effects of melatonin and resveratrol drugs on liver damage in rats, induced by application of acute and chronic carbon tetrachloride (CCl4) have been examined. The study consists of three main stages: (1) Data acquisition: light microscopic images were obtained from 60 rats separated into 10 groups after the preparation of liver tissue samples for histological examination. Rats in first five experimental groups for the four-day and the other five groups for twenty-day were examined. (2) Data processing: by the help of histograms of oriented gradient (HOG) method, obtaining low-dimensional image features (color, shape and texture) and classifying five different group characteristics by using these features with artificial neural networks (ANNs), and support vector machines (SVMs) have been provided. (3) Calculation of drug effectiveness: firstly to determine the differences between group characteristics of rats, a pilot group has been selected (diseased group-CCl4), and the responses of ANN and SVM trained by HOG features have been calculated. As a result of ANN, it has been seen that melatonin and resveratrol drugs have %65.62-% 75.12 positive effects at the end of the fourth day, %84.12-%98.89 positive effects on healing steatosis hepatis at the end of the twentieth day respectively and as a result of SVM, it has been seen that melatonin and resveratrol drugs have %62.5-%68.75 positive effects at the end of the fourth day, %45.12-%60.89 positive effects on healing steatosis hepatis at the end of the twentieth day respectively. (C) 2013 Elsevier Ireland Ltd. All rights reserved.Öğe Cilt Lezyon Bölütlemesi için Metasezgisel Temelli Otsu Eşikleme Yöntemi(2020) Şahin, Nurullah; Alpaslan, NuhMelanom yapısal DNA hasarından kaynaklı en ölümcül cilt kanseri türlerinden olmakla beraber erken tanı konulması durumunda hayatta kalma oranı oldukça yüksektir. Melanom teşhisi, lezyon bölgesine ait dermoskopi görüntülerinin dermatolog tarafından görsel olarak incelenmesi ile konulur. Kesin tanı ise lezyon bölgesinden doku örneği alınıp patolojik inceleme sonrası ortaya çıkmaktadır. Patolojik inceleme hem çok zaman alan hem de maliyetli bir yöntemdir. Dermatologlar tarafından yapılabilecek hataları en aza indirmek ve melanomun doğru teşhisi için hekime yardımcı olmak için çok sayıda bilgisayar destekli tanı sistemi geliştirilmiştir. Lezyon bölgesinin doğru biçimde bölütlenmesi, özellik çıkarımı ve sınıflandırma performansını doğrudan etkilediği için kritik öneme sahiptir. Bu çalışmada öncelikle yeniden boyutlandırma, siyah çerçeve silme ve kıl silme gibi bir dizi önişleme adımı uygulanmıştır. Daha sonra gri seviyeye dönüştürülmüş görüntünün histogramı elde edilerek lezyon bölgesini sağlıklı ciltten ayırmak için uygun eşik değerini bulmak için geleneksel Otsu, Otsu tabanlı HA, SA ve PSO yöntemleri uygulanmıştır. Bulunan en uygun eşik değerine göre görüntü ikili görüntüye dönüştürülerek nihai lezyon bölgesi elde edilir. Sonuç olarak, ortalama iterasyon sayılarına göre çalışma süresi hesaplandığında, PSO, HA, SA yöntemlerinin bölütleme başarımından ödün vermeden geleneksel Otsu yöntemine göre sırasıyla %40, %29 ve %28.5 daha hızlı optimal eşik değerini bulduğu gözlemlenmiştir.Öğe Classification of Breast Masses in Mammogram Images using KNN(Ieee, 2015) Alpaslan, Nuh; Kara, Asuman; Zencir, Busra; Hanbay, DavutBreast cancer is one of the most deadly diseases for women. Mammogram is very important imaging tecnique used diagnosis in early stages of breast cancer. In this study, a decision support system which helps experts to examine mammogram images in the fight against breast cancer is developed. In this study, firstly several preprocesses are applied to mammogram to make image clear and segmentation of mass is provided with an appropriate threshold value. After the segmentation processes, features of the tumor mass are obtained. The obtained features are classified as normal, benign or malignant using kNN (k-nearest neighbours) classifiers. In this study, its have been were shown that, effect of kurtosis, skewness and wavelet energy features on classification performance is shown. As a result, it has been seen that, these features improve the classification performance.Öğe Computer-aided Tumor Detection System Using Brain MR Images(Ieee, 2015) Ari, Ali; Alpaslan, Nuh; Hanbay, DavutIn today's technology, computer assisted detection applications have managed to make great contributions to the field of medicine. Computer assisted detection systems aim to help radiologist about mass detection by using image processing systems. In this study, it's aimed to carry out mass detection process on the images of 3D brain MRI (Magnetic Resonance Imaging). The steps followed in this study are the stage of pre-processing the stage of segmentation, identification of the areas of interests and identification of tumor. As a result of processing's in the stages of preprocessing and segmentation, obtained areas of interests are labelled and attributes of these areas of interests are extracted during the stage of attributes extraction and in the last stage, the areas of interests are identified as whether they are mass or not according to these attributes. With this method applied on 845 number of magnetic resonance image sections belonging to 13 patients, it has been achieved classification success with 86.39%.Öğe Continuous rotation invariant features for gradient-based texture classification(Academic Press Inc Elsevier Science, 2015) Hanbay, Kazim; Alpaslan, Nuh; Talu, Muhammed Fatih; Hanbay, Davut; Karci, Ali; Kocamaz, Adnan FatihExtracting rotation invariant features is a valuable technique for the effective classification of rotation invariant texture. The Histograms of Oriented Gradients (HOG) algorithm has been proved to be theoretically simple, and has been applied in many areas. Also, the co-occurrence HOG (CoHOG) algorithm provides a unified description including both statistical and differential properties of a texture patch. However, HOG and CoHOG have some shortcomings: they discard some important texture information and are not invariant to rotation. In this paper, based on the original HOG and CoHOG algorithms, four novel feature extraction methods are proposed. The first method uses Gaussian derivative filters named GDF-HOG. The second and the third methods use eigenvalues of the Hessian matrix named Eig(Hess)-HOG and Eig(Hess)-CoHOG, respectively. The fourth method exploits the Gaussian and means curvatures to calculate curvatures of the image surface named GM-CoHOG. We have empirically shown that the proposed novel extended HOG and CoHOG methods provide useful information for rotation invariance. The classification results are compared with original HOG and CoHOG algorithms methods on the CUReT, KTH-TIPS, KTH-TIPS2-a and UIUC datasets show that proposed four methods achieve best classification result on all datasets. In addition, we make a comparison with several well-known descriptors. The experiments of rotation invariant analysis are carried out on the Brodatz dataset, and promising results are obtained from those experiments. (C) 2014 Elsevier Inc. All rights reserved.Öğe A decision support system based on content-based image retrieval for breast cancer diagnosis(İnönü Üniversitesi, 2017) Alpaslan, NuhMeme kanseri, akciğer kanserinden sonra kadınlarda kanser ölümlerinin en önemli ikinci sebebidir. Meme kanserinin erken bulgularının tespit edilmesi için uzmanlar tarafından genellikle mamogramlar kullanır. Bu sadece tedavi maliyetini değil aynı zamanda hastaların ölüm oranlarını da düşürmektedir. Bununla birlikte, mamogramların yorumlanması genellikle özneldir ve daha düşük duyarlılık ve özgüllük değerleri ile zordur. Bu tezde, göğüs kitlelerinin otomatik tespiti, sınıflandırılması ve erişimi için entegre bir sistem sunulmuştur. Sistemin amacı görüntüleri iyi huylu, kötü huylu veya normal olarak tahmin edebilmenin yanında ilgili geçmiş vakalara erişim sağlayarak ve görüntüleyerek karar verme sürecine yardımcı olmaktır. Bu kapsamda 3 farklı sistem önerilmiştir. Önerilen ilk sistemde, kitlenin geometrik özellikleri ve önerilen ghsthog, ghstcohog, ghsthogcohg öznitelikleri meme kitlesini ifade etmek için kullanılmıştır. Önerilen ikinci sistemde öznitelik çıkarımı için kitleye ait dokusal, geometrik, alt örnekleme olmayan çevritsel dönüşüm ve önerilen Eig(Hess)-HOG yöntemi kullanılmıştır. Her yöntemin avantajları ve dezavantajları geleneksel yöntemlerle ayrıntılı olarak tartışılmıştır. Son olarak, sınıflandırma ve erişim, destek vektör makinesi ve aşırı öğrenme makinası kullanılarak gerçekleştirilmiştir. Ayrıca, derin öznitelik tabanlı bir sistem geliştirilmiştir. Bu sistemde, hekimlerin kitle hakkındaki kararları, üst düzey derin öznitelikler ile ifade edilmiştir. Sonrasında, yukarıdaki özniteliklere dayalı iki aşırı öğrenme makinası sınıflandırıcısı test görüntülerinin türünü tahmin etmek için kullanılmıştır. Farklı özniteliklere dayalı sınıflandırıcıların sonuçları, test görüntülerinin türünü belirlemek için analiz edilmiştir. Görüntü erişimi ve sınıflandırma performansları, hem kesinlik-duyarlılık hem de sınıflandırma doğrulukları kullanarak iki farklı veri setinde değerlendirilip karşılaştırılmıştır. Deneysel sonuçlar, önerilen sistemin etkililiğini ve gerçek zamanlı klinik uygulamalardaki kullanılabilirliğini göstermektedir.Öğe Determining Noise Performance of Co-Occurrence GMuLBP on Object Detection Task(Spie-Int Soc Optical Engineering, 2013) Alpaslan, Nuh; Turhan, Mehmet Murat; Hanbay, DavutObject detection is currently one of the most actively researched areas of computer vision, image processing and analysis. Image co-occurrence has shown significant performance on object detection task because it considers the characteristic of objects and spatial relationship between them simultaneously. CoHOG has achieved great success on different object detection tasks, especially human detection. Whereas, CoHOG is sensitive to noise and it does not consider gradient magnitude which significantly effects the object detection accuracy. To overcome these disadvantages the CoGMuLBP was proposed. CoGMuLBP uses a new statistical orientation assignment method based on uniform LBP instead of using the common gradient orientation In this study, detection accuracies of CoGMuLBP and CoHOG are calculated on three different datasets with NN classifier. In addition, to evaluate the noise performance of the methods, gaussian noises were added to test images and performances were recalculated. Numerical experiments performed on three different datasets show that 1) CoGMuLBP has higher detection accuracy than CoHOG; 2) using uniform LBP based gradient orientation improves detection accuracy; and 3) CoGMuLBP is more robust to gaussian noise and illumination changes. These results provide the effectiveness of CoGMuLBP for object detection.Öğe Dikdörtgen Parçalar ile İki Boyutlu Kesme ve Paketleme Problemi için Sezgisel Yöntemler Kullanılan Bir Hibrit Metodoloji(2019) Fırat, Hüseyin; Alpaslan, Nuh; Hanbay, DavutÖz: Kesme ve paketleme problemi, endüstrilerde farklı amaçlar için kullanılan malzemelerden belirli büyüklük ve oranlarda küçük parçaların kesilmesi işlemidir. Bu problem, matematiksel modellerle ifade edilemediğinden dolayı, çözüm için çok boyutlu uzayda kombinasyonel optimizasyon kullanılır. Bu problemin amacı, yerleştirme işlemi için kullanılan malzemenin kullanılabilirliğini arttırmak ve fire oranını minimize etmektir. Bu çalışmada, iki boyutlu düzenli kesme ve paketleme problemine, geliştirilmiş alt-sol, alt-sol dolgu yerleşim algoritmaları, uygun olmayan çokgen ve ilk uygun azalan sezgisel algoritmalarından oluşan birleştirilmiş bir yöntem ile çözüm sunulmuştur. Parçaların belirli bir permütasyon sırasına göre alt-sol kısımdan başlayarak yerleşimi için geliştirilmiş alt-sol yerleşim algoritması, yerleşim modelinde mevcut boş alanlara uygun parçaların yerleştirilmesi için alt-sol dolgu algoritması, parçalar arasında geometrik çakışmayı önlemek için uygun olmayan çokgen yöntemi ve parçalar alanlarına göre büyükten küçüğe doğru sıralandıktan sonra seçim algoritması olarak da ilk uygun azalan sezgisel algoritması kullanılmaktadır. 11 farklı test verisi için yerleştirme işlemi gerçekleştirilmiş ve performans değerlendirilmesi yapılmıştır. Birleştirilmiş sezgisel yöntemlerle gerçekleştirilen çalışmalar sonucunda P2 ve P10 yerleşim modellerinde firesiz bir yerleşim olduğu görülmektedir. Bu da optimal çözümün elde edildiğini göstermektedir. Diğer yerleşim modellerinde ise, % 4.54 ile % 16.7 aralığında fire oranı elde edilmiştir. Deneysel sonuçlar, kesme ve paketleme probleminin çözümü için önerilen sezgisel yöntemlerin etkinliğini göstermektedir.Öğe Gradyan tabanlı heterojen öznitelik çıkarma yöntemlerine yeni yaklaşımlar(İnönü Üniversitesi, 2013) Alpaslan, NuhBu tez çalışmasında heterojen öznitelik tanımlayıcıları olarak bilinen Co-occurrence histogram of oriented gradients (CoHOG) ve Co-occurrence Histograms of pairs of Edge orien¬tations and color Differences (CoHED) yöntemlerinin dezavantajlarını ortadan kaldıran yeni bir yöntem önerilmiştir. Daha önce önerilen geleneksel yöntemler kenar yönelimlerinin belirlenmesi için çift açı sunumu (double angle representation) yöntemini kullanmaktadır. Çift açı sunumu yöntemi tanımlayıcı kalitesinde hayati rol oynamaktadır. Bununla beraber, çift açı sunumu yönteminin 3 önemli dezavantajı bulunmaktadır. Bu dezavantajlar reel ve kompleks eksen arasındaki dönüşüm sırasındaki zaman kaybı, gradyan değişimlerini daha az ifade edebilme yeteneği ve matematiksel karmaşıklıktır. Önerilen yöntem (cgCoHOG ve cgCoHED) bahsedilen dezavantajları çift açı yönteminin yerine renkli gradyan (color gradient) yöntemi kullanarak giderebilmektedir. Renkli gradyan yöntemi renk bilgisinin tüm avantajlarını kullanmaktadır ve uygun hesapsal maliyeti ile tutarlı sonuçlar vermektedir. Bu tez çalışmasında önerilen cgCoHOG ve cgCoHED öznitelik tanımlayıcılarının 2 önemli katkısı bulunmaktadır. Birincisi, öznitelik vektör boyutunu artırmadan sınıflandırma sürecinde geleneksel yöntemlerden daha doğru sonuçların elde edilmesini sağlamaktadır. İkinci katkısı ise, bu vektörleri geleneksel yöntemlerden daha kısa sürede elde etmesidir. Bu bahsedilen katkılar önerilen yöntemleri yaya tanıma gibi gerçek zamanlı uygulamalar oldukça kullananılabilir kılmaktadır. Deneysel sonuçlar önerilen yöntemin zaman ve sınıflandırma doğruluğu açısından geleneksel yöntemlerden üstünlüğünü açıkça ortaya koymaktadır.Öğe A Hybrid Methodology Using Heuristic Methods for Two-Dimensional Cutting and Packing Problem with Rectangular Pieces(Gazi Univ, 2019) Firat, Huseyin; Alpaslan, Nuh; Hanbay, DavutThe cutting and packing problem is the process of cutting small pieces of certain sizes and proportions from materials used for different purposes in industries. Because this problem cannot be expressed by mathematical models, combinational optimization in multidimensional space is utilized for the solution. The aim of this problem is to increase the usability of the material used for the placement process and to minimize the trim loss. In this study, a solution is presented to two-dimensional regular cutting and packing problem by a combined method consisting of improved bottom-left, bottom-left fill placement algorithms, no-fit polygon and first fit decreasing heuristic algorithms. The improved bottom-left placement algorithm for the placement of parts starting from the bottom-left part according to a certain permutation order, bottom-left fill algorithm for the placement of suitable pieces to the available free spaces in placement model, no-fit polygon method for preventing the geometric overlap between the parts and the first fit decreasing heuristic algorithm is used as the selection algorithm after ordering from large to small according to the parts areas. Placement process and performance evaluation was performed for 11 different test data. As a result of the studies carried out with combined heuristic methods, it is seen that there is a placement without any waste in P2 and P10 placement models. This shows that the optimal solution is obtained. In other placement models, a trim loss was obtained between 4.54% and 16.7%. The experimental results show the effectiveness of the proposed heuristic methods for the solution of the cutting and packing problem.Öğe A NOVEL TEXTURE CLASSIFICATION METHOD BASED ON HESSIAN MATRIX AND PRINCIPAL CURVATURES(Ieee, 2014) Alpaslan, Nuh; Hanbay, Kazim; Hanbay, Davut; Talu, M. FatihIn this study, in order to obtain similar effect with conventional gradient operation and extract more robust feature for texture, we use the principal curvature informations instead of the gradient calculation. Through this methods, sharp and important informations about the texture images were obtained by analyzing images of the second order. Considering the classification results obtained, it is shown that the proposed method improve the performance of original CoHOG and HOG feature extraction methods. As a result of experiments on datasets with different characteristics, it is seen that, the proposed method has higher classification performance.Öğe Principal curvatures based rotation invariant algorithms for efficient texture classification(Elsevier, 2016) Hanbay, Kazim; Alpaslan, Nuh; Talu, Muhammed Fatih; Hanbay, DavutThe histograms of oriented gradients (HOG) and co-occurrence HOG (CoHOG) algorithms are simple and intuitive descriptors. However, the HOG and CoHOG algorithms based on gradient computation still have some shortcomings: they ignore meaningful textural properties and are unstable to noise. In this paper, two new efficient HOG and CoHOG methods are proposed. The proposed algorithms are based on the Gaussian derivative filters, and the feature vectors are obtained by means of principal curvatures. The feature vectors are rotation invariant by means of the rotation invariance characteristic of principal curvatures (i.e. eigenvalues). The experimental results on the CUReT, ICTH-TIPS, KTH-11PS2-a, UIUC, Brodatz album, Kylberg and Xu datasets confirm that the developed algorithms have higher classification rates than state-of-the-art texture classification methods. The classification results also demonstrate that the developed algorithms are more stable to noise and rotation than the original HOG and CoHOG algorithms. (C) 2016 Elsevier B.V. All rights reserved.Öğe Robust optimization of SegNet hyperparameters for skin lesion segmentation(Springer, 2022) Sahin, Nurullah; Alpaslan, Nuh; Hanbay, DavutMelanoma is considered the deadliest form of skin cancer, and the number of cases is increasing day by day. The early diagnosis of melanoma is critical, as it significantly increases the patient's chance of survival. However, distinguishing melanoma from other skin lesion types by the physician can be a complicated process due to the diversity of its structural and textural features. Numerous computer-aided diagnosis (CAD) systems have been developed to assist the physician in detecting melanoma during recent years. The segmentation is a critical step for CAD systems, as it directly contributes to the performance of both feature extraction and classification steps. The optimization of the hyperparameters of deep learning methods is a challenging research topic. In this paper, the Bayesian optimized SegNet approach is proposed for precise skin lesion segmentation. The proposed method is obtained competitive results with the latest skin lesion segmentation methods. The hyperparameters optimized SegNet has achieved the best results with the average Jaccard Index of 84.9 on ISBI2016 and 74.5 on ISBI2017 dataset. Experimental results indicate the validity of Bayesian optimized SegNet. In this study, it has been observed that the bayesian hyperparameter optimization in the SegNet, which is the latest deep learning architecture, increased the segmentation performance of the SegNet by 16% in the ISBI2016 dataset and by 7% in the ISBI2017 dataset.Öğe Robust optimization of SVM hyper-parameters for spillway type selection(Elsevier, 2021) Gul, Enes; Alpaslan, Nuh; Emiroglu, M. EminSpillways, which play a vital role in dams, can be built in various types. Although several studies have been conducted on hydraulic calculations of spillways, studies on type selection that require heuristics knowledge were limited. The tuning of the hyperparameters in machine learning algorithms is still an open problem. In this paper, a parallel global optimization algorithm is proposed optimizing the hyper-parameters of a Support Vector Machine (SVM) classification model for providing accurate spillway type selection (STS). The random forest method is used to obtain the relative importance of input variables. Besides, a novel spillway dataset was introduced and a novel STS software tool has been developed based on different machine learning algorithms. Several experiments are carried out to demonstrate the effectiveness of the proposed tool and the reliability of data. The hyper-parameters optimized SVM was achieved the best results with 93.81% classification accuracy. (C) 2021 THE AUTHORS. Published by Elsevier BV on behalf of Faculty of Engineering, Ain Shams University.Öğe SegNet Mimarisi Kullanılarak Cilt Lezyon Bölütleme Performansının İyileştirilmesi(2020) Şahin, Nurullah; Alpaslan, NuhÖz: Kötü huylu melanom, bütün cilt kanseri türleri arasında üçüncü en sık rastlanan tür olmasına rağmen en çok ölüme neden olan formudur. Kötü huylu melanomun erken aşamada teşhisi hastanın yaşama şanşını büyük oranda artırdığından, erken teşhis oldukça önemlidir. Melanom teşhisi dermatologlar tarafından lezyon bölgesinin geometrisi, rengi, yapısal ve dokusal özellikleri gibi görsel niteliklerine bakılarak yapılmaktadır. Ancak, son zamanlarda, bilgisayarlı görü ve makine öğrenmesi yöntemlerindeki gelişmeler ile birlikte melanoma tanısı için bilgisayar destekli tanı sistemleri popüler olmaya başlamıştır. Bu çalışmada ciltte bulunan lezyonların bölütlenmesi için SegNet mimarisi tabanlı bir sistem geliştirilmiştir. Bunun yanında, cilt lezyonları üzerinde veri büyütme ve renk tutarlılığı ve kıl silme gibi önişleme adımların bölütleme performansı üzerinde etkileri incelenmiştir. Deneylerimizde ISBI2016 veri kümesi kullanılmıştır. Sonuçlar veri büyütme ve önişlemenin bölütleme performasını dikkate değer oranda artırdığını göstermektedir. Bununla birlikte, veri büyütmenin ezberlemeyi önlediği ve modellerin genelleme yeteneğini artırdığı sonucuna varılmıştır.
