Yazar "Toptaş, Buket" seçeneğine göre listele

Listeleniyor 1 - 4 / 4
  • Küçük Resim
    Öğe
    Retina fundus bileşenlerinin görüntü işleme ve yapay öğrenme ile tanılama yöntemlerinin geliştirilmesi
    (İnönü Üniversitesi, 2022) Toptaş, Buket
    Fundus görüntüleri, gözün retina yapısının görüntülenme şeklidir. Bu görüntülerde gözü ve diğer organları etkileyen birçok hastalığın bilgisi bulunmaktadır. Bu bilgilere erişmek için retina fundus görüntüleri detaylı analiz edilmektedir. Bu analizler, alanında uzman hekimler tarafından bilgisayar destekli tanı sistemleri kullanılarak yapılmaktadır. Bu analiz sürecinin başarısı hekimin bilgi ve deneyimine bağlıdır. Ayrıca, bu süreç karmaşık ve zaman alıcıdır. Teknolojinin gelişmesi ile birlikte daha iyi analiz yapan sistemlere ihtiyaç duyulmaktadır. Bu tez çalışmasında, retina fundus görüntüleri detaylı olarak incelenmiş ve bu görüntüler üzerinde bilgisayar destekli tanı sistemleri geliştirilmiştir. Bu sistemlerin ilki, retina üzerinde önemli bir konuma sahip olan optik diskin lokalizasyon tespiti üzerine odaklanmıştır. Önerilen sistemde, KYM renk uzayındaki fundus görüntüleri yeni bir renk uzayına taşınmış ve bu renk uzayında optik disk lokalizasyonu tespit edilmiştir. İkinci önerilen sistem, diyabetik retina başta olmak üzere birçok hastalığın tanı ve teşhisinde kullanılan retina kan damarlarının çıkarılmasını sağlayan bir yöntemdir. Önerilen bu yöntemde, fundus görüntülerinden elde edilen piksel tabanlı özellikler ile retina kan damarları bölütlenmiştir. Üçüncü modellenen sistem ise retina kan damarlarının arter/vein ayrımını sağlayan bir sistemdir. Modellenen bu sistemde, retina kan damarlarından alınan görüntü kesitleri tasarlanan evrişimsel bir sinir ağına girdi olarak verilmiştir. Evrişimsel sinir ağı sonucunda bir retina kan damarının arter/vein ayrımı sağlanmıştır. Tasarlanan son sistem ise, fundus görüntülerini glokom veya sağlıklı olarak ayırabilen bir sistemdir. Burada, güncel yöntemlerden biri olan EfficientNet modeli kullanılmıştır. Önerilen sistemlerin hepsi halka açık olarak sunulan fundus veri setleri üzerinde test edilmiştir. Önerilen bu sistemlerin performans sonuçları, diğer güncel yöntemlerin performans sonuçlarına kıyasla tatmin edici düzeydedir. Geliştirilen sistemler karar destek sistemi olarak hekimlere yardımcı olabilecektir.
  • Küçük Resim Yok
    Öğe
    Retina kan damarlarını çıkarmak için eşikleme temelli morfolojik bir yöntem
    (2022) Toptaş, Buket; Hanbay, Davut
    Son yıllarda, diyabete bağlı retina hastalığı körlüğün önde gelen nedenlerinden biri haline gelmiştir. Bu hastalığın önüne geçebilmek için retina ağ yapısının doğru bölütlenmesi gerekir. Retina ağ yapısının doğru ve hızlı bölütlenmesi için bilgisayar destekli tanı sistemlerine ihtiyaç duyulur. Bu makalede, renkli retina fundus görüntüsü üzerinde retina damarlarını otomatik olarak bölütleyen bir yöntem önerilmiştir. Retina damar ağ yapısını bölütlemek için morfolojik işlemlere dayalı bir yöntem retina görüntüleri üzerine uygulanmıştır. Morfolojik işlemlerin uygulandığı fundus görüntüsüne üç farklı eşikleme yöntemi uygulanmıştır. Bu eşikleme yöntemleri;Çoklu Eşikleme,Maksimum Entropi Tabanlı Eşikleme ve Bulanık Kümeleme Tabanlı Eşikleme yöntemleridir. Eşikleme sonucunda bölütlenmiş damar görüntüleri elde edilmiştir. Bu makalede amaç farklı eşikleme algoritmalarının aynı görüntüler üzerindeki performans karşılaştırmasını sağlamaktır. Uygulanan yöntem, herkese açık olarak sunulan retina görüntü veri seti üzerinde doğrulanmıştır. Deneysel sonuçlar, önerilen yöntemin doğru bir şekilde tespit edebildiğini göstermektedir. Eşikleme algoritmalarının 40 görüntüden oluşan veri seti üzerindeki doğruluk oranı Bulanık Mantık Tabanlı Eşikleme için 0.952, Maksimum Entopi Tabanlı Eşikleme için 0.950 ve Çoklu Eşikleme için 0.925 olarak hesaplanmıştır.
  • Küçük Resim Yok
    Öğe
    The Separation of glaucoma and non-glaucoma fundus images using EfficientNet-B0
    (2022) Toptaş, Buket; Hanbay, Davut
    Glaucoma is an eye disease that causes vision loss. This disease progresses silently without symptoms. Therefore, it is a difficult disease to detect. If glaucoma is detected before it progresses to advanced stages, vision loss can be prevented. Computer-aided diagnosis systems are preferred to understand whether the fundus image contains glaucoma. These systems provide accurate classification of healthy and glaucoma images. In this article, a system to separate images of a fundus dataset as glaucoma or healthy is proposed. The EfficientNet B0 model, which is a deep learning model, is used in the proposed system. The input of this deep network model is designed as six layers. The experimental results of the designed model were obtained on the publicly available ACRIMA dataset images. In the end, the average accuracy rate was determined to be 0.9775.
  • Küçük Resim
    Öğe
    Yangın/alev renk özellikleri kullanılarak orman yangınlarının tespiti
    (İnönü Üniversitesi, 2017) Toptaş, Buket
    Orman yangınları, atmosferi olumsuz yönde etkileyen, birçok canlı türünün yaşam alanını yok eden, bitki ve hayvan türlerinin yok olmasına sebep olan bir afettir. Orman yangınları ile mücadele sürecinde, yangının erken tespit edilmesi ve ihbar sistemlerine ulaştırılması önemli bir konudur. Teknolojinin gelişmesine bağlı olarak günümüzde görüntü işleme teknikleri ile yangın/alev tespiti yapılmaktadır. Yangın/Alev tespitinde geliştirilen yöntemler de genellikle alevin statik ya da dinamik özellikleri kullanılmıştır. Bu çalışma da, yangın görüntülerinin renk özellikleri kullanılmış ve yangın görüntüleri yeni bir renk uzayına taşınarak alevin tespit edilmesi sağlanmıştır. Elde edilen yeni renk uzayı, Yapay Arı Kolonisi (YAK) algoritması kullanılarak geliştirilmiştir. Yeni renk uzayına dönüştürülen görüntüler üzerinde Otsu eşik yöntemi kullanılmış ve ikili görüntülere dönüştürülen görüntülerden alev tespiti yapılmıştır. Alev tespit işlemi bittikten sonra, elde edilen ikili görüntüler veri seti içerisinde bulunan gerçek ikili görüntüler ile benzerlik ölçütüne tabi tutulmuş ve önerilen yöntemin başarı ölçütü hesaplanmıştır.