Sentetik Pap-Smear Hücre Çekirdeği Üretiminde Üretici Çekişmeli Ağların Kullanılması
Küçük Resim Yok
Tarih
2021
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Sentetik görüntü üretimi geçmişten günümüze kadar araştırma alanı olmuştur. Çeşitli algoritmalar ile sentetik (sahte) görüntü üretimi yapılmaktadır. İncelenen sentetik görüntü üretme yöntemleri derin öğrenmeye dayanan üretici çekişmeli ağlar (GANs)’dır. GAN’lar üretici ve ayrıştırıcı olmak üzere iki sinir ağına sahiptir. Üretici ağ sentetik görüntü ya da sinyal üretirken; ayrıştırıcı ağ orijinal görüntü ya da sinyal ile üretilmiş sentetik görüntünün ya da sinyalin benzerliğini olasılıksal olarak ölçmektedir. GAN yöntemlerinden Döngüsel Üretici Çekişmeli Ağ ( CycleGAN ) ve Görüntüden Görüntüye Çeviren Ağ (Pix2Pix) yöntemleri sentetik görüntü üretirken görüntüden görüntüye çeviri yapılabilme yeteneğine sahip olduğundan hücre çekirdeği üretirken uygun yöntemler olarak belirlenmiştir. CycleGAN, bir üretici ve bir ayrıştırıcı ağa sahiptir. Üretici, sahte görüntüleri üretirken; ayrıştırıcı, sahte görüntüler ile gerçek görüntüleri ayırt etmeye çalışır. CycleGAN, bir görüntüyü ?? kaynak alanından eşleştirilmiş örneklerin yokluğunda bir hedef alan ??’ye dönüştüren öğrenme yaklaşımı sunulur. Bu model iki “otokodlayıcı” eğitimi olarak görülebilir. Bir otokodlayıcıyı ?? ? ??: ?? ? ?? ile bir başka otokodlayıcı olan ?? ? ??: ?? ? ?? ile ortaklaşa öğrenir. Pix2Pix’in girişi bir görüntüdür. Pix2Pix, giriş görüntüsünden çıktı görüntüsüne dönüşümü eğitir. Pix2Pix, bir tane sentetik görüntü üreten üretici ağa ve bu sentetik görüntü ile gerçek görüntüyü ayırt edebilecek olan ayrıştırıcı ağa sahiptir. Bu çalışmada, 256x256 boyutunda görüntüler kullanılmış olup 256x256 boyutunda sonuçlar elde edilir. İki yöntemin zaman ve benzerlik indeksleri açısından karşılaştırması yapılıp verimliliği incelenmiştir. Sonuçlar tablo ve şekil olarak gösterilmiştir. Uygulama için MATLAB 2019b kullanılmıştır. Görüntüden görüntüye dönüşümde GAN yöntemlerinin verimli sonuçlar verdiği gözlemlenmektedir. Medikal görüntü üretirken deneysel sonuçlara göre CycleGAN yöntemi ile Pix2Pix yöntemi kıyaslandığında istenilen sonuca ulaşma bakımından Pix2Pix yöntemi tercih edilebilir.
Açıklama
Anahtar Kelimeler
Kaynak
Avrupa Bilim ve Teknoloji Dergisi
WoS Q Değeri
Scopus Q Değeri
Cilt
0
Sayı
23
