Derin öğrenme ile radyolojik görüntü üzerinden kemik yaşı tespiti
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, ELEKTRONİK VE HABERLEŞME MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2019
Tezin Dili: Türkçe
Öğrenci: MAHDI NEZHAD ASAD
Danışman: Lale Özyılmaz
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Çocuk gelişimini takip etmek, hormonel problemleri anlamak ve gidermek ayrıca terapik tedaviler için yaş tespiti yapmak çok önemlidir. Kemik yaşı ve kronolojik yaş arasında fark olması bir problemin olduğunu göstermektedir. Bu tez çalışmasında yaş tespiti gerçekleştirmek için evrişimsel sinir ağları ve görüntü işleme teknikleri kullanıldı. 7.9 ay hata payı ile yaşları sınıflandırılarak elde edilen sonuçlarla %88 doğruluğa ulaşıldı. Ayrıca ön işlemede Canny filtresi, Diferansiyel Gauss ve À Trous dalgacık kenar belirleme yöntemleri kullanılarak elde edilen doğruluk değerlerinde ortalama %10-15 artış sağlandı. Kenar bulma filtresi uygulandığında doğruluk oranında artışlar görüldü. Maksimum artışlardan bir tanesi %18,82 değeri ile Resnet50 ağında DoG filtresi uygulaması ve ham görüntü arasındaki fark olarak ortaya çıktı. Doğruluk değerlerindeki değişiklik verinin ve kenar bulma yöntemlerinin farklı olmasından bununla beraber evrişim ağının yapısından kaynaklanmaktadır. Bazı durumlarda doğruluk oranı ile gürültü oranının ilişkisi olduğunu düşünülebilir. Burada kenar bulma yöntemlerinden biri olan A^`Trous alt geçiren filtre en yüksek gürültüye sahiptir dolayısıyla daha yüksek gürültü sonucu daha düşük doğruluk ile sonuç vermektedir. Diferansiyel Gauss ve Canny filtresi A^` Trous'a göre daha az gürültü göstermektedir bu nedenle bazı durumlarda doğruluk oranı yüksek çıkmaktadır. Aynı veri seti için üç farklı evrişim ağı (Mobilnet-Inceptionv3-Resnet50) kullanıldı. Bu ağların mimarileri ve evrişim (konvolüsyon) işlemi farklı olduğu için farklı sonuçlar ortaya çıktı. Çalışmada yapılan diğer bir analiz ise elin karpal ve metakarpal bölgelerini ayrı ayrı değerlendirerek evrişim ağında elin hangi bölgesi yüksek bir doğruluk verdiği incelendi. Böylece hangi bölge yaş tespiti üzerine daha etkili olduğu ortaya konuldu. Elde edilen maksimum doğruluk değerlerinden bir tanesi kadın veri setinde Mobilnet ağı kullanılarak %92 olarak bulundu. Karpal ve metakarpal bölgeler arasındaki en büyük fark aynı kadın veri setinde Mobilnet üzerinde %24 değerinde ortaya çıktı. Sonuç olarak bu çalışmada ön filtreleme işlemleri ve ikili segmentasyon yönteminin evrişim sinir ağlarının sonuçlarına büyük bir katkı sağladığı görünmektedir.