Arşiv logosu
  • English
  • Türkçe
  • Giriş
    Yeni kullanıcı mısınız? Kayıt için tıklayın. Şifrenizi mi unuttunuz?
Arşiv logosu
  • Koleksiyonlar
  • Sistem İçeriği
  • Analiz
  • Talep/Soru
  • English
  • Türkçe
  • Giriş
    Yeni kullanıcı mısınız? Kayıt için tıklayın. Şifrenizi mi unuttunuz?
  1. Ana Sayfa
  2. Yazara Göre Listele

Yazar "Topdağ, Tuğba" seçeneğine göre listele

Listeleniyor 1 - 1 / 1
Sayfa Başına Sonuç
Sıralama seçenekleri
  • Küçük Resim Yok
    Öğe
    Beyin görüntülerindeki gürültülerin derin öğrenme kullanılarak giderilmesi
    (Sivas Cumhuriyet Üniversitesi, 2023) Topdağ, Tuğba; Karakış, Rukiye
    Manyetik Rezonans Görüntüleme (MRG) beyin dokularının incelenmesinde, hastalık tanısının konulmasında ve tedavisinin yapılmasında yaygın olarak kullanılan tıbbi görüntüleme tekniğidir. MRG görüntülerinde cihazdan kaynaklanan, çekim ortamından, hasta hareketinden ya da manyetik ortamın etkisiyle çeşitli gürültüler oluşabilmektedir. Bu gürültüler, doğru tanı ve tedavinin ortaya konmasını ve görüntünün uzmanlarca düzgün yorumlanmasını etkilemektedir. Bu sebeple tezde, MRG görüntülerinde bulunan Rician gürültünün giderilmesi amaçlanmıştır. Tez çalışmasında, yoğun ve artık bağlantılar kullanılarak iyileştirilen UNet mimarisine benzeyen, M-UNet+ResNet ve M-UNet+DenseNet olarak isimlendirilen iki 3D otokodlayıcı model geliştirilmiştir. Önerilen modeller IXI veri setinde bulunan T1 ve T2 ağırlıklı 3D MRG görüntülerine eklenen farklı seviyelerdeki Rician gürültüsü için eğitilmiştir ve modellerin performansı test verileri için tepe sinyal-gürültü oranı (PSNR: Peak Signal-to-Noise Ratio), yapısal benzerlik (SSIM: Structural Similarity Index Measure) ve ortalama mutlak hata (MAE: Mean Absolute Error) metrikleri ile ölçülmüştür. %15 gürültü oranı için IXI-HH-T1 verisetinde M-UNet+ResNet modelinin hesapladığı PSNR, SSIM ve MAE ortalama değerleri sırasıyla 37,8426 desibel (dB), 0,9017 ve 0,0106'tür. M-UNet+DenseNet modeli bu değerleri 38,0546 dB, 0,9055 ve 0,0103 olarak hesaplamıştır. IXI-HH-T1 verisetinde, M-UNet+ResNet ve M-UNet+DenseNet modelleri PSNR, SSIM ve MAE ortalama değerlerini sırasıyla 41,7436 dB, 0,901 ve 0,0099 ve 40,6320 dB, 0,8785 ve 0,0118 olarak bulmuştur. Artık bağlantılarla zenginleştirilen M-UNet+ResNet modeli literatürle yarışır yüksek performans değerleri elde etmiştir. Elde edilen sonuçlar, gürültü giderilmesinde artık bağlantıların faydalı olduğunu göstermiştir.

| Sivas Cumhuriyet Üniversitesi | Kütüphane | Açık Erişim Politikası | Rehber | OAI-PMH |

Bu site Creative Commons Alıntı-Gayri Ticari-Türetilemez 4.0 Uluslararası Lisansı ile korunmaktadır.


Kütüphane ve Dokümantasyon Daire Başkanlığı, Sivas, TÜRKİYE
İçerikte herhangi bir hata görürseniz lütfen bize bildirin

DSpace 7.6.1, Powered by İdeal DSpace

DSpace yazılımı telif hakkı © 2002-2025 LYRASIS

  • Çerez Ayarları
  • Gizlilik Politikası
  • Son Kullanıcı Sözleşmesi
  • Geri Bildirim