ENDOSKOPİK GÖRÜNTÜLERİN DEĞERLENDİRİLMESİNDE GÖRÜNTÜ İŞLEME TEMELLİ AKILLI KARAR DESTEK SİSTEMİ

Abstract

Teknolojinin gelişmesi ile bir çok alanda akıllı tanı sistemleri önem kazanmış ve busistemlerin temelini örüntü tanıma oluşturmaktadır. Örüntü tanıma, bilinmeyen örüntü şekillerinibelirli bir sınıfa dahil ederek tanımlamak ve bilinen bir sınıfa ait olan örüntüyü teşhis etmektir. Örüntütanıma; iki önemli aşamadan oluşmaktadır. Bunlar; öznitelik çıkarıcı ve sınıflandırıcıdır. Görüntübölütleme, bir örüntü tanıma sisteminin öznitelik çıkarımı aşamasına dahildir. Görüntü bölütleme,örüntü tanıma sistemleri için oldukça önemlidir. Çünkü sınıflandırıcının başarısı doğrudanbölütlemenin başarımına bağımlıdır.Bu tez çalışmasında, gri seviyesi ve renkli görüntülerin bölütlenmesinde üç farklı yöntemönerilmiştir;1. Gri seviyesi görüntülerin bölütlenmesi için Poisson olasılık yoğunluk fonksiyonu kullananbir MRA (Markov Rassal Alanları) yapısı önerilmiştir.2. Özellik çıkarım sürecini de içeren ve sınıflayıcının eğitim başarımına göre özellik uzayınıuyarlayabilen entropi tabanlı dalgacık sinir ağı yapısı, görüntülere de uygulanabilmesi içinyeniden düzenlenmiştir. Entropi özniteliklerinin yanı sıra enerji öznitelikleri de sistemeeklenerek daha dayanıklı ve etkili bir sistem geliştirilmiştir.3. Dalgacık ayrışımı ve osilator sinir ağı yapısını kullanarak eğiticisiz olarak görüntübölütlenmesini sağlayan yeni bir sistem önerilmiştir. Sistemin en büyük avantajı eğiticiliörüntülü tanıma sistemlerindeki gibi eğitim verisine ihtiyaç duymaksızın istenilenbölütlemeyi doğru olarak gerçekleştirebilmesidir.Önerilen öznitelik çıkarım yöntemleri ile eğiticili YSA yapısı kolonoskopik videogörüntülerden normal ve ab-normal (polip) dokuların teşhisi üzerine uygulaması yapılmıştır. Dalgacıkpaket entropi ve enerji öznitelikleri ile yapay sinir ağı sınıflandırıcısı kullanılarak gerçekleştirilenuygulamalar da ortalama % 86.2 duyarlılık ve % 85.7 kesinlik değerleri elde edilirken, dalgacıkdönüşümü eş oluşum matrislerinin istatistiksel öznitelikleri ile yapay sinir ağı sınıflandırıcısıkullanılarak gerçekleştirilen uygulamalar da ise ortalama % 90.2 duyarlılık ve % 88.7 kesinlikdeğerleri elde edilmiştir.Anahtar Kelimeler : Örüntü tanıma, özellik çıkarma, akıllı tanı sistemi, dalgacık dönüşümü, görüntübölütleme teknikleri, endoskopik görüntüler, yapay sinir ağları, osilatör sinir ağı, dalgacık sinir ağı.