Tez No	İndirme	Tez Künye	Durumu
665467		CAD for corneal diseases based on topographical parameters to improve the clinical decision / Kornea hastalıklarında klinik kararı geliştirmek için topografik parametrelere dayalı bilgisayar destekli tanı Yazar:SAMER KAIS JAMEEL AL-SALIHI Danışman: PROF. DR. SEZGİN AYDIN Yer Bilgisi: Aksaray Üniversitesi / Fen Bilimleri Enstitüsü / Elektrik-Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control ; Elektrik ve Elektronik Mühendisliği = Electrical and Electronics Engineering Dizin:	Onaylandı Doktora Türkçe 2021 115 s.
Bilgisayar Destekli Tanı, tıbbi görüntüde önemli bir konudur. tıpta hekimlere tıbbi görüntülerin yorumlanmasında yardımcı olan sofistike bir prosedürdür. İnsan korneası, gözün önden şeffaf siperi. Görmeyi tetiklemek için ışığı retinaya yansıtır. Bu nedenle korneadaki herhangi bir kusur görme bozukluğuna neden olabilir. Bu eksiklik, oftalmologlar tarafından ölçülen ve değerlendirilen bir dizi topografik görüntü ile tahmin edilmektedir. Sonuç olarak, önemli bir öncelik, makine öğrenme algoritmaları kullanılarak kornea bütünlüğünü etkileyebilecek hastalıkların erken ve doğru teşhisidir. Bir Pentacam cihazı tarafından üretilen kornea görüntüleri, edinim sırasında rotasyona veya bazı bozulmalara maruz kalabilir; bu nedenle, doğru teşhis, görüntüdeki yerel özelliklerin kullanılmasını gerektirir. Buna göre, bu zorlukların üstesinden gelmek ve cornel koşullarını teşhis etmeyi iyileştirmek için bu çalışmada önerilen yeni algoritmalar. İlk olarak, kornea görüntülerinden yerel özelliklerin çıkarılması için bir SWFT algoritması önerildi. Dalgacık dönüşümü, standart SIFT algoritmasında olduğu gibi Gauss Farkı (DoG) kullanmak yerine farklı ölçeklerde görüntüler üretmek için kullanılır. İkinci olarak, IG-GLCM algoritması, zaman alıcı bir kusur olarak bilinen GLCM algoritmasının dezavantajının üstesinden gelmeyi önerdi. IG-GLCM'de görüntü gradyanı farklı yönlerde ölçülür ve ardından GLCM'yi oluşturulan görüntülere uygular. Üçüncü olarak, SIFT'in dalgacık dönüşümünün çok ölçekli alt bantları ile kullanımını araştırın. Son olarak, Yerel Bilgi Modeli tanımlayıcısı adlı yeni algoritma, görüntüden bilgi kaybına neden olan yerel ikili model eksikliğinin üstesinden gelmeyi ve görüntü döndürme sorununu çözmeyi önerdi. LIP, hangi sözde kontrast Tabanlı Merkez (CBC) değerinin yanı sıra yerel paterni (LP) hesaplamak için kullanabilen komşuların ağırlıklarını tahmin etmek için alt görüntü merkez yoğunluğunu kullanmaya dayanır. Naive Bayes, KNN, karar ağacı ve SVM sınıflandırıcılar olarak kullanıldı. Önerilen model, farklı haritaların 4848 görüntüsünden oluşan toplanmış bir veri kümesi üzerinde eğitilmiş ve başarıyla test edilmiştir. Anahtar Kelimeler: Bilgisayar destekli teşhis, öznitelik çıkarma, makine öğrenimi, destek vektör makineleri, yerel İkili Model, GLCM
Computer-Aided Diagnosis is an essential topic in the medical image. it is a sophisticated procedure in medicine that assists physicians in the interpretation of medical images. A Human cornea is the front see-through shield of the eye. It refracts light onto the retina to induce vision. Therefore, any defect in the cornea may lead to vision disturbance. This deficiency is estimated by sets of topographical images measured and assessed by ophthalmologists. Consequently, an important priority is the early and accurate diagnosis of diseases that may affect corneal integrity through the use of machine learning algorithms. Corneal images produced by a Pentacam device can be subjected to rotation or some distortion during acquisition; therefore, accurate diagnosis requires the use of local features in the image. Accordingly, new algorithms proposed in this work to overcome these challenges and improve cornel conditions diagnosing. Firstly, a SWFT algorithm suggested to extract the local features from the corneal images. Wavelet transform used to produce images with different scales instead of using the Difference of Gaussians (DoG) as in the standard SIFT algorithm. Secondly, IG-GLCM algorithm proposed to overcome the drawback of GLCM algorithm known as a time-consuming defect. In IG-GLCM the image gradient is measured in different directions then apply the GLCM to generated images. Thirdly, investigate the use of SIFT with multi-scale subbands of wavelet transform. Finally, new algorithm called Local Information Pattern descriptor suggested to overcome the lack of local binary patterns that loss of information from the image and solve image rotation issue. The LIP based on utilizing the sub-image center intensity for estimating neighbors' weights that can use to calculate what so-called contrast Based Centre (CBC) value, as well as local pattern (LP). The Naive Bayes, KNN, decision tree, and SVM employed as classifiers. The proposed model is trained and tested successfully on a collected dataset which comprises 4848 images of different maps. Keywords: Computer-aided diagnosis, feature extraction, machine learning, support vector machines, local Binary Pattern, GLCM