Medikal Görüntülerde Matlab Uygulamaları
Özet
Bu kitap, medikal görüntü işleme alanında Matlab uygulamalarını detaylı şekilde ele almaktadır. İlk bölümde serebral anevrizmaların tanısı için kullanılan beyin BTA görüntüleri üzerinde Matlab ile çeşitli görüntü filtreleme teknikleri uygulanmıştır. Görüntülerin netliği için canny, medyan, prewitt, sobel ve smoothing gibi filtreler kullanılmıştır. İkinci bölümde derin öğrenme uygulamaları, özellikle CNN mimarileri ve transfer öğrenme yöntemleriyle beyin BTA görüntülerinin sınıflandırılması anlatılmıştır. 15 farklı CNN modeli kullanılarak, ham ve filtreleme uygulanmış görüntüler çeşitli katmanlarda eğitilmiş ve en yüksek doğruluk oranı %99,72 ile smoothing filtreli görüntülerde VGG19 ağına ait olmuştur. Üçüncü bölümde ise makine öğrenme tekniklerinden denetimli öğrenme ve sınıflandırma algoritmaları detaylandırılmıştır. Medikal kayıtlar kullanılarak anevrizma hastalarında kanama riskinin değerlendirmesi için çeşitli makine öğrenme modellerinin nasıl uygulanacağı ve performans değerlendirme metrikleri açıklanmıştır. Katar verileri oluşturma, çapraz doğrulama ve ROC eğrisi gibi model değerlendirme yöntemlerine vurgu yapılmıştır. Genel olarak, kitap, medikal görüntü işleme ve yapay zeka tabanlı hastalık teşhisi çalışmalarına Matlab ortamında pratik bir uygulama rehberi sunmaktadır.
This book provides a comprehensive examination of Matlab applications in medical image processing. The first chapter focuses on brain CT angiography (BTA) images used for diagnosing cerebral aneurysms, applying various image filtering techniques such as canny, median, prewitt, sobel, and smoothing filters to enhance image clarity. The second chapter covers deep learning applications, especially Convolutional Neural Networks (CNNs) and transfer learning methods for classifying brain BTA images. Fifteen different CNN models were trained on both raw and filtered images, with the highest accuracy of 99.72% achieved by the VGG19 network processed with smoothing filters. The third chapter delves into machine learning methods, detailing supervised learning and classification algorithms. It explains how to apply various machine learning models to medical records to evaluate bleeding risks in aneurysm patients, including dataset preparation, cross-validation, and receiver operating characteristic (ROC) curve analyses. Overall, the book serves as a practical guide for medical image processing and AI-based disease diagnosis in Matlab, supporting users and researchers with methodological steps and performance evaluations.
Kitap Bölümleri
3 bölüm · Mevcut sayfa ve DOI kayıtlarıAtıf bilgisi
Meltem Yavuz Çelikdemir Soner Çelikdemir. (2024). Medikal Görüntülerde Matlab Uygulamaları. Bidge Yayınları. DOI: 10.70269/YKMO1MIQXNTV