SavedAdd your journal

Journals / Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi / 2007 / Cilt: 22 - Sayı: 4

KARAR AĞAÇLARI VE FRAKTAL ANALİZ KULLANARAK HİSTOPATOLOJİK İMGELERİN SINIFLANDIRILMASI

İbrahim TÜRKOĞLU
Suat TORAMAN
Pages
0
Publication Date
2013-02-15
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Hepatitli hastaların histopatolojik imgeleri ile geliştirilen sistemin başarısıdeğerlendirilmiştir. 50 hasta verisi üzerinde geliştirilen sistemin doğruluk yüzdesi %92 olarak bulunmuştur.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Bu çalışmada, histopatolojik imgelerden çeşitli hastalıkların tanınması işleminde, hekime yardımcı olacak vekolaylık sağlayacak bir karar destek sistemi tasarlanmıştır.
📊
Key Findings & Data:Geliştirilen karar destek sistemi, örüntü tanımatemellidir.
💡
Conclusion & Impact:Hepatitli hastaların histopatolojik imgeleri ile geliştirilen sistemin başarısıdeğerlendirilmiştir. 50 hasta verisi üzerinde geliştirilen sistemin doğruluk yüzdesi %92 olarak bulunmuştur.
🔬Design:Experimental Field Trial
📍Scope:50 hasta
⚙️Variables:Örüntü tanıma · histopatoloji · fraktal analiz

Özet

Bu çalışmada, histopatolojik imgelerden çeşitli hastalıkların tanınması işleminde, hekime yardımcı olacak vekolaylık sağlayacak bir karar destek sistemi tasarlanmıştır. Geliştirilen karar destek sistemi, örüntü tanımatemellidir. Örüntü tanıma sürecinin, özellik çıkarım aşaması Fraktal analiz ve sınıflandırma aşaması içinse kararağaçları kullanılmıştır. Hepatitli hastaların histopatolojik imgeleri ile geliştirilen sistemin başarısıdeğerlendirilmiştir. 50 hasta verisi üzerinde geliştirilen sistemin doğruluk yüzdesi %92 olarak bulunmuştur.

🔖

Cite This Article

TÜRKOĞLU, İ., TORAMAN, S. (2013). KARAR AĞAÇLARI VE FRAKTAL ANALİZ KULLANARAK HİSTOPATOLOJİK İMGELERİN SINIFLANDIRILMASI. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt: 22 - Sayı: 4, 0. https://ajindex.com/articles/21022

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (14)

  1. Pitas I., Digital image processing algorithms and applications, John Wiley&Sons Inc., 2000.
  2. Gonzalez R.C., Woods R.E., Digital image processing, Prentice Hall, 2002.
  3. Giansanti R., Fumelli P., Passerini G.,et al., “Imaging system for retinal change evaluation”, IPA97 Conference, Pub.No. 443, 1997.
  4. Kara S., Şener F., Okandan M., et al., “Patolojik doku örneklerinin bilgisayar tabanlı analizi”, 246-, SIU, 2003.
  5. Petersen M.E., Arts T., “Recognition of radiopaque markers in X-ray images using a neural network as nonlinear fitler”, Pattern Recognition Letters, 20(5), 521-533, May, 1999.
  6. Esgiar A.N., Sharif B.S., Naguib R.N.G., et al., “Texture descriptions and classification for pathological analysis of cancerous colonic mucosa”, 7th International Conference on Image Processing And Its Applications, 1(13-, 335-338, 1999.
  7. Bauer W., Mackezie C.D., “Cancer detection via determination of fraktal cell dimension”, Pattern Formation and Solitons, 9506003, 07/1995.
  8. Esgiar A.N., Naguib R.N.G., Sharif S., et al., “Fraktal Analysis in the Detection of Colonic Cancer Images”, IEEE Transactıons on Informatıon Technology in Bıomedıcıne, 6(1), March 2002.
  9. Tzanakou E.M., Supervised and unsupervised pattern recognition, CRC Press LLC, 2000.
  10. Rangayyan R. M., Nguyen T. M., “Pattern classification of breast masses via fraktal analysis of their contours”, International Congress Series, 1281, 1041-1046, 2005.
  11. Chen D., Chang R., Chen C., et al., “Classification of breast ultrason images using fraktal feature”, Journal of Clinical Imaging, 29, 235-245, 2005.
  12. Hotta N., Otsuka K., Murakami S., et al., “Fraktal analysis of heart rate variability and mortality in elderly community-dwelling people – Logitudinal Investigation fort he Longevity and Aging in Hokkaido County (LILAC) study”, Biomedicine & Pharmacothcrapy, 59, 45-48, 2005. Masugi M., “Multi-fraktal analysis of IP-network traffic based on a hierarchical clustering approach”, Communications in Nonlinear Science and Numerical Simulation, 12(7), -1325, 2006.
  13. Huang K., Murphy R.F., “Automated classification of subcellular patterns in multicell images without segmentation inti single cells”, IEEE Transactions on Medical Imaging, (3), 478 – 485, 1993.
  14. Türkoğlu İ., Arslan A., İlkay E., “Kalp kapak hastalıklarının teşhisi için bir karar destek sistemi”, Sakarya Üniversitesi, Fen Bilimleri Enstitüsü Dergisi, 6(2), 57-64, Temmuz, 2002. Dell’Acqua F., Gamba P., Trianni G., “Semiautomatic choice of scale-dependent features for satellite