AI Summary & Key Takeaways
AI InsightBiyomedikal görüntü işleme alandaki pek 9 çok çalışma gibi, bu çalışmada da Evrişimsel Sinir Ağları (Convolutional Neural Network, CNN) mimarileri kullanılmıştır. 10 Alexnet, GoogLeNet ve VGG-19 derin öğrenme modelleri ile öğrenme aktarımı gerçekleştirilmiş, destek vektör makineleri 11 (Support Vector Machines, SVM) ile sınıflandırma performansı test edilmiştir.
📌 3 Key Takeaways
Özet
Son yılların en popüler konularından olan derin öğrenme, pek çok alanda olduğu gibi biyomedikal alanda da sıkça 2 kullanılmaktadır. Çeşitli görüntüleme yöntemleri ile elde edilen görüntüler kullanılarak hastalık ve kırık tespiti, biyolojik veri 3 kestirimi, doku ve organ bölütlemesi, eksik veri tamamlanması gibi nice uygulama derin öğrenme algoritmaları sayesinde 4 başarılı bir şekilde gerçekleştirilmektedir. Ancak bahsi geçen uygulamaların çok büyük bir çoğunluğu beşeri hekimlikte 5 yapılırken, veteriner tıp geri planda bırakılmıştır. Özellikle literatürde bu alandaki eksikliğin fark edilmesi bu çalışma 6 konusunun en büyük motivasyon kaynağı olmuştur. Bu çalışmada, Ankara Büyükşehir Belediyesi Sokak Hayvanları Geçici 7 Bakım Evi’nden alınan, köpeklere ait röntgenleri içeren geniş kapsamlı bir veri seti, derin öğrenme algoritmaları ile işlenmiştir. 8 Amaç, köpeklere ait X-Ray görüntülerinden uzun kemiğin çeşidinin belirlenmesidir. Biyomedikal görüntü işleme alandaki pek 9 çok çalışma gibi, bu çalışmada da Evrişimsel Sinir Ağları (Convolutional Neural Network, CNN) mimarileri kullanılmıştır. 10 Alexnet, GoogLeNet ve VGG-19 derin öğrenme modelleri ile öğrenme aktarımı gerçekleştirilmiş, destek vektör makineleri 11 (Support Vector Machines, SVM) ile sınıflandırma performansı test edilmiştir.