KaydedilenlerDerginizi ekleyin

Dergiler / Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi / 2026 / Cilt: 22 Sayı: 4

KARAR AĞAÇLARI VE FRAKTAL ANALİZ KULLANARAK HİSTOPATOLOJİK İMGELERİN SINIFLANDIRILMASI

İbrahim Türkoğlu
Suat Toraman
Sayfa
—
Yayın Tarihi
2013-02-15
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

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

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışmada, histopatolojik imgelerden çeşitli hastalıkların tanınması işleminde, hekime yardımcı olacak vekolaylık sağlayacak bir karar destek sistemi tasarlanmıştır.
📊
Temel Bulgular & Veri:Geliştirilen karar destek sistemi, örüntü tanımatemellidir.
💡
Sonuç & Katkı:Hepatitli hastaların histopatolojik imgeleri ile geliştirilen sistemin başarısıdeğerlendirilmiştir. 50 hasta verisi üzerinde geliştirilen sistemin doğruluk yüzdesi %92 olarak bulunmuştur.
🔬Tür:Deneysel Tarla Denemesi
📍Kapsam:50 hasta
⚙️Değişkenler: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.

🔖

Bu Makaleye Atıf Yap

Türkoğlu, İ., Toraman, S. (2013). KARAR AĞAÇLARI VE FRAKTAL ANALİZ KULLANARAK HİSTOPATOLOJİK İMGELERİN SINIFLANDIRILMASI. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt: 22 Sayı: 4. https://ajindex.com/articles/1078931

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (95)

  1. Pitas I., Digital image processing algorithms
  2. and applications, John Wiley&Sons Inc., 2000.
  3. Gonzalez R.C., Woods R.E., Digital image
  4. processing, Prentice Hall, 2002.
  5. Giansanti R., Fumelli P., Passerini G.,et al.,
  6. “Imaging system for retinal change evaluation”,
  7. IPA97 Conference, Pub.No. 443, 1997.
  8. Kara S., Şener F., Okandan M., et al., “Patolojik
  9. doku örneklerinin bilgisayar tabanlı analizi”, 246-, SIU, 2003.
  10. Petersen M.E., Arts T., “Recognition of
  11. radiopaque markers in X-ray images using a
  12. neural network as nonlinear fitler”, Pattern
  13. Recognition Letters, 20(5), 521-533, May, 1999.
  14. Esgiar A.N., Sharif B.S., Naguib R.N.G., et al.,
  15. “Texture descriptions and classification for
  16. pathological analysis of cancerous colonic
  17. mucosa”, 7th International Conference on
  18. Image Processing And Its Applications, 1(13-, 335-338, 1999.
  19. Bauer W., Mackezie C.D., “Cancer detection via
  20. determination of fraktal cell dimension”, Pattern
  21. Formation and Solitons, 9506003, 07/1995.
  22. Esgiar A.N., Naguib R.N.G., Sharif S., et al.,
  23. “Fraktal Analysis in the Detection of Colonic
  24. Cancer Images”, IEEE Transactıons on
  25. Informatıon Technology in Bıomedıcıne, 6(1),
  26. March 2002.
  27. Tzanakou E.M., Supervised and unsupervised
  28. pattern recognition, CRC Press LLC, 2000.
  29. Rangayyan R. M., Nguyen T. M., “Pattern
  30. classification of breast masses via fraktal analysis
  31. of their contours”, International Congress
  32. Series, 1281, 1041-1046, 2005.
  33. Chen D., Chang R., Chen C., et al., “Classification
  34. of breast ultrason images using fraktal feature”,
  35. Journal of Clinical Imaging, 29, 235-245, 2005.
  36. Hotta N., Otsuka K., Murakami S., et al., “Fraktal
  37. analysis of heart rate variability and mortality in
  38. elderly community-dwelling people – Logitudinal
  39. Investigation fort he Longevity and Aging in
  40. Hokkaido County (LILAC) study”, Biomedicine
  41. & Pharmacothcrapy, 59, 45-48, 2005.
  42. Masugi M., “Multi-fraktal analysis of IP-network
  43. traffic based on a hierarchical clustering
  44. approach”, Communications in Nonlinear
  45. Science and Numerical Simulation, 12(7),
  46. 1325, 2006.
  47. Huang K., Murphy R.F., “Automated
  48. classification of subcellular patterns in multicell
  49. images without segmentation inti single cells”,
  50. IEEE Transactions on Medical Imaging,
  51. , 478 – 485, 1993.
  52. Türkoğlu İ., Arslan A., İlkay E., “Kalp kapak
  53. hastalıklarının teşhisi için bir karar destek
  54. sistemi”, Sakarya Üniversitesi, Fen Bilimleri
  55. Enstitüsü Dergisi, 6(2), 57-64, Temmuz, 2002.
  56. Dell’Acqua F., Gamba P., Trianni G., “Semiautomatic
  57. choice of scale-dependent features for
  58. satellite SAR image classification”, Pattern
  59. Recognition Letters, 27, 244-251, 2006.
  60. Gamanya R., De Maeyer P., De Dapper M., “An
  61. automated satellite image classification desing
  62. using object-oriented segmentation algorithms:A
  63. move towards standardization”, Expert Systems
  64. with Applicatons, 32(2), 616-624, 2007.
  65. Mitchell T.M., Machine learning, MIT press and
  66. the McGraw-Hill Companies Inc., Singapore,
  67. Türkoğlu İ., Arslan A., ve İlkay E., “A pattern
  68. recognition system for diagnose of the heart
  69. mitral valve diseases based on wavelet packet and
  70. neural network”, Fırat Üniversitesi Fen ve
  71. Mühendislik Bilimleri Dergisi,14(1),1-10, 2002.
  72. Yenerman M., Genel Patoloji, Nobel Tıp
  73. Kitabevleri, İstanbul, 1994.
  74. Herbert J.F., Cameron J.L., Matthew W.D., “Is
  75. There Meaning in Fractal Analysis?”,
  76. Complexity International, 6, 1999.
  77. Foroutan-pour K., Dutilleul P., Smith D.L.,
  78. “Advances in the implementation of the boxcounting
  79. method of fraktal dimension
  80. estimation”, Applied mathematics and
  81. computation, 105, 195-210, 1999.
  82. Gürsakal N., Oğuzlar A., Şentürk A., “Döviz Kuru
  83. Grafiklerinin Fraktal Boyutlarının Belirlenmesi”,
  84. III. Ulusal Ekonometri ve İstatistik
  85. Sempozyumu Bildirileri, Bursa, 1997
  86. Sugumaran V., Muralidharan V., Ramachandran
  87. K.I., “Feature selection using Decision Tree and
  88. classification through Proximal Support Vector
  89. Machine for fault diagnostics of roller bearing”,
  90. Mechanical Systems and Signal Processing,
  91. , 930-942, 2007.
  92. Karmeshu, Entropy Measures, Maximum
  93. Entropy Principle and Emerging Applications,
  94. SpringerVerlag, Berlin Heidelberg, NewYork,
  95. Enstitüsü Dergisi, 6(2), 57-64, Temmuz, 2002.