Akademik Veri Yönetim Sistemi
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2017
Öğrenci: SERHAT KARAP
Danışman: FIRAT HARDALAÇ
Özet:Bu çalışmada, yenidoğan bebeklerde sıklıkla rastlanan bir hastalık olan sarılığın görüntü işleme tabanlı noninvaziv yollarla tespiti için en uygun çözümün elde edilmesi hedeflenmiştir. Çalışma için doğumunun üzerinden farklı zaman dilimleri geçmiş 53 kişilik bir deney grubu ve 53 kişilik bir kontrol grubu oluşturularak toplamda 106 adet yenidoğan seçim işlemi gerçekleştirilmiştir. Seçilen bebeklerin standart bir cep telefonu ile çekilmiş görüntüleri, gelişmiş önişleme süreçlerinden geçirilerek üzerlerinde işlem yapılabilir hale getirilmesi sağlanmıştır. Önişleme aşaması sonrası mevcut görüntüler üzerinde öznitelik çıkarımı gerçekleştirilerek her bir görüntü için 11 adet doku ve 9 adet renk özniteliği elde edilmiştir. Farklı makine öğrenmesi algoritmaları renk ve doku öznitelikleri için ayrı ayrı uygulanarak bebeklerdeki bilirubin seviyesi tahminlemesi yapılmıştır. En son aşamada ise öznitelik seçimi işlemi gerçekleştirilmiş; doku ve renk öznitelik kümesinden en iyi tahminleme karakteristiğine sahip dörder öznitelik elemanı seçilerek 8 elemanlı bir hibrit öznitelik kümesi oluşturulmuş. Bu hibrit veri kümesine de aynı makine öğrenmesi algoritmaları uygulanarak önceki sonuçlarla performans karşılaştırması yapılmıştır. Doku özniteliklerinin renk özniteliklerine oranla daha başarılı sonuçlar verdiği ancak hibrit öznitelikler kullanıldığında başarım oranının oldukça arttığı gözlenmiştir. Bunun yanında, kullanılan makine öğrenmesi algoritmaları içinde en başarılı yöntemin çok katmanlı algılayıcı yapısına sahip yapay sinir ağı modeli olduğu görülmüştür.