Kullanım Kılavuzu
Neden sadece 3 sonuç görüntüleyebiliyorum?
Sadece üye olan kurumların ağından bağlandığınız da tüm sonuçları görüntüleyebilirsiniz. Üye olmayan kurumlar için kurum yetkililerinin başvurması durumunda 1 aylık ücretsiz deneme sürümü açmaktayız.
Benim olmayan çok sonuç geliyor?
Birçok kaynakça da atıflar "Soyad, İ" olarak gösterildiği için özellikle Soyad ve isminin baş harfi aynı olan akademisyenlerin atıfları zaman zaman karışabilmektedir. Bu sorun tüm dünyadaki atıf dizinlerinin sıkça karşılaştığı bir sorundur.
Sadece ilgili makaleme yapılan atıfları nasıl görebilirim?
Makalenizin ismini arattıktan sonra detaylar kısmına bastığınız anda seçtiğiniz makaleye yapılan atıfları görebilirsiniz.
  Atıf Sayısı 1
 Görüntüleme 14
 İndirme 2
MR GÖRÜNTÜLERİNDEN ALZHEİMER TESPİTİNDE BOYUT AZALTMA VE DERİN ÖĞRENME YAKLAŞIMLARININ KARŞILAŞTIRILMASI
2022
Dergi:  
Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi
Yazar:  
Özet:

Her yıl milyonlarca insana Alzheimer teşhisi konulmaktadır. Alzheimer, nörodejeneratif bir hastalıktır. Kliniklerde bu hastalığın en doğru tespiti için biyopsi işlemi uygulanmaktadır. Ancak bu işlem beyin üzerinden gerçekleştirildiğinden hasta için büyük bir risk teşkil etmektedir. Bundan dolayı bu tür hastalıkların tespit edilmesinde daha çok nörogörünütleme teknikleri tercih edilmektedir. Bu nörogörünteleme tekniklerinden biri de Manyetik Rezonans (MR) görüntülemedir. MR invazif olmayan bir araçtır. Bundan dolayı kliniklerde çokça tercih edilmektedir. Bunun yanında mühendislik alanında MR görüntüleri kullanılarak bilgisayar destekli tanı sistemleri de geliştirilmektedir. Bu çalışmada dört farklı Alzheimer sınıfı içeren MR görüntüleri kullanılarak, bu hastalığın demans seviyesi tespit edilmeye çalışılmıştır. Veri seti orta demans, hafif demans, çok hafif demans ve demans olmayan sınıflardan oluşmaktadır. Çalışmada ilk önce, MR görüntüleri ham olarak matrislere dönüştürülmüştür. Elde edilen matrislere dağılımın normale yaklaştığı, standart sapmanın bir değerini aldığı standardizasyon işlemi uygulanmıştır. Daha sonra veri seti Evrişimsel Sinir Ağında (ESA) sınıflandırılmıştır. Aynı zamanda Temel Bileşen Analizi (TBA), Bağımsız Bileşen Analizi (BBA) ve Yerel Doğrusal Gömme (YDG) yöntemleri ayrı ayrı uygulanarak, öznitelik vektörü elde edilmiştir. Elde edilen öznitelik vektörü k-NN sınıflandırıcı ile sınıflandırılmıştır. Sınıflandırma sonucunda ESA, k-NN-TBA, k-NN-BBA ve k-NN-YDG yöntemlerinde sırasıyla, %88.44, %95.52, %98.22 ve %91.14 sınıflandırma doğruluğu bulunmuştur. Çalışma sonucunda en iyi performansın BBA tabanlı k-NN sınıflandırıcı ile elde edildiği görülmüştür.

Anahtar Kelimeler:

null
2022
Yazar:  
0
2022
Yazar:  
Atıf Yapanlar
Dikkat!
Yayınların atıflarını görmek için Sobiad'a Üye Bir Üniversite Ağından erişim sağlamalısınız. Kurumuzun Sobiad'a üye olması için Kütüphane ve Dokümantasyon Daire Başkanlığı ile iletişim kurabilirsiniz.
Kampüs Dışı Erişim
Eğer Sobiad Abonesi bir kuruma bağlıysanız kurum dışı erişim için Giriş Yap Panelini kullanabilirsiniz. Kurumsal E-Mail adresiniz ile kolayca üye olup giriş yapabilirsiniz.
Benzer Makaleler








Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi

Alan :   Mühendislik

Dergi Türü :   Ulusal

Metrikler
Makale : 782
Atıf : 1.921
2023 Impact/Etki : 0.157
Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi