Yazar "BERKER BAYDAN" seçeneğine göre listele

Listeleniyor 1 - 1 / 1
  • Küçük Resim
    Öğe
    Derin öğrenme ile köpek ve kedi tibia kemikleri üzerindeki kırıkların tespiti ve sınıflandırması
    (Kırıkkale Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı, 2021) BERKER BAYDAN
    Tibia kırığı veteriner hekimlikte özellikle kedi ve köpeklerde çok sık rastlanan kırık şeklidir. Tibiadaki kırığın daha doğru, hızlı ve güvenli bir şekilde teşhis edilmesi hem klinisyen hem de hayvan sağlığı için oldukça önemlidir. Bu sebepten bilgisayar destekli sistemler ile otomatik tespit etme yöntemleri önemli hale gelmiştir. Derin öğrenme gibi en gelişmiş bilgisayar destekli yöntemler kullanılarak insanlarda kırık teşhisi yapılmaktadır. Bu çalışmanın amacı iki kısımdan oluşmaktadır. Birincisi derin öğrenme yöntemlerinden Mask R-CNN ve SSD'yi kullanarak kedilerin ve köpeklerin bütün/kısmi dijital görüntüleri üzerinde tibiayı (kırık/kırık değil) sınıflandırmak ve kırık olarak tespit edilmiş tibialar üzerinde kırığın yerini belirlemektir. İkincisi öznitelik çıkarım için kullanılan klasik Mask R-CNN mimarisinin omurgasında yer alan bölümü hibrit yapıya dönüştürüp kedi ve köpeklerdeki tibia kırığının tespit performansını yükseltmektir. Üniversite ve kurumlardan 1488 adet köpek ve kedi dijital görüntü elde edilmiştir. Buna istinaden tibia kırığı tespiti için dört farklı çalışma yapıldı. Birinci çalışmanın birinci fazında, kırık ve sağlam tibia sınıflandırılması otomatik şekilde Mask R-CNN kullanılarak yapıldı. İlk fazdan elde edilen kırık tibiadaki kırık yeri Mask R-CNN kullanılarak ikinci fazda belirlendi. İkinci çalışmada, kırık yeri doğrudan lokalize edilme işlemi için Mask R-CNN kullanıldı. Üçüncü çalışmada birinci çalışmanın birinci fazından elde edilen kırık tibiadaki kırık yeri SSD kullanılarak lokalize edildi. Dördüncü çalışmada Mask R-CNN çatısında kullanılan orjinal omurga yapısını hibrit hale getirerek köpek ve kedi tibia kırıklarındaki kırık bölgelerinin tespiti yapıldı. Birinci çalışmanın birinci faz doğruluk ve F1 skor değerleri sırasıyla %74 ve %85, birinci çalışmanın ikinci faz F1 skor değeri ise %84,5 olarak bulundu. İkinci çalışmanın doğruluk ve F1 skor değerleri sırasıyla %52,1 ve %68,5 olarak bulundu. Üçüncü çalışmanın F1 skor değeri ise %46,2 olarak bulundu. Dördüncü çalışmanın F1 skor değeri %85.8 olarak bulundu. Araştırmada yapılan çalışmanın sonuçlarına göre hibrit sistemin orjinal Mask R-CNN mimarisine göre daha başarılı tespitler yaparak hayvan sağlığının korunması açısından faydalı olacağını ve bu tip akıllı sistemler yardımıyla kırık teşhisinin yaygınlaştırılmasının hayvan refahı yönünden de yararlı olacağını gösterdi.