Theses supervised by Doç. Dr. İmam Şamil Yetik
25 theses · TOBB Economics and Technology University
Panoramik radyografi görüntülerinde maksiller ve mandibüler yapıların sınırlarının belirlenmesi için yarı-gözetimli bir metot
Dental radyoloji teknikleri (Röntgen, Tomografi vb.) maksillofasiyal bölgede bulunan göz ile zor tespit edilen diş rahatsızlıkları, çürükler ve iltihablar, lezyonlar, eksik veya gömülü dişler, kemik ve doku patolojileri gibi birçok dental ve anatomik anomalilerin tespitinde, bulguların doğrulanmasında ve teşhisinde önemli rol oynamaktadır. Maksillofasiyal bölgedeki anomaliler için teşhis koyma süreci, dental radyolojik görüntülerin bir yada birden çok klinisyen tarafından incelenmesi esasına dayanır. Dental anomalilerin ve anatomik yapılardaki varyasyonların yüksek olması, ayrıca radyolojik görüntülerin standardizasyonun zor olması, tanı ve tedavi sürecinin başarılı bir şekilde sonlandırabilmesi karşısında çıkan zorluklardan birkaçı olarak durmaktadır. Bunun yanında bazı komplike ve bulguların başka rahatsızlıklarla benzerlik gösterdiği durumlarda, teşhis ve tedavi süreci çok fazla vakit alabilmekte ve konulan teşhis ve izlenilen tedavi yöntemi diş hekiminden diş hekimine farklılık gösterebilmektedir. Bu zorlukları minimuma indirmek ve sorunları önlemek amacıyla diğer radyoloji alanlarında olduğu gibi dental radyoloji alanında da tanı işlemini kolaylaştırmak ve hata oranını düşürmek için tıbbi görüntüleme ve bilgisayar destekli tanı sistemleri üzerine çalışmalar yapılmaktadır. Bu çalışmalar, radyografi görüntülerinin kalitesinin, çözünürlüğünün ve hassasiyetinin arttırılması, çeşitli yapıların (diş, çene vb) üzerindeki hastalık riski oluşturabilecek alanların bölütlenmesi ve bu yapılarda oluşan anomalilerin sınıflandırılması gibi konular üzerinde yoğunlaşmıştır. Bu çalışmalardan bir tanesi de dental X-ray görüntülerindeki maksiller ve mandübular yapıların yarı gözetimli olarak bölütlenmesidir. Maksiller ve mandibular yapıların bölütlemesi için geliştirilen metodun analiz edildiği bu çalışmada, panoramik radyografi görüntülerinin bölütlenmesinde, görüntüye özel maske tanımlama yöntemi uygulanmıştır. Bu maske, bölütleme algoritmasına başlangıç girdisi olarak tanımlanarak sınırları belirlenmek istenen yapılara en yakın sınırları vermesi beklenen aktif kontur tabanlı bir algoritma ile bu yapıların bölütlenmesi sağlanmıştır. İstenilen alanlar bölütlendikten sonra, bölütleme sınırlarına düzleştirme metodu uygulanarak bölütleme sonuçlarının keskin geçişler yerine daha yumuşak köşe geçişlerine sahip, yapıların gerçek sınırlarına daha benzer sonuçlar elde edilmesi amaçlanmıştır. Son olarak elde edilen sonuçların gerçek sonuçlara yakınlığını saptamak için diş hekimlerinin belirlediği alanlar ile önerilen yöntemin belirlediği alanların Sorensen-Dice benzerlik ölçütü(Sorensen-Dice measure of similarity) metodu ile benzerlik katsayıları karşılaştırılmıştır.
Panoramik X-ray diş görüntülerinde diş bölgesinin ve dişlerin makine öğrenimi ve derin öğrenme ile bölütlenmesi
Panoramik X-Ray diş görüntülerinden dişlerin olduğu bölgenin ve dişleri bölütlenmesi, çeşitli hastalıkların belirlenmesi için önemli hale gelmiş bulunmaktadır. Özellikle son dönemde gelişen teknoloji ile birlikte çalışmalara dahil olmaya başlayan Yapay Zeka (AI) temelli yapılar, hem dişlerin tespiti ve bölütlenmesi sürecini kısaltmayı hem de diş hekimlerine karar destek yapıları oluşturarak yanlış teşhisi ortadan kaldırmayı amaçlamaktadır. Ham görüntülerdeki diş olmayan piksellerin diş olan piksellere göre fazla olması ve görüntülerdeki kontrast ve renk seviyesinin bölgesel olarak farklılık göstermemesi görüntü işlemeyi zorlaştırmaktadır. Bu tezin amacı, panoramik x-ray görüntülerindeki dişlerin olduğu bölgeyi ve dişleri otomatik olarak bölütleyebilmektir. İlk olarak, görüntülerin boyutlarını hem her görüntü için sabit olması hem de işlemsel olarak hızlı sonuçlar almak için düşürerek alt-örnekleme yapılmıştır. Sonraki aşamada, görüntülerdeki diş alanının merkez noktası otomatik olarak belirlenmiştir. Daha sonra piksellerin yeğinlik değerleri, bulunan merkez noktasına göre x koordinatı, bulunan merkez noktasına göre y koordinatı ve 3x3 penceresinde maksimum ve minimum değerlerin çıkarılmasıyla elde edilen öznitelikler kullanılarak diş bölgesinin bölütlenmesi gerçekleştirilmiştir. Bunun için bir Makine Öğrenme (ML) algoritması olan CatBoost algoritması kullanılmıştır. Makine Öğrenme (ML) modeli oluşturulurken, veri setinin ezberlenmesini önlemek için eğitim veri setinin k-kat çapraz doğrulaması ve hiper parametrelerin ızgara arama optimizasyonu yöntemleri uygulanmıştır. Diş bölgesini tam olarak bölütleyebilmek için makine öğrenmesi modelinden elde edilen her sonucun üzerinde ağız bölgesinin deforme olabilen şekiller uydurulmuştur. Bu sayede diş bölgesi içinde bulunmayan piksellerden kurtulunmuş ve diş bölgesi bölütlemesi yapılmıştır. Diş bölgesini bölütledikten sonra Derin Öğrenme (DL) modeli oluşturulup bu modele sadece bölütlenen diş bölgeleri giriş olarak verilmiştir. Model içinde karalılığı sağlamak ve işlem hızını arttırmak amacıyla elde edilen bölütlenmiş diş bölgeleri görüntülerinin boyutları düşürülerek alt-örnekleme yapılmıştır. Derin Öğrenme (DL) sonucunda her görüntü üzerinde dişlere ait olan bir pencere elde edilmiştir. Her pencere içindeki dişlerin tam bölütlenmesi için Tony F. Chan ve Luminita Vese (Chan-Vese) algoritması uygulanmıştır. Bu sayede pencereler dişlerin şeklinde küçültülmüş ve bölütmele işlemi yapılmıştır. Sonuçlar, Makine Öğrenmesi (ML) ve Derin Öğrenme (DL) için öğrenme eğrisi; dişlere ait olan piksellerin doğruluğunu ölçmek için F1, doğruluk, hatırlama ve kesinlik skorları kullanılarak analiz edilmiştir.
Tek kamera ve Lidar verisi ile konum kestirimi
Navigasyon çözümlerinin temel bileşenlerinden biri olan konum kestirimi problemi,günümüzde çoğunlukla küresel konumlama sistemi (KKS) ile diğer kaynaklardan elde edilen verilerin (ataletsel ölçüm birimi, sayısal arazi yükseklik verisi haritaları, barometrik basınç sensörü, tekerlek kilometre sayacı vb.) bir arada kullanılmasıyla çözülmektedir. KKS sinyallerinin kullanılamadığı ortamlarda ise konum kestirimi problemi literatürdeki açık problemler arasında yerini korumaya devam etmektedir. ̇Insanlı veya insansız, otonom veya değil farketmeksizin, herhangi bir aracın/robotun KKS sinyallerini kullanamadığı durumlarda da seyrüsefer görevini yerine getirebilmesi için, doğru ve yüksek hassasiyetli konum kestirimi yapabilmesi gerekmektedir. Altı serbestlik dereceli konum kestirimi için kullanılan çeşitli yöntemler ile algılayıcı donanımlar detaylı incelendiğinde herbirinin çeşitli avantajlarının ve dezavantajlarının bulunduğu anlaşılmaktadır. Farklı kaynaklardan elde edilen verilerin birarada kullanıldığı yöntemlerin, altı serbestlik dereceli konum kestirimi probleminin çözümünde daha iyi sonuçlar verdiği görülmektedir. Bu tez çalışmasında, tek bir kamera ve lidar sensörü kullanılarak, KKS sinyallerinin kullanılamadığı ortamlarda altı serbestlik dereceli konum bilgisinin kestirilmesi problemi ele alınmıştır. Tek bir kameradan alınan verilerin işlenmesi ile elde edilen konum bilgisinin, kestirilemeyen bir ölçek dahilinde doğru olduğu bilinmektedir. Doğru metrik ölçülerle konum bilgisini kestirebilmek için bu ölçek bilgisinin çeşitli yöntemlerle hesaplanması gerekmektedir. Bu tezde, kameradan alınan resim kareleri üzerindeki piksellerle, Lidar sensöründen elde edilen metrik veriler kullanılarak altı serbestlik dereceli konum bilgisi mutlak ölçekler dahilinde hesaplanmıştır. Önerilen algoritmanın testleri KITTI odometri veri kümesi üzerinde yapılmıştır. KITTI odometri veri kümesi; hareketli bir otomobilin üzerine yerleştirilmiş olan stereo kameralar, Lidar, ataletsel ölçüm birimi (AÖB) ve Küresel Konumlama Sistemi'nden elde edilen verilerle oluşturulmuştur. KITTI odometri veri kümesi içerisinde yer alan tek bir renkli kamera verisi ile Lidar sensörü verileri bu tezin konusu olan algoritmanın testleri için kullanılmıştır. KKS ve AÖB'den elde edilen veriler ise önerilen Görsel-Lidar Odometri algoritmasının başarısını kıyaslamak üzere referans olarak kullanılmıştır. KITTI odometri veri kümesi kullanılarak elde edilen test sonuçları, tek bir kamera verisi ile Lidar taramaları kullanılarak geliştirilen Görsel-Lidar Odometri yönteminin, maliyetli optimizasyon yöntemlerine ihtiyaç duyulmadan tutarlı konum bilgisi üretebildiğini göstermiştir.
Küresel konumlama sistemi kaybı olan ortamlarda insansız hava araçları için geliştirilen alternatif seyrüsefer tekniği
İnsanlı ve insansız uçaklarda küresel konumlama sistemindeki (GPS) kayıp, uçağın seyrüseferini etkilemektedir, fakat insanlı uçaklarda pilot tarafından seyrüsefer devam edebilirken, insansız uçaklarda uçağın kırımı gibi bir sonuç ile karşılaşılabilinmektedir. Bu sebeple, küresel konumlama sistemi olmayan ortamlarda uçakların seyrüseferlerine devam edememesi en sık görülen seyrüsefer sorunlarından birisidir. GPS kaybı durumunda, ataletsel seyrüsefer sistemi (INS) ile uçaklar seyrüseferine bir süre devam edebilse bile, uçaklardaki sürüklenmeden kaynaklı konumundaki hata gittikçe artmaktadır ve uçak takip edebilmesi gereken rotadan uzaklaşmaktadır. Bu sebeple bu tezde GPS bilgisinden beslenmeyen uçak üzerine yeryüzünü görecek şekilde yerleştirilmiş faydalı yük kamerası ile insansız hava aracının (İHA) konumunu bilmesini sağlayan bir sistem geliştirilmiştir. Bir tanesi uçak üzerine yerleştirilmiş faydalı yük kamerasından, bir diğeri de uydudan alınmış GPS konumu bilinen görsellerin olduğu iki adet görüntü verileri bulunmaktadır. Çeşitli öznitelik çıkarma sinir ağı modelleri ve iki görüntü seti içerisinde normalleştirilmiş değişken ortak enformasyon kullanılarak İHA'nın konumunun tespit edebilen bir yöntem geliştirilmiştir. Uydudan gelen görüntü setindeki görseller GPS konumları ile birlikte etiketlenip, İHA aracına verilmektedir. Bu iki görüntü seti öznitelik belirleme ve sınıflandırma için kullanılan sinir ağından geçirilip, öznitelikleri belirlendikten sonra, bu öznitelikler tasarlanan iki adet sinir ağından daha geçirilmektedir. İlk sinir ağında geçirildikten sonra, uydu görsellerinin İHA'dan gelen görsellerin içinde olup olmadığı tespit edilip, eğer İHA'dan gelen görüntü içerisinde uydu görselleri var ise, ikinci sinir ağından daha geçirilip, İHA konumunun uydu görselleri üzerinden eşleştirilmesi yapılmaktadır. İkinci sinir ağından alınan sonuçlara ile birlikte iki görüntü seti içerisinde normalleştirilmiş değişken ortak enformasyon kullanılmaktadır. İkinci sinir ağından gelen konum bilgisi sonucuna, normalleştirilmiş ortak enformasyon hesabında daha fazla ağırlık verilerek, eşleşmenin maksimum olduğu bölge aranmaktadır. GPS kaybı durumunda, İHA'dan alınan görseller içerisinde önceden verilmiş etiketlenmiş uydu görselleri aranıp ve uydu görselinden gelen obje, İHA görüntüsü üzerinden tespit edildiği anda, uydu görselinin GPS bilgisi, insansız hava aracına verilmektedir. Önerilen algoritmayı test etme amacıyla İHA tarafından toplanmış görüntüler ve uydudan alınmış görseller içeren iki veri seti bulunmuş ve etiketleme işlemleri yapılmıştır. Önerilen algoritma farklı öznitelik çıkarma sinir ağları kullanılarak, İHA görüntülerinin birleştirildiği ve birleştirilmediği senaryolarda test edilmiştir. Ortak enformasyon işlemi sonrasında elde edilen sonuçların, sinir ağının çıktılarına kıyasla, ortalama kareli hata ve kesişim kümesi oranları bakımından daha üstün olduğu gözlemlenmiştir.
Basketbol oyuncu tanımlama ve skor tespiti
Spor video analizi, görüntü is ̧leme uygulamalarının popüler kullanım alanlarından biridir. Bu tür analizler profesyonel spor müsabakalarında ya da antrenman videolarında yapılmakta ve genel olarak skor ve oyuncu tanımlamaları için derin ög ̆renme yerine geleneksel yöntemler kullanılmaktadır. Bu tezin amacı ise bir basketbol antrenmanını gerçek zamanlı olarak analiz edebilen bir algoritma gelis ̧tirmektir. Yani, bu uygulama dog ̆ru oyuncuları tespit etmeli ve her bir oyuncu için skoru vermelidir. Bu amaçla, ilk olarak s ̧utları ve bu s ̧utların bas ̧arılı olup olmadıg ̆ını tespit eden bir metot tanıtılmıs ̧tır. Spesifik olarak, basketbol potasının görüntüdeki yerini tespit etmek için bir derin ög ̆renme modeli verilmis ̧ ve s ̧ut tespiti için arka plan çıkarımı kullanılmıs ̧tır. Ardından, s ̧utun skor olup olmadıg ̆ı farklı bir sinir ag ̆ıyla tanımlanmıs ̧tır. S ̧utun tanımlanmasından sonra, arabelleklenen görüntüler içinde geriye gidilerek s ̧utör tespiti yapılır. Oyuncu YOLOv3-tiny kullanılarak tespit edilir ve güdümsüz bir derin ög ̆renme modeliyle tanımlanır. Bu güdümsüz model yüksek performans vermesi için Üçlü Yitim ve bir bölütleme modelinin kullanımıyla eg ̆itilmis ̧tir. Gerçek zaman hedefine ulas ̧mak amacıyla, kullanılan bütün modeller için temel olarak mobil ag ̆lardan farklı parametre ve eg ̆itim yöntemleriyle yararlanılmıs ̧tır. Ek olarak, her seans sonunda bir kümeleme uygulaması çalıs ̧tırılarak tekrar oyuncu tanımlama yapılmıs ̧ ve sonucun iyiles ̧tirilmesi sag ̆lanmıs ̧tır. Deneyler iki farklı antrenman videosu üzerinde yapılmıs ̧tır. Deney sonuçları skor tanımlamasında %95 dog ̆ruluk oranı; 2 oyuncu üzerinde gerçek zamanlı olarak %92.5'e ve kümeleme ile 6 oyuncu üzerinde %86.7'ye varan dog ̆ruluk oranları ile tanıtılan metodun etkililig ̆ini göstermektedir.
Sanal radar almaç dizileri ile geniş bant deniz karmaşasının bastırılması
Radar sistemlerinde deniz karmaşasının bastırılması, geniş bant deniz yansısı içindeki belirli hedeflerin deniz yüzeyindeki Doppler frekanslarının dar bant dizi işleme kullanılarak ayırt edilememesinden dolayı önemli bir zorluk oluşturmaktadır. Bu çalışmada, tek bir pasif sensörden elde edilen deniz yansılarının sanal bir alıcı dizisi kullanılarak genelleştirilmiş yan hüzme sadeleştirici (GSC) yöntemiyle ayrılması araştırılmıştır. Bir menzil hücresindeki deniz yansılarının, komşu hücrelerdeki yansılarla ilişkili olduğu, ancak hedeflere ait yanıtlardan farklılık gösterdiği gözlemlenmiştir. Sonuç olarak, radar yansımalarından uygun altuzaylar oluşturularak istenmeyen karmaşa bileşenlerinin bastırılması mümkün olmaktadır. Deneysel veri üzerinden elde edilen sonuçlar, önerilen her iki yaklaşımın da hedef-sinyal gücünü artırarak ve geniş bant deniz yansısını azaltarak sinyal-etkileşim artı gürültü oranının (SINR) iyileştirebildiğini göstermektedir.
Transfer öğrenimi tabanlı evrişimli sinir ağlarını kullananotomatik dental panoramik görüntü segmentasyonu
Radyolojik incelemelerde kullanılan X-Ray görüntüleri diş hekimlerinin hastanın problemini anlamak ve çözmek için başvurduğu temel verilerden biridir. Bu görüntülerden panoramik X-ray görüntüleri tüm ağız bölgesini göstermesi sebebiyle hastanın probleminin teşhis ve tedavisi açısından daha kapsamlıdır. Ayrıca diş harici birçok bölümü de içerdiğinden en karmaşık yapıya sahip görüntülerdir. Öte yandan kullanılan cihazlardan kaynaklı farklı görüntü niteliklerine sahiptirler. Bunlar göz önünde bulundurulduğunda panoramik X-ray görüntülerinin doğru işlenmesi zorlayıcı bir süreçtir ve başarılı bir şekilde analiz edilmesi büyük önem teşkil etmektedir. Bu süreci otomatik hale getirerek uzmanlara yardımcı olmak için çeşitli klasik görüntü işleme algoritmaları geliştirilmiştir. Yıllar boyunca veri setlerinin boyutlarının artması, kullanılan cihazların gelişmesi gibi etkenlerle birlikte derin öğrenme (DL) teknolojisi daha popüler hale gelmiş ve uygulama alanları genişlemiştir. Dolayısıyla klasik görüntü işleme algoritmalarının yanı sıra X-Ray görüntüleri birçok amaç için derin öğrenme (DL) teknolojisi kullanılarak da analiz edilmeye başlanmıştır. Fakat diş veri setlerinin boyutları diğer uygulama alanlarında bulunan veri setlerinin boyutlarına kıyasla oldukça azdır. Bu tezin amacı küçük veri seti boyutu sorununa transfer yöntemi ile çözüm bularak panoramik X-ray görüntüleri ile başarılı bir diş segmentasyonu gerçekleştirmektir. Elde bulunan panoramik X-ray görüntülerinin boyutlarının farklılığını gidermek için bütün veri seti yeniden boyutlandırılarak aynı formatta olmaları sağlanmıştır. Seçilen görüntü düzenleme uygulamasıyla modellerin eğitiminde kullanılacak görüntü maskeleri oluşturulmuştur. Transfer öğrenme yöntemi için ihtiyaç duyulan önceden eğitilmiş derin öğrenme (DL) modeli olarak U-Net ve InceptionResNet-V2 modelleri seçilmiş ve iki farklı derin öğrenme mimarisi oluşturulmuştur. InceptionResNet-V2 modeli halka açık görüntü veri setiyle önceden eğitildiği için kütüphane olarak hazır halde bulunmaktadır. U-Net modeli ise halka açık olarak yayınlanan göğüs X-Ray veri seti ile eğitilmiştir. Önceden eğitilmiş modeller ile birleştirilerek panoramik X-ray görüntüleri üzerinden eğitilecek olan temel derin öğrenme (DL) modeli olarak U-Net mimarisi seçilmiştir. Böylece iki farklı derin öğrenme mimarisi oluşturularak eğitim gerçekleştirilmiştir. Modellerin veri ezberlemesine karşı veri artırma yöntemi bütün iş veri setine uygulanmıştır. Ayrıca erken sonlandırma yöntemiyle de yine veri ezberleme probleminin önüne geçilmiştir. Oluşturulan test veri seti kullanılarak modellerin doğrulukları zar katsayısıyla ölçülmüş ve sonuçlar karşılaştırılmıştır.
Transfer öğrenimi tabanlı evrişimli sinir ağlarını kullananotomatik dental panoramik görüntü segmentasyonu
Radyolojik incelemelerde kullanılan X-Ray görüntüleri diş hekimlerinin hastanın problemini anlamak ve çözmek için başvurduğu temel verilerden biridir. Bu görüntülerden panoramik X-ray görüntüleri tüm ağız bölgesini göstermesi sebebiyle hastanın probleminin teşhis ve tedavisi açısından daha kapsamlıdır. Ayrıca diş harici birçok bölümü de içerdiğinden en karmaşık yapıya sahip görüntülerdir. Öte yandan kullanılan cihazlardan kaynaklı farklı görüntü niteliklerine sahiptirler. Bunlar göz önünde bulundurulduğunda panoramik X-ray görüntülerinin doğru işlenmesi zorlayıcı bir süreçtir ve başarılı bir şekilde analiz edilmesi büyük önem teşkil etmektedir. Bu süreci otomatik hale getirerek uzmanlara yardımcı olmak için çeşitli klasik görüntü işleme algoritmaları geliştirilmiştir. Yıllar boyunca veri setlerinin boyutlarının artması, kullanılan cihazların gelişmesi gibi etkenlerle birlikte derin öğrenme (DL) teknolojisi daha popüler hale gelmiş ve uygulama alanları genişlemiştir. Dolayısıyla klasik görüntü işleme algoritmalarının yanı sıra X-Ray görüntüleri birçok amaç için derin öğrenme (DL) teknolojisi kullanılarak da analiz edilmeye başlanmıştır. Fakat diş veri setlerinin boyutları diğer uygulama alanlarında bulunan veri setlerinin boyutlarına kıyasla oldukça azdır. Bu tezin amacı küçük veri seti boyutu sorununa transfer yöntemi ile çözüm bularak panoramik X-ray görüntüleri ile başarılı bir diş segmentasyonu gerçekleştirmektir. Elde bulunan panoramik X-ray görüntülerinin boyutlarının farklılığını gidermek için bütün veri seti yeniden boyutlandırılarak aynı formatta olmaları sağlanmıştır. Seçilen görüntü düzenleme uygulamasıyla modellerin eğitiminde kullanılacak görüntü maskeleri oluşturulmuştur. Transfer öğrenme yöntemi için ihtiyaç duyulan önceden eğitilmiş derin öğrenme (DL) modeli olarak U-Net ve InceptionResNet-V2 modelleri seçilmiş ve iki farklı derin öğrenme mimarisi oluşturulmuştur. InceptionResNet-V2 modeli halka açık görüntü veri setiyle önceden eğitildiği için kütüphane olarak hazır halde bulunmaktadır. U-Net modeli ise halka açık olarak yayınlanan göğüs X-Ray veri seti ile eğitilmiştir. Önceden eğitilmiş modeller ile birleştirilerek panoramik X-ray görüntüleri üzerinden eğitilecek olan temel derin öğrenme (DL) modeli olarak U-Net mimarisi seçilmiştir. Böylece iki farklı derin öğrenme mimarisi oluşturularak eğitim gerçekleştirilmiştir. Modellerin veri ezberlemesine karşı veri artırma yöntemi bütün iş veri setine uygulanmıştır. Ayrıca erken sonlandırma yöntemiyle de yine veri ezberleme probleminin önüne geçilmiştir. Oluşturulan test veri seti kullanılarak modellerin doğrulukları zar katsayısıyla ölçülmüş ve sonuçlar karşılaştırılmıştır.
Transfer öğrenimi tabanlı evrişimli sinir ağlarını kullananotomatik dental panoramik görüntü segmentasyonu
Radyolojik incelemelerde kullanılan X-Ray görüntüleri diş hekimlerinin hastanın problemini anlamak ve çözmek için başvurduğu temel verilerden biridir. Bu görüntülerden panoramik X-ray görüntüleri tüm ağız bölgesini göstermesi sebebiyle hastanın probleminin teşhis ve tedavisi açısından daha kapsamlıdır. Ayrıca diş harici birçok bölümü de içerdiğinden en karmaşık yapıya sahip görüntülerdir. Öte yandan kullanılan cihazlardan kaynaklı farklı görüntü niteliklerine sahiptirler. Bunlar göz önünde bulundurulduğunda panoramik X-ray görüntülerinin doğru işlenmesi zorlayıcı bir süreçtir ve başarılı bir şekilde analiz edilmesi büyük önem teşkil etmektedir. Bu süreci otomatik hale getirerek uzmanlara yardımcı olmak için çeşitli klasik görüntü işleme algoritmaları geliştirilmiştir. Yıllar boyunca veri setlerinin boyutlarının artması, kullanılan cihazların gelişmesi gibi etkenlerle birlikte derin öğrenme (DL) teknolojisi daha popüler hale gelmiş ve uygulama alanları genişlemiştir. Dolayısıyla klasik görüntü işleme algoritmalarının yanı sıra X-Ray görüntüleri birçok amaç için derin öğrenme (DL) teknolojisi kullanılarak da analiz edilmeye başlanmıştır. Fakat diş veri setlerinin boyutları diğer uygulama alanlarında bulunan veri setlerinin boyutlarına kıyasla oldukça azdır. Bu tezin amacı küçük veri seti boyutu sorununa transfer yöntemi ile çözüm bularak panoramik X-ray görüntüleri ile başarılı bir diş segmentasyonu gerçekleştirmektir. Elde bulunan panoramik X-ray görüntülerinin boyutlarının farklılığını gidermek için bütün veri seti yeniden boyutlandırılarak aynı formatta olmaları sağlanmıştır. Seçilen görüntü düzenleme uygulamasıyla modellerin eğitiminde kullanılacak görüntü maskeleri oluşturulmuştur. Transfer öğrenme yöntemi için ihtiyaç duyulan önceden eğitilmiş derin öğrenme (DL) modeli olarak U-Net ve InceptionResNet-V2 modelleri seçilmiş ve iki farklı derin öğrenme mimarisi oluşturulmuştur. InceptionResNet-V2 modeli halka açık görüntü veri setiyle önceden eğitildiği için kütüphane olarak hazır halde bulunmaktadır. U-Net modeli ise halka açık olarak yayınlanan göğüs X-Ray veri seti ile eğitilmiştir. Önceden eğitilmiş modeller ile birleştirilerek panoramik X-ray görüntüleri üzerinden eğitilecek olan temel derin öğrenme (DL) modeli olarak U-Net mimarisi seçilmiştir. Böylece iki farklı derin öğrenme mimarisi oluşturularak eğitim gerçekleştirilmiştir. Modellerin veri ezberlemesine karşı veri artırma yöntemi bütün iş veri setine uygulanmıştır. Ayrıca erken sonlandırma yöntemiyle de yine veri ezberleme probleminin önüne geçilmiştir. Oluşturulan test veri seti kullanılarak modellerin doğrulukları zar katsayısıyla ölçülmüş ve sonuçlar karşılaştırılmıştır.
Meteoroloji radar verilerinden optimal hava durumu tespiti için öznitelik seçimi ve yeni yöntemlerin geliştirilmesi
Özellikle son yıllarda, meteorolojik radar verilerinin işlenmesi ve bu veriler doğrultusunda optimal hava durumu tahminleri önemli bir araştırma alanı olmuştur. Ayrıca yine bu radar verileri kullanılarak kuş,böcek ve kargaşa gibi meteorolojik olmayan hedeflerin tespiti üzerine de yoğunlaşılmıştır. Uzaktan algılama sistemleri ile meteorolojik tespitlerde uyduların yanı sıra radarlar da kullanılmaya başlanmıştır. Özellikle polarimetrik mikro doppler radarlar ile ölçümlerle bölgedeki hidrometeorların tespiti mümkündür. Uyduların yerine bu radarların tercih edilmesinin en önemli sebebi hem radarlarla daha küçük alanlar hakkında daha detaylı bilgiler toplanabilmesi, hem de kısa vadeli ve anlık tespitler ile bölgedeki meteorolojik duruma göre hızlı önlemler alınabilmesidir. Bu tez kapsamında Hatay Meteoroloji Radar verileri kullanılarak bu bölgedeki hidrometeorların tespiti üzerine bir sınıflandırıcı oluşturulmuş ve bu sınıflandırıcının performansını ve başarısını artırmaya yönelik araştırmalar yapılmıştır. İlk aşamada Hatay Radar'ından alınan verilerin formatı çalışmalara uygun hale getirilmiş ve çıkarılan polarimetrik radar öznitelikleri kullanılarak bir destek vektör makinesi sınıflandırıcısı oluşturulmuştur. Sınıflandırıcı iki aşamada çalışmaktadır; öncelikle radar görüntülerinde yağış tespiti yapılmıştır, daha sonra ise yağış tespit edilemeyen bölgelerde kuş-böcek ve kargaşa tespit edilmiştir. Radar verilerinde sınıflandırıcı eğitimi için yersel gerçeklik bilgisi olmadığı için radar öznitelikleri incelenip hidrometeor sınıfları gözle tespit edilebilen bölgeler taranıp, eğitim için bir yersel gerçeklik seti oluşturulmuştur. Yersel gerçeklik seti kullanılarak sınıflandırıcı eğitimi yapılmıştır. Daha sonra radardan gelen sekiz öznitelik için bir öznitelik seçimi yapılmış ve her iki sınıflandırma aşaması için etkili olan öznitelikler belirlenmiştir. Radar verilerinde hatalı ve gürültülü ölçüm alınan bölgeler, bir maskeleme metotu kullanılarak temizlenmiş ve seçilen öznitelikler ile sınıflandırma sonuçları kıyaslanmıştır. Son olarak da hatalı yağış tespitlerini minimuma indirgemek için radardan ölçülen spektral özniteliklerin yanı sıra sınıflandırma sonuçları kullanılarak yeni doku öznitelikleri çıkarılmış ve bu öznitelikler kullanılarak tekrar sınıflandırmalar yapılmıştır. Doku öznitelikleri olarak, sınıflandırma sonuçlarından elde edilen doku üzerinde, sınıflar arasındaki komşuluk ilişkileri kullanılarak hesaplanan enerji ve entropi değerleri kullanılmıştır. Tezin sonunda ise elde edilen doku öznitelikleri kullanılarak yapılan sınıfladırma işleminde, sınıflandırıcı performansının yağış tespitinde başarımın artığı görülmüş ve özellikle yağışsız tarihlerde ölçülen hatalı yağış sınıflandırma sonuçları büyük ölçüde giderilmiştir.
Meteoroloji radar verilerinden optimal hava durumu tespiti için öznitelik seçimi ve yeni yöntemlerin geliştirilmesi
Özellikle son yıllarda, meteorolojik radar verilerinin işlenmesi ve bu veriler doğrultusunda optimal hava durumu tahminleri önemli bir araştırma alanı olmuştur. Ayrıca yine bu radar verileri kullanılarak kuş,böcek ve kargaşa gibi meteorolojik olmayan hedeflerin tespiti üzerine de yoğunlaşılmıştır. Uzaktan algılama sistemleri ile meteorolojik tespitlerde uyduların yanı sıra radarlar da kullanılmaya başlanmıştır. Özellikle polarimetrik mikro doppler radarlar ile ölçümlerle bölgedeki hidrometeorların tespiti mümkündür. Uyduların yerine bu radarların tercih edilmesinin en önemli sebebi hem radarlarla daha küçük alanlar hakkında daha detaylı bilgiler toplanabilmesi, hem de kısa vadeli ve anlık tespitler ile bölgedeki meteorolojik duruma göre hızlı önlemler alınabilmesidir. Bu tez kapsamında Hatay Meteoroloji Radar verileri kullanılarak bu bölgedeki hidrometeorların tespiti üzerine bir sınıflandırıcı oluşturulmuş ve bu sınıflandırıcının performansını ve başarısını artırmaya yönelik araştırmalar yapılmıştır. İlk aşamada Hatay Radar'ından alınan verilerin formatı çalışmalara uygun hale getirilmiş ve çıkarılan polarimetrik radar öznitelikleri kullanılarak bir destek vektör makinesi sınıflandırıcısı oluşturulmuştur. Sınıflandırıcı iki aşamada çalışmaktadır; öncelikle radar görüntülerinde yağış tespiti yapılmıştır, daha sonra ise yağış tespit edilemeyen bölgelerde kuş-böcek ve kargaşa tespit edilmiştir. Radar verilerinde sınıflandırıcı eğitimi için yersel gerçeklik bilgisi olmadığı için radar öznitelikleri incelenip hidrometeor sınıfları gözle tespit edilebilen bölgeler taranıp, eğitim için bir yersel gerçeklik seti oluşturulmuştur. Yersel gerçeklik seti kullanılarak sınıflandırıcı eğitimi yapılmıştır. Daha sonra radardan gelen sekiz öznitelik için bir öznitelik seçimi yapılmış ve her iki sınıflandırma aşaması için etkili olan öznitelikler belirlenmiştir. Radar verilerinde hatalı ve gürültülü ölçüm alınan bölgeler, bir maskeleme metotu kullanılarak temizlenmiş ve seçilen öznitelikler ile sınıflandırma sonuçları kıyaslanmıştır. Son olarak da hatalı yağış tespitlerini minimuma indirgemek için radardan ölçülen spektral özniteliklerin yanı sıra sınıflandırma sonuçları kullanılarak yeni doku öznitelikleri çıkarılmış ve bu öznitelikler kullanılarak tekrar sınıflandırmalar yapılmıştır. Doku öznitelikleri olarak, sınıflandırma sonuçlarından elde edilen doku üzerinde, sınıflar arasındaki komşuluk ilişkileri kullanılarak hesaplanan enerji ve entropi değerleri kullanılmıştır. Tezin sonunda ise elde edilen doku öznitelikleri kullanılarak yapılan sınıfladırma işleminde, sınıflandırıcı performansının yağış tespitinde başarımın artığı görülmüş ve özellikle yağışsız tarihlerde ölçülen hatalı yağış sınıflandırma sonuçları büyük ölçüde giderilmiştir.
Meteoroloji radar verilerinden optimal hava durumu tespiti için öznitelik seçimi ve yeni yöntemlerin geliştirilmesi
Özellikle son yıllarda, meteorolojik radar verilerinin işlenmesi ve bu veriler doğrultusunda optimal hava durumu tahminleri önemli bir araştırma alanı olmuştur. Ayrıca yine bu radar verileri kullanılarak kuş,böcek ve kargaşa gibi meteorolojik olmayan hedeflerin tespiti üzerine de yoğunlaşılmıştır. Uzaktan algılama sistemleri ile meteorolojik tespitlerde uyduların yanı sıra radarlar da kullanılmaya başlanmıştır. Özellikle polarimetrik mikro doppler radarlar ile ölçümlerle bölgedeki hidrometeorların tespiti mümkündür. Uyduların yerine bu radarların tercih edilmesinin en önemli sebebi hem radarlarla daha küçük alanlar hakkında daha detaylı bilgiler toplanabilmesi, hem de kısa vadeli ve anlık tespitler ile bölgedeki meteorolojik duruma göre hızlı önlemler alınabilmesidir. Bu tez kapsamında Hatay Meteoroloji Radar verileri kullanılarak bu bölgedeki hidrometeorların tespiti üzerine bir sınıflandırıcı oluşturulmuş ve bu sınıflandırıcının performansını ve başarısını artırmaya yönelik araştırmalar yapılmıştır. İlk aşamada Hatay Radar'ından alınan verilerin formatı çalışmalara uygun hale getirilmiş ve çıkarılan polarimetrik radar öznitelikleri kullanılarak bir destek vektör makinesi sınıflandırıcısı oluşturulmuştur. Sınıflandırıcı iki aşamada çalışmaktadır; öncelikle radar görüntülerinde yağış tespiti yapılmıştır, daha sonra ise yağış tespit edilemeyen bölgelerde kuş-böcek ve kargaşa tespit edilmiştir. Radar verilerinde sınıflandırıcı eğitimi için yersel gerçeklik bilgisi olmadığı için radar öznitelikleri incelenip hidrometeor sınıfları gözle tespit edilebilen bölgeler taranıp, eğitim için bir yersel gerçeklik seti oluşturulmuştur. Yersel gerçeklik seti kullanılarak sınıflandırıcı eğitimi yapılmıştır. Daha sonra radardan gelen sekiz öznitelik için bir öznitelik seçimi yapılmış ve her iki sınıflandırma aşaması için etkili olan öznitelikler belirlenmiştir. Radar verilerinde hatalı ve gürültülü ölçüm alınan bölgeler, bir maskeleme metotu kullanılarak temizlenmiş ve seçilen öznitelikler ile sınıflandırma sonuçları kıyaslanmıştır. Son olarak da hatalı yağış tespitlerini minimuma indirgemek için radardan ölçülen spektral özniteliklerin yanı sıra sınıflandırma sonuçları kullanılarak yeni doku öznitelikleri çıkarılmış ve bu öznitelikler kullanılarak tekrar sınıflandırmalar yapılmıştır. Doku öznitelikleri olarak, sınıflandırma sonuçlarından elde edilen doku üzerinde, sınıflar arasındaki komşuluk ilişkileri kullanılarak hesaplanan enerji ve entropi değerleri kullanılmıştır. Tezin sonunda ise elde edilen doku öznitelikleri kullanılarak yapılan sınıfladırma işleminde, sınıflandırıcı performansının yağış tespitinde başarımın artığı görülmüş ve özellikle yağışsız tarihlerde ölçülen hatalı yağış sınıflandırma sonuçları büyük ölçüde giderilmiştir.
Seyreklik tabanlı sinyal geriçatım ve görüntüleme yöntemlerinin geliştirilmesi
Seyrekliğe dayalı Sıkıştırılmış Algılama (SA) yöntemleri gerçek hayattaki uygulamalarda yaygın kullanım alanı bulması ile birlikte son dönemlerde oldukça önem kazanmıştır. Sıkıştırılmış Algılama Nyquist örnekleme oranı altında azaltılmış ölçüm ile çalışmaya olanak sağlamaktadır. SA'nın kullanıldığı uygulamalarda genellikle sinyaller örneklenerek belirli bir çözünürlüğe sahip bir ızgara üzerinde ifade edilir. Izgara yapısı, sinyaller sürekli olduğunda performans kaybına sebep olan ızgara dışılık problemine sebep olur. Performans kaybına sebep olabilecek bir başka konu ise kalibrasyon ihtiyacıdır. Kalibrasyon ile faz ve genlik hatalarının bozucu etkisinin giderilmesi amaçlanır. Bu tezde, Sıkıştırılmış Algılama tabanlı ızgara dışılık altında sinyal kestirimi ve kalibrasyonu yapan özgün yöntemler geliştirilmiştir. Tez çalışmaları kapsamında öncelikle Sentetik Açıklıklı Radar (SAR) sistemleri için nokta modda seyrekliğe dayalı görüntüleme ve otomatik odaklama yöntemleri üzerine yoğunlaşılmıştır. SAR sistemlerinde insan yapımı seyrek sahnelerin görüntülenmesi bir gerekliliktir. Bunu yanında etkisi giderilmemiş platform hareketlerinden kaynaklanan faz hataları SAR görüntülerinde odak bozulmasına sebep olmaktadır. Ek olarak, görüntünün sonlu bir ızgara üzerinde ifade edilerek oluşturulması ızgara dışılık problemine sebep olmaktadır, bu ise görüntüleme performansını düşüren bir diğer etkendir. İlk olarak bu problemleri ele alan nokta modda görüntüleme için platform hareketi kaynaklı faz hatalarını ve ızgara dışı hedef hatalarını çözebilen bir görüntüleme tekniği geliştirilmiştir. Geliştirilen teknik, azaltılmış ölçüm sayıları ile çalışabilmekte ve kaliteli seyrek SAR görüntüleri oluşturabilmektedir. Sentetik ve gerçek SAR sistemi verileri ile alınan sonuçlar geliştirilen yöntemin daha iyi SAR görüntüsü oluşturduğunu göstermektedir. Seyrekliğe dayalı SAR görüntü oluşturma ve otomatik odaklama yöntemleri genellikle önceden tanımlanması gereken parametreye ihtiyaç duyarlar. Yöntemlerin başarımı parametrenin doğru belirlenmesine bağlıdır. Dolayısıyla parametreden bağımsız bir otomatik durdurma kriterine ihtiyaç vardır. Tez çalışmaları kapsamında dışarıdan parametreye gereksinim duymayan bir nokta mod SAR görüntü oluşturma otomatik odaklama algoritması geliştirilmiştir. Algoritma çapraz doğrulama tabanlı otomatik durdurma kriteri kullanmaktadır. Tez çalışmaları kapsamında daha sonra ızgara dışılık altında seyrekliğe dayalı kör sensör kalibrasyonu yöntemi geliştirilmiştir. Bu yöntem ızgara dışı sinyal kestirimi ve kalibrasyon işlemlerini iteratif bir şekilde yapmaktadır. Kör sensör kalibrasyonu için öncelikle çoklu ölçüm altında ızgara dışı sinyal kestirimi yapılmaktadır. Daha sonra faz ve genlik hatası kestirimi ve ardından kalibrasyon yapılmaktadır. Son olarak bu yöntem Grup Seyreklik ve yön bulmaya uyarlanarak ızgara dışı sinyaller için yön bulma ve kör sensör kalibrasyonu uygulamaları için kullanılmıştır. Bu yöntem ızgara dışı yön kestirimi yapılabilmekte ve aynı zamanda sensörler üzerindeki faz ve genlik hatası kör bir şekilde düzeltilebilmektedir. Sentetik olarak üretilen veriler ile yapılan benzetim çalışmalarında, geliştirilen yöntemlerin ızgara dışılık altında sinyal kestirimi ve kör sensör kalibrasyonu yüksek performans ile yapabildiği gösterilmiştir.
Radyoterapi uygulamaları için otomatik iris lokalizasyonu
Uveal melanom, erişkinlerde yaygın olarak görülen göz içi bir tümör tipi olmakla beraber, görme bozukluklarından göz kayıplarına hatta yüksek metastaz riski ile beraber yaşam kaybına sebep olabilmektedir. Geçmişten günümüze birçok tedavi yöntemi denenmekle birlikte hastalığın durumuna göre gözün tamamen çıkarılması ile sonuçlanabilmekte ya da radyoterapi tedavileriyle iyileştirilmesi sağlanabilmektedir. Günümüzde enükleasyon (organın çıkarılması) en son başvurulacak yol olarak görülmekte, bu noktada radyoterapi uygulamaları büyük önem kazanmaktadır. Radyoterapi tedavisinde yüksek teknolojili cihazlara gereksinim duyulmakta, radyoaktif ışımalarla göz tedavisi hassas bir biçimde yürütülmektedir. Operasyon sırasında kullanılan uyuşturma yöntemi, blefarosta ve vakum halkası gibi bazı ekipmanlar göz sağlığını riske atmakta, hastanın konforsuz bir tedavi geçirmesine sebep olabilmektedir. Bu tez çalışmasında, bahsedilen risklerin ve oluşabilecek olumsuz durumların önüne geçilebilmesi için göz operasyonlarında faydalanılmak üzere iris ve göz kapaklarının mevcut anlık durumlarına göre gözün uyuşturulmadan radyoterapi yapılabilmesini sağlayabilecek bir yöntem önerilmiştir. Bu algoritma, gerçek zamanlı bir sistem olup, çalışılmasında elde edilen görüntü örneklerinin bir öğrenme algoritması şemasına göre gözün açık veya kapalı olarak sınıflandırılmasına dayanmaktadır. Göz kapalı iken radyoterapi kesilecektir ve sağlıklı dokuların radyoterapiye maruz kalması önlenecektir. Algoritmanın tepki hızının gerçeğe yakın olması, böylelikle gözün mevcut durumunun herhangi bir değişikliğine anlık tepki vermesi hedeflenmektedir. Çalışmanın motivasyonu son yıllarda revaçta olan ve insan-bilgisayar ara yüzü, yorgunluk detektörü, ifade analizi gibi çalışmalarda kullanılmaya başlanılan iris takibi, lokalizasyonu ve göz kırpma sezimi konularının temeline dayanmaktadır. Çalışmanın prensibi genel olarak değişken ortam koşullarında alınan gerçek zamanlı video görüntüsünün lineer sınıflandırma ile işlenerek gözün açık veya kapalı durumda olduğunun saptanmasına dayanmaktadır. Çalışmada, ilk olarak alınan görüntüler üzerinde önişlemler yapılmış, iris tespit edilmiştir. Sonraki adımda ayırıcı performansı yüksek olan ve aynı zamanda işlemsel karmaşıklığı az olan öznitelikler belirlenerek aydınlık ve karanlık şartlar altında olmak üzere açık ve kapalı göz için kullanılarak öznitelik vektörleri oluşturulmuştur. Bu öznitelik vektörleri lineer sınıflandırma yöntemi ile sınıflandırılmış ve sistemin sınıflandırma performansı değerlendirilmiştir. Sınıflandırma performansı en yüksek görülen üç öznitelik vektörü oluşan bir öznitelik uzayı üzerinde çalışılmış ve başarılı sınıflandırma sonuçlarına ulaşılmıştır. Sistem çapraz geçerlilik metoduyla test edilmiş ve sınanmıştır. Işıklandırma koşullarından bağımsız olarak sistemin hızlı ve hatasız olarak çalıştığı görülmüştür.
Çizge kesme yöntemi ile lidar ve çok bantlı görüntüler üzerinde bina bulma
Günümüz dünyasında binaların yeryüzüne dağılımının tespiti uzaktan algılama uzmanlarının yoğun çalıştığı bir alandır. Çünkü bina dağılımı sosyal, ekonomik ve askeri açıdan önem arzetmektedir. Dolasıyla bina dağılımının hava fotoğraflarından otomatik tespit edilmesi son 25 yılda birçok bilim insanının uğraştığı bir alan olmaktadır. Bu alana olan ilginin artmasında yüksek çözünürlüklü, maliyeti düşük görüntülerin hızlı bir şekilde elde edilmesinin önemli bir etkisi vardır. Bu alanda yapılan çalışmaların artmasına neden olan diğer bir etmen ise yüksek çözünürlüklü LİDAR verisinin yaygınlaşmasıdır. LİDAR yükseklik verisi sayesinde araziye ait olmayan ve çevresine göre yüksekte kalan nesnelere ait piksel grupları kolayca elde edilebilmektedir. Bu çalışmada LİDAR verisi kullanılarak bina tespiti için yeni yöntemler geliştirilmiştir. Bina bulma algoritması için başlangıç noktaları morfolojik işlemler ile elde edilmiştir. Bu piksel gruplarını kullanarak hesaplanan geodezik mesafesi ile bina olabilecek alanların bilgisini içeren bir harita elde edilmektedir. Bu harita kullanılarak çizge kesme sınıflandırma yöntemi ile bina olan ve olmayan yerler elde edilmiştir. Uygulanan yöntem yardımı ile tespit edilen bina performans sonuçlarının günümüzde uygulanan diğer bina bulma yöntemlerine göre daha başarılı olduğu deneysel olarak gösterilmiştir.
Sıkıştırılmış algılama temelli kiplemeli geniş bant çeviricinin performansının ve uygulanabilirliğinin arttırılması üzerine yeni yöntemler
Bu tezde, frekans seyrek işaretlerin Nyquist altı örneklenmesini sağlayan yeni bir Sıkıştırılmış Algılama (CS) tabanlı çok kanallı Kiplemeli Geniş Bant Çevirici (KGBÇ) yöntemi önerilmektedir. Bu sistemin dayandığı CS'in temelleri, teoremleri ve uyumsuz algılama-seyrek örnekleme modeli detaylı bir şekilde anlatılmıştır. Daha sonra KGBÇ sisteminin alt bölümleri olarak rastgele demodülasyon, analog filtreleme, ADC ile örnekleme, alt-bant kanal çoklama ve CS geri çatılım üzerinde durulmuştur. Daha sonra KGBÇ için önerdiğimiz dinamik alan iyileştirme ve sahada kalibrasyon yöntemleri tanıtılmıştır. KGBÇ için yapılan tüm sistem benzetim çalışmaları ve sonuçları gösterilmiştir. KGBÇ'nin frekans seyrek işaretlerin için başarılı geri çatılımı pratik ve uygulanabilir bir altyapı ile yapabildiği gösterilmiştir. Son olarak da, KGBÇ için yapılan donanım gerçeklemesinden, donanımda karşılaşılan problemlerden ve bu problemler için geliştirilen çözüm yollarından bahsedilmiştir. Böylelikle, CS tabanlı KGBÇ sisteminin yüksek performans ile çalışan gerçeklenebilir bir sistem olduğu gösterilmiş ve gerçek hayatta uygulanan geleneksel örnekleme yöntemlerinden üstün olduğu vurgulanmıştır.
Basketbol oyuncu tanımlama ve skor tespiti
Spor video analizi, görüntü is ̧leme uygulamalarının popüler kullanım alanlarından biridir. Bu tür analizler profesyonel spor müsabakalarında ya da antrenman videolarında yapılmakta ve genel olarak skor ve oyuncu tanımlamaları için derin ög ̆renme yerine geleneksel yöntemler kullanılmaktadır. Bu tezin amacı ise bir basketbol antrenmanını gerçek zamanlı olarak analiz edebilen bir algoritma gelis ̧tirmektir. Yani, bu uygulama dog ̆ru oyuncuları tespit etmeli ve her bir oyuncu için skoru vermelidir. Bu amaçla, ilk olarak s ̧utları ve bu s ̧utların bas ̧arılı olup olmadıg ̆ını tespit eden bir metot tanıtılmıs ̧tır. Spesifik olarak, basketbol potasının görüntüdeki yerini tespit etmek için bir derin ög ̆renme modeli verilmis ̧ ve s ̧ut tespiti için arka plan çıkarımı kullanılmıs ̧tır. Ardından, s ̧utun skor olup olmadıg ̆ı farklı bir sinir ag ̆ıyla tanımlanmıs ̧tır. S ̧utun tanımlanmasından sonra, arabelleklenen görüntüler içinde geriye gidilerek s ̧utör tespiti yapılır. Oyuncu YOLOv3-tiny kullanılarak tespit edilir ve güdümsüz bir derin ög ̆renme modeliyle tanımlanır. Bu güdümsüz model yüksek performans vermesi için Üçlü Yitim ve bir bölütleme modelinin kullanımıyla eg ̆itilmis ̧tir. Gerçek zaman hedefine ulas ̧mak amacıyla, kullanılan bütün modeller için temel olarak mobil ag ̆lardan farklı parametre ve eg ̆itim yöntemleriyle yararlanılmıs ̧tır. Ek olarak, her seans sonunda bir kümeleme uygulaması çalıs ̧tırılarak tekrar oyuncu tanımlama yapılmıs ̧ ve sonucun iyiles ̧tirilmesi sag ̆lanmıs ̧tır. Deneyler iki farklı antrenman videosu üzerinde yapılmıs ̧tır. Deney sonuçları skor tanımlamasında %95 dog ̆ruluk oranı; 2 oyuncu üzerinde gerçek zamanlı olarak %92.5'e ve kümeleme ile 6 oyuncu üzerinde %86.7'ye varan dog ̆ruluk oranları ile tanıtılan metodun etkililig ̆ini göstermektedir.
Küresel konumlama sistemi kaybı olan ortamlarda insansız hava araçları için geliştirilen alternatif seyrüsefer tekniği
İnsanlı ve insansız uçaklarda küresel konumlama sistemindeki (GPS) kayıp, uçağın seyrüseferini etkilemektedir, fakat insanlı uçaklarda pilot tarafından seyrüsefer devam edebilirken, insansız uçaklarda uçağın kırımı gibi bir sonuç ile karşılaşılabilinmektedir. Bu sebeple, küresel konumlama sistemi olmayan ortamlarda uçakların seyrüseferlerine devam edememesi en sık görülen seyrüsefer sorunlarından birisidir. GPS kaybı durumunda, ataletsel seyrüsefer sistemi (INS) ile uçaklar seyrüseferine bir süre devam edebilse bile, uçaklardaki sürüklenmeden kaynaklı konumundaki hata gittikçe artmaktadır ve uçak takip edebilmesi gereken rotadan uzaklaşmaktadır. Bu sebeple bu tezde GPS bilgisinden beslenmeyen uçak üzerine yeryüzünü görecek şekilde yerleştirilmiş faydalı yük kamerası ile insansız hava aracının (İHA) konumunu bilmesini sağlayan bir sistem geliştirilmiştir. Bir tanesi uçak üzerine yerleştirilmiş faydalı yük kamerasından, bir diğeri de uydudan alınmış GPS konumu bilinen görsellerin olduğu iki adet görüntü verileri bulunmaktadır. Çeşitli öznitelik çıkarma sinir ağı modelleri ve iki görüntü seti içerisinde normalleştirilmiş değişken ortak enformasyon kullanılarak İHA'nın konumunun tespit edebilen bir yöntem geliştirilmiştir. Uydudan gelen görüntü setindeki görseller GPS konumları ile birlikte etiketlenip, İHA aracına verilmektedir. Bu iki görüntü seti öznitelik belirleme ve sınıflandırma için kullanılan sinir ağından geçirilip, öznitelikleri belirlendikten sonra, bu öznitelikler tasarlanan iki adet sinir ağından daha geçirilmektedir. İlk sinir ağında geçirildikten sonra, uydu görsellerinin İHA'dan gelen görsellerin içinde olup olmadığı tespit edilip, eğer İHA'dan gelen görüntü içerisinde uydu görselleri var ise, ikinci sinir ağından daha geçirilip, İHA konumunun uydu görselleri üzerinden eşleştirilmesi yapılmaktadır. İkinci sinir ağından alınan sonuçlara ile birlikte iki görüntü seti içerisinde normalleştirilmiş değişken ortak enformasyon kullanılmaktadır. İkinci sinir ağından gelen konum bilgisi sonucuna, normalleştirilmiş ortak enformasyon hesabında daha fazla ağırlık verilerek, eşleşmenin maksimum olduğu bölge aranmaktadır. GPS kaybı durumunda, İHA'dan alınan görseller içerisinde önceden verilmiş etiketlenmiş uydu görselleri aranıp ve uydu görselinden gelen obje, İHA görüntüsü üzerinden tespit edildiği anda, uydu görselinin GPS bilgisi, insansız hava aracına verilmektedir. Önerilen algoritmayı test etme amacıyla İHA tarafından toplanmış görüntüler ve uydudan alınmış görseller içeren iki veri seti bulunmuş ve etiketleme işlemleri yapılmıştır. Önerilen algoritma farklı öznitelik çıkarma sinir ağları kullanılarak, İHA görüntülerinin birleştirildiği ve birleştirilmediği senaryolarda test edilmiştir. Ortak enformasyon işlemi sonrasında elde edilen sonuçların, sinir ağının çıktılarına kıyasla, ortalama kareli hata ve kesişim kümesi oranları bakımından daha üstün olduğu gözlemlenmiştir.
Tek kamera ve Lidar verisi ile konum kestirimi
Navigasyon çözümlerinin temel bileşenlerinden biri olan konum kestirimi problemi,günümüzde çoğunlukla küresel konumlama sistemi (KKS) ile diğer kaynaklardan elde edilen verilerin (ataletsel ölçüm birimi, sayısal arazi yükseklik verisi haritaları, barometrik basınç sensörü, tekerlek kilometre sayacı vb.) bir arada kullanılmasıyla çözülmektedir. KKS sinyallerinin kullanılamadığı ortamlarda ise konum kestirimi problemi literatürdeki açık problemler arasında yerini korumaya devam etmektedir. ̇Insanlı veya insansız, otonom veya değil farketmeksizin, herhangi bir aracın/robotun KKS sinyallerini kullanamadığı durumlarda da seyrüsefer görevini yerine getirebilmesi için, doğru ve yüksek hassasiyetli konum kestirimi yapabilmesi gerekmektedir. Altı serbestlik dereceli konum kestirimi için kullanılan çeşitli yöntemler ile algılayıcı donanımlar detaylı incelendiğinde herbirinin çeşitli avantajlarının ve dezavantajlarının bulunduğu anlaşılmaktadır. Farklı kaynaklardan elde edilen verilerin birarada kullanıldığı yöntemlerin, altı serbestlik dereceli konum kestirimi probleminin çözümünde daha iyi sonuçlar verdiği görülmektedir. Bu tez çalışmasında, tek bir kamera ve lidar sensörü kullanılarak, KKS sinyallerinin kullanılamadığı ortamlarda altı serbestlik dereceli konum bilgisinin kestirilmesi problemi ele alınmıştır. Tek bir kameradan alınan verilerin işlenmesi ile elde edilen konum bilgisinin, kestirilemeyen bir ölçek dahilinde doğru olduğu bilinmektedir. Doğru metrik ölçülerle konum bilgisini kestirebilmek için bu ölçek bilgisinin çeşitli yöntemlerle hesaplanması gerekmektedir. Bu tezde, kameradan alınan resim kareleri üzerindeki piksellerle, Lidar sensöründen elde edilen metrik veriler kullanılarak altı serbestlik dereceli konum bilgisi mutlak ölçekler dahilinde hesaplanmıştır. Önerilen algoritmanın testleri KITTI odometri veri kümesi üzerinde yapılmıştır. KITTI odometri veri kümesi; hareketli bir otomobilin üzerine yerleştirilmiş olan stereo kameralar, Lidar, ataletsel ölçüm birimi (AÖB) ve Küresel Konumlama Sistemi'nden elde edilen verilerle oluşturulmuştur. KITTI odometri veri kümesi içerisinde yer alan tek bir renkli kamera verisi ile Lidar sensörü verileri bu tezin konusu olan algoritmanın testleri için kullanılmıştır. KKS ve AÖB'den elde edilen veriler ise önerilen Görsel-Lidar Odometri algoritmasının başarısını kıyaslamak üzere referans olarak kullanılmıştır. KITTI odometri veri kümesi kullanılarak elde edilen test sonuçları, tek bir kamera verisi ile Lidar taramaları kullanılarak geliştirilen Görsel-Lidar Odometri yönteminin, maliyetli optimizasyon yöntemlerine ihtiyaç duyulmadan tutarlı konum bilgisi üretebildiğini göstermiştir.
Panoramik X-ray diş görüntülerinde diş bölgesinin ve dişlerin makine öğrenimi ve derin öğrenme ile bölütlenmesi
Panoramik X-Ray diş görüntülerinden dişlerin olduğu bölgenin ve dişleri bölütlenmesi, çeşitli hastalıkların belirlenmesi için önemli hale gelmiş bulunmaktadır. Özellikle son dönemde gelişen teknoloji ile birlikte çalışmalara dahil olmaya başlayan Yapay Zeka (AI) temelli yapılar, hem dişlerin tespiti ve bölütlenmesi sürecini kısaltmayı hem de diş hekimlerine karar destek yapıları oluşturarak yanlış teşhisi ortadan kaldırmayı amaçlamaktadır. Ham görüntülerdeki diş olmayan piksellerin diş olan piksellere göre fazla olması ve görüntülerdeki kontrast ve renk seviyesinin bölgesel olarak farklılık göstermemesi görüntü işlemeyi zorlaştırmaktadır. Bu tezin amacı, panoramik x-ray görüntülerindeki dişlerin olduğu bölgeyi ve dişleri otomatik olarak bölütleyebilmektir. İlk olarak, görüntülerin boyutlarını hem her görüntü için sabit olması hem de işlemsel olarak hızlı sonuçlar almak için düşürerek alt-örnekleme yapılmıştır. Sonraki aşamada, görüntülerdeki diş alanının merkez noktası otomatik olarak belirlenmiştir. Daha sonra piksellerin yeğinlik değerleri, bulunan merkez noktasına göre x koordinatı, bulunan merkez noktasına göre y koordinatı ve 3x3 penceresinde maksimum ve minimum değerlerin çıkarılmasıyla elde edilen öznitelikler kullanılarak diş bölgesinin bölütlenmesi gerçekleştirilmiştir. Bunun için bir Makine Öğrenme (ML) algoritması olan CatBoost algoritması kullanılmıştır. Makine Öğrenme (ML) modeli oluşturulurken, veri setinin ezberlenmesini önlemek için eğitim veri setinin k-kat çapraz doğrulaması ve hiper parametrelerin ızgara arama optimizasyonu yöntemleri uygulanmıştır. Diş bölgesini tam olarak bölütleyebilmek için makine öğrenmesi modelinden elde edilen her sonucun üzerinde ağız bölgesinin deforme olabilen şekiller uydurulmuştur. Bu sayede diş bölgesi içinde bulunmayan piksellerden kurtulunmuş ve diş bölgesi bölütlemesi yapılmıştır. Diş bölgesini bölütledikten sonra Derin Öğrenme (DL) modeli oluşturulup bu modele sadece bölütlenen diş bölgeleri giriş olarak verilmiştir. Model içinde karalılığı sağlamak ve işlem hızını arttırmak amacıyla elde edilen bölütlenmiş diş bölgeleri görüntülerinin boyutları düşürülerek alt-örnekleme yapılmıştır. Derin Öğrenme (DL) sonucunda her görüntü üzerinde dişlere ait olan bir pencere elde edilmiştir. Her pencere içindeki dişlerin tam bölütlenmesi için Tony F. Chan ve Luminita Vese (Chan-Vese) algoritması uygulanmıştır. Bu sayede pencereler dişlerin şeklinde küçültülmüş ve bölütmele işlemi yapılmıştır. Sonuçlar, Makine Öğrenmesi (ML) ve Derin Öğrenme (DL) için öğrenme eğrisi; dişlere ait olan piksellerin doğruluğunu ölçmek için F1, doğruluk, hatırlama ve kesinlik skorları kullanılarak analiz edilmiştir.
Panoramik radyografi görüntülerinde maksiller ve mandibüler yapıların sınırlarının belirlenmesi için yarı-gözetimli bir metot
Dental radyoloji teknikleri (Röntgen, Tomografi vb.) maksillofasiyal bölgede bulunan göz ile zor tespit edilen diş rahatsızlıkları, çürükler ve iltihablar, lezyonlar, eksik veya gömülü dişler, kemik ve doku patolojileri gibi birçok dental ve anatomik anomalilerin tespitinde, bulguların doğrulanmasında ve teşhisinde önemli rol oynamaktadır. Maksillofasiyal bölgedeki anomaliler için teşhis koyma süreci, dental radyolojik görüntülerin bir yada birden çok klinisyen tarafından incelenmesi esasına dayanır. Dental anomalilerin ve anatomik yapılardaki varyasyonların yüksek olması, ayrıca radyolojik görüntülerin standardizasyonun zor olması, tanı ve tedavi sürecinin başarılı bir şekilde sonlandırabilmesi karşısında çıkan zorluklardan birkaçı olarak durmaktadır. Bunun yanında bazı komplike ve bulguların başka rahatsızlıklarla benzerlik gösterdiği durumlarda, teşhis ve tedavi süreci çok fazla vakit alabilmekte ve konulan teşhis ve izlenilen tedavi yöntemi diş hekiminden diş hekimine farklılık gösterebilmektedir. Bu zorlukları minimuma indirmek ve sorunları önlemek amacıyla diğer radyoloji alanlarında olduğu gibi dental radyoloji alanında da tanı işlemini kolaylaştırmak ve hata oranını düşürmek için tıbbi görüntüleme ve bilgisayar destekli tanı sistemleri üzerine çalışmalar yapılmaktadır. Bu çalışmalar, radyografi görüntülerinin kalitesinin, çözünürlüğünün ve hassasiyetinin arttırılması, çeşitli yapıların (diş, çene vb) üzerindeki hastalık riski oluşturabilecek alanların bölütlenmesi ve bu yapılarda oluşan anomalilerin sınıflandırılması gibi konular üzerinde yoğunlaşmıştır. Bu çalışmalardan bir tanesi de dental X-ray görüntülerindeki maksiller ve mandübular yapıların yarı gözetimli olarak bölütlenmesidir. Maksiller ve mandibular yapıların bölütlemesi için geliştirilen metodun analiz edildiği bu çalışmada, panoramik radyografi görüntülerinin bölütlenmesinde, görüntüye özel maske tanımlama yöntemi uygulanmıştır. Bu maske, bölütleme algoritmasına başlangıç girdisi olarak tanımlanarak sınırları belirlenmek istenen yapılara en yakın sınırları vermesi beklenen aktif kontur tabanlı bir algoritma ile bu yapıların bölütlenmesi sağlanmıştır. İstenilen alanlar bölütlendikten sonra, bölütleme sınırlarına düzleştirme metodu uygulanarak bölütleme sonuçlarının keskin geçişler yerine daha yumuşak köşe geçişlerine sahip, yapıların gerçek sınırlarına daha benzer sonuçlar elde edilmesi amaçlanmıştır. Son olarak elde edilen sonuçların gerçek sonuçlara yakınlığını saptamak için diş hekimlerinin belirlediği alanlar ile önerilen yöntemin belirlediği alanların Sorensen-Dice benzerlik ölçütü(Sorensen-Dice measure of similarity) metodu ile benzerlik katsayıları karşılaştırılmıştır.
Prostat kanseri lokalizasyonu için gürültü temizleme süzgeçlerinin optimizasyonu
Prostat kanseri en sık görülen kanser türlerindendir. Prostat kanserinin teşhis ve takibine yardımcı olarak Manyetik Rezonans (MR) görüntülerinden uzun yıllardır doktorlarca sıklıkla yararlanılmaktadır. Özellikle son dönemde gelişen teknoloji ile birlikte çalışmalara dahil olmaya başlayan Yapay Zeka (AI) temelli yapılar, hem hastaların teşhis ve takip sürecini kısaltmayı hem de doktorlara karar destek yapıları oluşturarak yanlış teşhisi ortadan kaldırmayı amaçlamaktadır. Bu yapılarda özellikle Çok Spektrumlu (ÇS) MR görüntüleri prostat kanseri teşhisinde sıklıkla kullanılmaktadır. Fakat ham görüntülerdeki gürültü görüntü işlemeyi zorlaştırmaktadır. Bu sebeple teşhis, tanı yardımcı sistemlerine sokulmadan önce ön işlem olarak MR görüntülerinin filtrelenmesi gerekir. Bu bağlamda yapılan çalışmalarda çoğunlukla filtreleme ön işlem olarak yapıya dahil edilmekte veya dahil edilmiyorsa da gürültüyle başa çıkabilecek model tercihleriyle gürültünün nihai sonuca olan etkisi azaltılmaya çalışılmaktadır. Görülmüştür ki ön işlem olarak filtreleme barındıran çalışmalarda genellikle filtre tercihleri branştaki tecrübelere dayalı olarak gerçekleştirilmektedir. Ayrıca seçilen filtreleme metotları genel olarak basit formlara sahiptir. Bu çalışmada literatürde olmayan bir yöntem olarak filtre ve filtre parametrelerini seçilen karar mekanizmasının çıktısına bağlı olarak kanser lokalizasyon performansını maksimize edecek şekilde seçebilen bir yöntem geliştirilmiştir. Bunu yaparken de genel kullanımın aksine daha kompleks filtreleme metotlarını kullanmaktadır. Bu şekilde deneyime dayalı filtre tercihini ortadan kaldırıp ölçülebilir metriklerle optimum filtrenin oluşturulması amaçlanmıştır. Çalışmada prostat ÇS-MR görüntülerinden Spin Eko (SE) ile elde edilenT2 map, Difüzyon Ağırlıklı Görüntüleme (DWI) ile elde edilen Belirgin Difüzyon Katsayısı (ADC), Dinamik Kontrast İyileştirme (DCE) ile elde edilen Eğrinin Altındaki İlk Alan (IAUC) 30, IAUC 60, IAUC 90, DCE'nin Brix modeli üzerinde kullanımından elde edilen kel, kep spektrumları kullanılmış ve bu spektrumlar üzere kullanılmak üzere 3 filtre (Wiener (W) filtre, Toplam Varyans (TV) filtre ve Dalgacık Kestirimi(WTh)) ile bu filtrelere ilişkin birer parametre seçilmiştir. Karar modeli olarak Doğrusal Ayrıştırma Analizi (LDA) tercih edilmiş ve seçilen filtre parametrelerinin LDA kanser lokalizasyon performansı üzerinde doğruluk metriğine göre değişimi analiz edilmiştir. Seçilen optimum filtre parametrelerinin kanser lokalizasyon performansını geliştirdiği görülmüş ve çok spektrumlu filtre en iyilemesi için kullanılmak üzere soysal bir yapı oluşturulmuştur.
Prostat kanseri lokalizasyonu için gürültü temizleme süzgeçlerinin optimizasyonu
Prostat kanseri en sık görülen kanser türlerindendir. Prostat kanserinin teşhis ve takibine yardımcı olarak Manyetik Rezonans (MR) görüntülerinden uzun yıllardır doktorlarca sıklıkla yararlanılmaktadır. Özellikle son dönemde gelişen teknoloji ile birlikte çalışmalara dahil olmaya başlayan Yapay Zeka (AI) temelli yapılar, hem hastaların teşhis ve takip sürecini kısaltmayı hem de doktorlara karar destek yapıları oluşturarak yanlış teşhisi ortadan kaldırmayı amaçlamaktadır. Bu yapılarda özellikle Çok Spektrumlu (ÇS) MR görüntüleri prostat kanseri teşhisinde sıklıkla kullanılmaktadır. Fakat ham görüntülerdeki gürültü görüntü işlemeyi zorlaştırmaktadır. Bu sebeple teşhis, tanı yardımcı sistemlerine sokulmadan önce ön işlem olarak MR görüntülerinin filtrelenmesi gerekir. Bu bağlamda yapılan çalışmalarda çoğunlukla filtreleme ön işlem olarak yapıya dahil edilmekte veya dahil edilmiyorsa da gürültüyle başa çıkabilecek model tercihleriyle gürültünün nihai sonuca olan etkisi azaltılmaya çalışılmaktadır. Görülmüştür ki ön işlem olarak filtreleme barındıran çalışmalarda genellikle filtre tercihleri branştaki tecrübelere dayalı olarak gerçekleştirilmektedir. Ayrıca seçilen filtreleme metotları genel olarak basit formlara sahiptir. Bu çalışmada literatürde olmayan bir yöntem olarak filtre ve filtre parametrelerini seçilen karar mekanizmasının çıktısına bağlı olarak kanser lokalizasyon performansını maksimize edecek şekilde seçebilen bir yöntem geliştirilmiştir. Bunu yaparken de genel kullanımın aksine daha kompleks filtreleme metotlarını kullanmaktadır. Bu şekilde deneyime dayalı filtre tercihini ortadan kaldırıp ölçülebilir metriklerle optimum filtrenin oluşturulması amaçlanmıştır. Çalışmada prostat ÇS-MR görüntülerinden Spin Eko (SE) ile elde edilenT2 map, Difüzyon Ağırlıklı Görüntüleme (DWI) ile elde edilen Belirgin Difüzyon Katsayısı (ADC), Dinamik Kontrast İyileştirme (DCE) ile elde edilen Eğrinin Altındaki İlk Alan (IAUC) 30, IAUC 60, IAUC 90, DCE'nin Brix modeli üzerinde kullanımından elde edilen kel, kep spektrumları kullanılmış ve bu spektrumlar üzere kullanılmak üzere 3 filtre (Wiener (W) filtre, Toplam Varyans (TV) filtre ve Dalgacık Kestirimi(WTh)) ile bu filtrelere ilişkin birer parametre seçilmiştir. Karar modeli olarak Doğrusal Ayrıştırma Analizi (LDA) tercih edilmiş ve seçilen filtre parametrelerinin LDA kanser lokalizasyon performansı üzerinde doğruluk metriğine göre değişimi analiz edilmiştir. Seçilen optimum filtre parametrelerinin kanser lokalizasyon performansını geliştirdiği görülmüş ve çok spektrumlu filtre en iyilemesi için kullanılmak üzere soysal bir yapı oluşturulmuştur.
Prostat kanseri lokalizasyonu için gürültü temizleme süzgeçlerinin optimizasyonu
Prostat kanseri en sık görülen kanser türlerindendir. Prostat kanserinin teşhis ve takibine yardımcı olarak Manyetik Rezonans (MR) görüntülerinden uzun yıllardır doktorlarca sıklıkla yararlanılmaktadır. Özellikle son dönemde gelişen teknoloji ile birlikte çalışmalara dahil olmaya başlayan Yapay Zeka (AI) temelli yapılar, hem hastaların teşhis ve takip sürecini kısaltmayı hem de doktorlara karar destek yapıları oluşturarak yanlış teşhisi ortadan kaldırmayı amaçlamaktadır. Bu yapılarda özellikle Çok Spektrumlu (ÇS) MR görüntüleri prostat kanseri teşhisinde sıklıkla kullanılmaktadır. Fakat ham görüntülerdeki gürültü görüntü işlemeyi zorlaştırmaktadır. Bu sebeple teşhis, tanı yardımcı sistemlerine sokulmadan önce ön işlem olarak MR görüntülerinin filtrelenmesi gerekir. Bu bağlamda yapılan çalışmalarda çoğunlukla filtreleme ön işlem olarak yapıya dahil edilmekte veya dahil edilmiyorsa da gürültüyle başa çıkabilecek model tercihleriyle gürültünün nihai sonuca olan etkisi azaltılmaya çalışılmaktadır. Görülmüştür ki ön işlem olarak filtreleme barındıran çalışmalarda genellikle filtre tercihleri branştaki tecrübelere dayalı olarak gerçekleştirilmektedir. Ayrıca seçilen filtreleme metotları genel olarak basit formlara sahiptir. Bu çalışmada literatürde olmayan bir yöntem olarak filtre ve filtre parametrelerini seçilen karar mekanizmasının çıktısına bağlı olarak kanser lokalizasyon performansını maksimize edecek şekilde seçebilen bir yöntem geliştirilmiştir. Bunu yaparken de genel kullanımın aksine daha kompleks filtreleme metotlarını kullanmaktadır. Bu şekilde deneyime dayalı filtre tercihini ortadan kaldırıp ölçülebilir metriklerle optimum filtrenin oluşturulması amaçlanmıştır. Çalışmada prostat ÇS-MR görüntülerinden Spin Eko (SE) ile elde edilenT2 map, Difüzyon Ağırlıklı Görüntüleme (DWI) ile elde edilen Belirgin Difüzyon Katsayısı (ADC), Dinamik Kontrast İyileştirme (DCE) ile elde edilen Eğrinin Altındaki İlk Alan (IAUC) 30, IAUC 60, IAUC 90, DCE'nin Brix modeli üzerinde kullanımından elde edilen kel, kep spektrumları kullanılmış ve bu spektrumlar üzere kullanılmak üzere 3 filtre (Wiener (W) filtre, Toplam Varyans (TV) filtre ve Dalgacık Kestirimi(WTh)) ile bu filtrelere ilişkin birer parametre seçilmiştir. Karar modeli olarak Doğrusal Ayrıştırma Analizi (LDA) tercih edilmiş ve seçilen filtre parametrelerinin LDA kanser lokalizasyon performansı üzerinde doğruluk metriğine göre değişimi analiz edilmiştir. Seçilen optimum filtre parametrelerinin kanser lokalizasyon performansını geliştirdiği görülmüş ve çok spektrumlu filtre en iyilemesi için kullanılmak üzere soysal bir yapı oluşturulmuştur.