MAMOGRAMLAR ÜZERİNDE UYGULANAN GÖRÜNTÜ İŞLEME TEKNİKLERİNİN İNCELENMESİ
|
|
- Sanaz Erkan
- 7 yıl önce
- İzleme sayısı:
Transkript
1 MAMORAMLAR ÜZERİNDE UYULANAN ÖRÜNTÜ İŞLEME TEKNİKLERİNİN İNCELENMESİ Özgür ÖZŞEN Bilgisaar Mühendisliği Bölümü Mühendislik Mimarlık Fakültesi, İki Elül Kampüsü Anadolu Üniversitesi, 26470, Eskişehir e-posta: Anahtar sözcükler:mamogram, örüntü İşleme Teknikleri, Mikrokalsifikason. ABSTRACT Breast cancer is one of the most deadl diseases for middle-aged women. In this paper, a lot of techniques for computer-aided detection of breast cancer has been investigated. Mammograms (breast -ras) are initiall enhanced b either increasing the contrast of suspicious areas or b removing background noise. Various mathematical methods are then applied to detect the individual tumors depending on whether the tumour appears as a microcalcification cluster or a mass. Preliminar results indicate that image processing can etract mammographic information which is not apparent b visual inspection. The processed image ma be used to assist in mammographic interpretation with the potential to diagnose breast cancer at an earlier stage.. İRİŞ öğüs kanseri kadın sağlığı açısından ciddi bir tehlike oluşturmaktadır. Her dokuz kadından biri haatının herhangi bir döneminde göğüs kanserine akalanmaktadır. Yapılan çalışmalarda erüzünde her ıl kadına kanser teşhisi konulmakta ve görülen kanser vakalarının %3 ini göğüs kanseri oluşturmaktadır. Kadınlarda kansere bağlı ölümlerin %7 si göğüs kanseri nedenile olmaktadır []. Bu nedenle gelişmiş ülkelerde, özellikle orta aş üzeri kadınlarda düzenli aralıklarla tarama çalışmalarına başlanmıştır. Bu çalışmalar sonucunda, ortaa fazlasıla incelenmesi gereken göğüs röntgeni (mamogram) çıkmaktadır. Bu da radologların kanser belirtilerini gözen kaçırma olasılığını artırmaktadır. öğüs hastalıklarının teşhisinde diğer görüntüleme öntemlerine göre (manetik rezonans görüntüleme, ultrasonografi vb.) daha agın kullanılan öntem mamogram çekilmesidir. Mamogram çekiminin ucuz olması ve kanserin ilk belirtilerini gösterebilmesi nedenile agın bir kullanım alanı bulunmaktadır. Mamogramlar üç boutlu bir nesnenin iki boutlu bir filme ansıtılmasıla oluşmaktadır. Bu nedenle değişik dokular üst üste gelebilmekte ve radologların algılamasını zaıflatabilmektedir. Mamogramlar üzerinde kanser belirtilerinin gözden kaçması nedenile her ıl bir saıda kadın haatını kabetmektedir. Bu nedenle mamogramlar üzerinde görüntü işleme teknikleri kullanılarak radologlara teşhiste ardımcı olabilecek bilgisaarlı teşhis sistemleri geliştirilmesi gerekliliği ortaa çıkmıştır. Radologlar mamogram görüntüsünü değerlendirirken mamogram üzerindeki kanser belirtilerine bakarlar. Bu belirtiler küçük parlak noktalar olarak beliren kalsium birikintileri (mikrokalsifikasonlar), belirgin olarak görülen kitleler (tümörler) ve göğsün doku bütünlüğünde görülen apısal bozulmalar olarak sıralanabilir. Özellikle mikrokalsifikasonlar göğüs kanserinin en erken belirtilerindendir. Mikrokalsifikasonlar mamogramlarda parlak noktalar olarak görünmekte ve kanserli dokularda çoğunlukla kümeler halinde bulunmaktadır. Mamogramlar üzerinde bilgisaarlı teşhis sistemlerinin karşılaştığı sorunları üç tipte toplaabiliriz. Birincisi, farklı zeminler üzerine erleşmiş düşük kontrastlı özelliklerin diğer dokular tarafından görülmesinin engellenmesidir. Bu bölgeler, görüntünün zeminini ve şüpheli alan üzerindeki kontrastı az olan ufak oğunluktaki farklılıklardır. Şüpheli bölgelerin zemini, dokular ve kanallar gibi anatomik apılardan oluşan bir görüntüdür. Arıca buna, görüntüleme sırasındaki istenmeen an etkiler, diğer bir değişle gürültü de eklenir. Bir diğer sorun, teşhis için elde edilen bulguların oruma açık olmasıdır. ünümüz teknolojisi ile kurulan birbilgisaarlı teşhis sistemi bir radologun deneimile karşılaştırılamaz. Bundan dolaı teşhis aşamasında gerekli olan temel belirtilerin anı sıra görüntüde şüpheli bir durumun ortaa çıkması, kararlılığın sağlanması açısından önemlidir. Diğer bir sorun ise istenilen tekniklerin ugulanabilmesi ve
2 teşhis için üksek çözünürlüğün gerekli olmasıdır. Başka bir değişle görüntünün donanımsal nedenlerden dolaı hatalara fırsat vermeecek sistemin teşhiste kullanılması önemlidir. Teşhiste mümkün olduğu kadar bu sorunların ortadan kaldırılması amaçlanır. Bunun için teşhis sistemleri çeşitli aşamalardan oluşmakta her aşamanın sonucunda gereksiz arıntılar seçilerek ok edilmekte ve bu şekilde duarlılığın artırılması sağlanabilmektedir. 2. MAMORAMLAR ÜZERİNDE ÖRÜNTÜ İŞLEME öğüs kanserine akalanan hastaların ortalama %20 si radologlar tarafından anlış teşhis ile karşılaşabilmektedirler [2]. Çünkü mamogramlar üç boutlu bir nesnenin iki boutlu projeksionu olduğundan üst üste gelen dokular bazı belirtileri gizledikleri gibi olmaan belirtileri de oluşturabilmektedir. Radologlar bu tür algılama sorunları üzünden görememekte ve her ıl belirli saıda hasta bundan zarar görmektedir. Bu nedenle 980 lerden itibaren bilgisaarlı teşhis (computeaided diagnosis, CAD) sistemleri geliştirilmektedir []. Bilgisaarlı teşhis sistemi üç aşamadan oluşmaktadır. Birincisi, mamogramların görüntüsünün iileştirildiği ön işleme aşaması, ikincisi kanser belirtilerini bölütleme (segmentatio aşaması ve üçüncü olarak belirtilerin kanserli olup olmadıklarını belirleen tümör algılama aşamasıdır. 2.. Ön işleme Aşaması Bu aşamada, saısal hale getirilmiş görüntü üzerinde teşhisi zorlaştırıcı sorunların (gürültü, kontrast düşüklüğü, vb.) ortadan kaldırılarak sistemin daha doğru sonuç verebilmesi için gerekli olan görüntü kalitesinin elde edilmesi amaçlanır. Buna ilave olarak görüntü üzerinde teşhiste kullanılmaan özellikler bastırılır. örüntülerdeki şüpheli bölgelerin arıntılarını korurken arka plan gürültüsünün temizlenmesi, mamogramlar üzerindeki görüntü iileştirme için agın olarak kullanılan öntemdir [3]. 2.. Seçici Ortalama Yöntemleri ile Yumuşatma Bu öntemlerde temel apı piksellerin komşuluğuna daanır [4]. Bu komşuluk şekilleri (pencereler) 3 3,55,7 7 vb. şeklindedir. = a( m, f ( m, n W şeklindedir. Burada N w ifadesi pencere içerisindeki piksellerin saısını gösterecek olursa = f ( m, Nw n W şeklinde olur. Her bir piksel değeri kendi komşuluğunun ortalama değeri ile değiştirilir. Yumuşatma işleminin çeşitlerinden olan önsel umuşatma işleminde ise penceree bir θ açısı kadar ön verilerek işlem apılır. Şekil 2 Yönsel umuşatma penceresi Bu işlemde elde edilen görüntüü g(, : θ ) olarak gösterecek olursak: : θ ) = f ( m, N θ n W şeklinde azılabilir. Yumuşatma işleminin en önemli sorunlarından biri, görüntüde umuşatma apılırken görüntü üzerindeki kenarların da zedelenmesidir. Kenar görüntünün insan gözü a da bilgisaarla algılanması için önemli bir unsur olduğu için bunların kabolması algıda sorun aratabilir [4] Ortanca Süzgeçleme Ortanca süzgeçleme gürültü temizleme ve görüntü iileştirme işlemleri için sık kullanılan bir öntemdir. Dijital görüntü üzerinde ortanca süzgeçleme ugulanırken, pikselin komşuluğundaki piksel değerlerinin ortalamasının o pikselin değeri ile değiştirilmesi işlemi apılır. Merkezi (, olan bir noktanın komşuluğunda bulunan diğer nokta değerlerinin büükten küçüğe vea küçükten büüğe sıralanması ile oluşan kümenin ortancası olan değeri, o noktanın eni değeri olarak değiştirilir [3,5]. Bir görüntüsü üzerine W penceresi ile ortanca süzgeç ugulandığında elde edilen görüntü olarak gösterilecek olursa g(, = or tan ca{ f ( m, ( m, W} şeklindedir. Şekil Komşuluklar görüntüsü üzerindeki komşuluk ortalaması ile umuşatma işleminde; W : (, pikselinin komşuluğu ( 3 3, 5 5 vb şeklindeki pencere) a ( m, : pencere elemanları : komşuluk ortalaması alınmış görüntü olmak üzere: Şekil 3 Ortanca süzgeçleme örneği 2..2 Morfolojik Süzgeçleme Matematiksel morfoloji, cisimlerin şekilsel apısına daanan bir teoridir [6]. İlk olarak 980 li ıllarda Matheron ve Serra tarafından geliştirilen bu öntem, görüntü iileştirme, kenar belirleme, bölge bölütleme
3 gibi birçok görüntü işleme aşamalarında kullanılmaktadır [6,5,7]. Morfolojik işlemler aşınma (erosio ve genleşme (dilatio işlemlerinin çeşitli kombinasonlarına daanmaktadır [6,8]. Bir görüntüe önce aşınma sonra çıkan görüntüe genleşme işlemlerinin ugulanması ile açma (opening) işlemi elde edilir. Bunun tersi olan ani, önce genleşme ugulanıp oluşan görüntüe aşınma operasonu ugulanırsa bu işleme de kapama (closing) işlemi denir [6,8]. Bir görüntüe aşınma ve genleşme öntemlerinden biri ugulandığı zaman görüntüde aşırı bozulmalar olabilmektedir fakat bu öntemlerin kombinasonları olan açma vea kapama ugulandığı zaman, görüntüdeki bazı gürültüler ortadan kaldırılabilmektedir [9] Bölütleme (Segmentatio Aşaması Bölütleme neticesinde sadece aranan bölümlerin tutulması ve gereksiz kısımların görüntüden çıkarılması hedeflenir. İi bölütlenmiş bir görüntünün özellikleri şu şekilde sıralanabilir. ri ton ada doku gibi bir özellik açısından bölütlenmiş bir görüntüde düzenli ve türdeş bölgelerin elde edilmesi, Bölge içlerinin basit olması ve küçük delikler içermesi, Birbirine akın fakat farklı bölgelerin düzgün oldukları özellik açısından farklı değerler alması, Bölge sınırlarının basit olması, girinti çıkıntı olmaması ve bölge sınırlarının uzamsal olarak doğru konumda bulunmasıdır. örüntü bölütleme öntemlerinden en önemlisi görüntünün sadece parlaklık bilgisinin göz önüne alınması ile bölütleme işleminin gerçekleştirildiği eşikleme işlemidir. Bir diğer bölütleme işlemi de farklı üzelerin vea bölgelerin an ana gelmelerile oluşan kenar (edge) bölgelerin bulunmasıdır ri Düze Eşikleme örüntü üzerinde bulunan çeşitli türdeki dokuların izlerinin piksel değerleri birbirlerine akın değerler alabilmektedir. Bu durum teşhis anında çeşitli zorluklara neden olmaktadır. Örneğin, mikrokalsifikasonların tespiti işleminde, kalsifikasonun piksel değerleri ile arka plan görüntüsünün değerleri birbirlerine akın olabilmektedir [0].Eşikleme ile mikrokalsifikason tespit etme öntemi bazı çalışmalarda kullanılmıştır (Fam ve Chan 988, Devies ve Dance 990) [0]. Eşikleme işlemi bir f görüntüsü üzerindeki bütün pikselleri ile gösterecek olursak, bir T eşik değerine göre pikseller eğer arka plan üzerinde ise < T,değilse T olacaktır. Eşiklenmiş görüntünün piksel değerlerini g(, ile gösterecek olursak;, T g(, = 0, < T şeklinde ifade edilmektedir. Eğer eşik değeri bir nokta değil bir aralık ise ani T ve T 2 eşik değerleri arasında bir eşikleme apılacaksa formül aşağıdaki şekilde olur. 0, g(, =, 0, < T T T2 > T 2 Eşikleme öntemi ile mamogram üzerindeki göğüs dokusu ile mikrokalsifikasonlar gibi şüpheli bölgeler arasında kontrastın düşük olduğu durumlarda ugulanması ile bu şüpheli bölgelerin daha belirgin olması sağlanabilir []. Ancak arka plan görüntüsü ile mikrokalsifikasonların piksel değerleri birbirlerine çok akın olduğu durumlar sorun oluşturmaktadır, çünkü değerler birbirine akın olduğu zaman o iki doku arasındaki aırım fark edilememektedir. Bunlara ilave olarak özellikle 0. mm den daha küçük çaplı mikrokalsifikasonlarda ii sonuç verememektedir [0] Kenar Tanımlama Kenar, farklı üzelerin an ana gelmesile oluşmuştur. Cisimlerin tanımlanmasında kenar önemli ölçüde er tutmaktadır. Saısal görüntü üzerinde oğunluk değerlerinin birden bire arttığı vea azaldığı bölgeler kenarlar olarak tanımlanmaktadır. Şekil 4 Mamogram üzerindeki belirlenmiş bir grup pikselin oğunluk değerleri Kenar noktaları üzerindeki birinci türev değeri ise bize eğimi vermektedir. Dolaısıla bir f () sinalinin bir noktadaki en hızlı değişimi onun gradant vektörü doğrultusunda olmaktadır. Dolaısıla kenar belirleme işlemleri içerisinde fonksionun gradantı ( f () vea rad ( f ( )) hesaplanmalıdır. Bir görüntüsü üzerinde gradant kenar belirleme işleminde ata ve dike kenarlar aşağıdaki gradant vektörler ardımıla bulunur. = = i= j= i= j= w ( i, j) f ( + i, + j) w ( i, j) f ( + i, + j) Burada w ata türevlenme süzgeci, w ise dike türevlenme süzgecidir. w = [ ] olarak ve w = alınırsa = + ) = f ( +, olacaktır. Bu w ve w süzgeçleri içerisindeki değerlerin değiştirilmesi ve işleme sokulmasıla çeşitli kenar belirleme öntemleri elde edilmektedir.
4 2.3. Tümör Algılama Aşaması Mamogramlar üzerinde görüntü işleme çalışmaları araştırıldığı zamanlarda görüntüdeki iileştirme sadece ön işleme aşamasında apılmaktadı. Artık bölütleme içerisinde apılmaktadır. Son ıllarda tümörler üzerinde doğru teşhis için birçok öntem geliştirilmiştir. Tümör oluşumunu, belirli bir oğunluğa sahip göğüs kitlesinin sınırlarının belirlenmesi ve bunların kanserli olup olmadıklarının saptanması gereksinimile kitle algılama olarak ve kanserin ilk belirtilerinden olan mikrokalsifikasonların erlerinin belirlenmesile mikrokalsifikason algılama olarak sınıflandırabiliriz Kitle Algılama Yağlı bir göğsün mamogram görüntüsü incelendiğinde oluşmuş kitleler süt bezleri oğun olan (glandüler apıda) bir göğsün mamogram görüntüsünden daha kola aırt edilebilmektedir []. Bir mamogram görüntüsü üzerinde kitle teşhisi apılırken, kitlenin şekilsel apısına ve büüklüğüne bakılmaktadır. Her zaman kitleler radologlar tarafından gözle görülebilecek büüklükte ve şekilde olmaabilirler. Bu aşamalarda hazırlanmış sistemler bu noktada radologlara ardımcı olmaktadır. Mamogram görüntüsü üzerinde kitle algılama aşamasını kendi içerisinde üç aşamada sınıflandırmak mümkündür. Sağ ve sol göğsün karşılaştırılması Doku çözümlemesi (Teture analsis) Bulanık mantık (Fuzz logic) Sağ ve Sol öğsün Karşılaştırılması İlk olarak eiger tarafından geliştirilen bu öntem esas olarak sağ ve sol göğsün mimarisindeki simetrisine bakmaktadır [2]. enellikle sağ ve sol göğüsler apı itibarile birbirlerine benzerler. Bu öntem kanserli hücrelerin bu simetrii bozacağı fikrine daanır. Bu düşüncenin kullanılabilmesi için, sağ ve sol göğüslerin görüntülenmesi sırasındaki açı farklılıklarının ortadan kaldırılması gerekir. Mamogram üzerinde gri düze eşikleme işleminden sonra sağ ve sol göğüs lineer olmaan çıkarma tekniği kullanılarak elde edilen sonuç ile kullanılmaktadır [2]. Şekil 5 Sağ ve sol göğsün karşılaştırılması sırasında görülebilecek bir farklılık örneği Doku Çözümlemesi Mamogramlar üzerindeki şüpheli kitlelerin tespiti için doku analizi ilk olarak Undrill tarafından kullanılmıştır [3]. Doku, nesne üzelerinin en temel özelliklerindendir ve bir görüntü bölgesindeki görüntü elemanlarının an ana gelme düzeninin anlatımı olarak tanımlanmaktadır. Bu durumda doku, bir komşuluk içerisindeki görüntü elemanlarının gri sevielerinin değişik istatistik derecelerindeki özellikleri ile tarif edilebilir. Şekil 6 Bir mamogram kesiti üzerindeki doku örneği. Dokunun açık ve matematiksel bir tanımı apılamamakla birlikte üzerinde en çok tartışılan konulardan birisidir [3]. Bir görüntünün dokusal özellikleri tonların değişimlerin uzasal dağılımı hakkında bilgi içerdiğinden ton kavramı önem taşımaktadır. Ton kavramı, gölge içerisindeki piksellerin oğunluğudur. Bir başka ifade ile bir bölgenin dokusu, o bölgenin civarındaki ton değerlerin uzamsal dağılımının modelidir. Doku analizi tekniği mamogram görüntüsü üzerinde ön işleme aşaması ugulandıktan sonra daha ii sonuçlar vermektedir. Bu teknik daha çok düzenli apıda olan kitlelerin tespitinde tercih edilmektedir çünkü ıldız apıda kitleler ile düzdün apıda olan kitlelerin aırt edilmesi aşamasında çok ii sonuç vermemektedir [3] Bulanık Mantık Bulanık mantık, bulanık küme (fuzz set) kuramına daanmaktadır. Bulanık küme kuramı ilk olarak 965 ılında Zadeh tarafından atılmıştır. Bulanık mantık ile bulanık küme arasındaki ilişkide, iki değerli (boolea mantık ile klasik küme kavramı arasındaki ilişkie benzer bir ilişki vardır [4]. Bulanık mantık, mamogramlar üzerinde kitle tespitinde kullanılabilmektedir. örüntüdeki umuşak anormal dokuların tespit aşamasında, görüntüdeki bölgelerin oğunluk değerleri baz alınarak bölgeleri oğunluk bilgilerine göre aırmaktadır. Arılan bölgeler üzerindeki parlak oğunluktaki örüntülere ilk olarak kötü hulu kitleler ve net görünmeen kitle sınırlarından dolaı farklı gölgelerdeki piksel değerlerine bulanık küme ilkeleri ugulanmaktadır [4]. Bu tekniklerden sonra normal olmaan doku bölgeleri ve kitleler genellikle belirli bir büüklükten daha büük hal almakta ve tespit daha kola olmaktadır Mikrokalsifikason Algılama öğüs kanseri tespitinde ilk aşamaların başında gelen mikrokalsifikason algılama başlıca üç önemli öntemden oluşmaktadır. Matematiksel Morfoloji Yöntemleri Dalgacık Dönüşümleri (Wavelet Transforms) Yapa Sinir Ağları (Artificial Neural Networks) Matematiksel Morfoloji Yöntemleri Ön işleme aşamasında olduğu gibi matematiksel morfoloji işlemlerinin çeşitli kombinasonlarının kullanılmasıla bu aşamada da kullanılması mümkündür Dalgacık Dönüşümleri Dalgacık dönüşümleri ilk olarak mikrokalsifikasonların tespitinde McLeod [5] tarafından kullanılmıştır. Mamogramların dalgacık arışımı (wavelet decompositio öntemi ile ilk olarak Deubechies in üç sevieli dalgacıkları kullanılarak mikrokalsifikasonların tespitinde başarılı
5 sonuç verdiği görülmüştür. Yapılan çalışmalarda mikrokalsifikason sinalinin en belirgin gösterimi ile parazit vb. etkenlerin etkisinden kanaklanan belirsizlik arasındaki maksimum uzlaşmanın (trade off) sekizinci seviede olduğu tespit edilmiştir. Ugulanan dönüşümde görüntü üzerinde lik piksel bölgeleri üzerinde ugulanmıştır. Oluşan görüntü üzerine, eşlenen uzamsal süzgeç (Matched Spatial Filter) ile evrişim (convolutio işlemi ugulanmaktadır. İşlemde sinaldeki mikrokalsifikasonları ortadan kaldırmadan geri kalan apısal bilgilerin kuvveti düşürülmektdir. Sonra arka plandaki bilgileri ve ortadan kaldırmak ve görüntüü ikili sisteme (binarise the image) dönüştürmek için, belirlenem bir eşik değeri ugulanmaktadır. Yöntem, oluşmuş mikrokalsifikason kümelerinin arıştırılmasında ii sonuç vermesine rağmen nesnelerin saılması gerektiğinde az tercih edilen bir öntemdir Yapa Sinir Ağları Yapa sinir ağları (YSA) genel olarak insan beninin ada merkezi sinir sisteminin çalışma prensiplerini taklit eden bilgi işleme sistemidir [6,7]. YSA da bilgi, basit işlem elemanları arasında paralel olarak dağıtılmış olup, her bir işlem elemanları birbirleri ile bağlantılıdır. YSA mikrokalsifikason kümelerinin tespitinde sık kullanılmaktadır. Bu öntemle YSA, değişen boutlarda, gerie ansıma (back-probogatio algoritması olula eğitilerek ugulanmaktadır [8]. enellikle teşhis aşamasında radologlara önemli ölçüde ardımcı olduğundan dolaı agın olarak kullanılmaktadır. YSA ugulamalarının sonucunda elde edilen sonucun nereden, nasıl çıkarıldığının bilinmemesi ve algoritmaların eğitimlerinin zaman alıcı ve zor olması gibi dezavantajları olmasına rağmen öğrenebilir ve hiç karşılaşmadıkları sorunları çözebilmeleri oldukça önemli avantajlarındandır [8]. 3. SONUÇ Bu çalışmada bilgisaarlı teşhis sistemlerinin mamogramlar üzerinde uguladığı çeşitli görüntü işleme teknikleri incelenmiştir. Bu öntemlerle görüntülerin çeşitli özelliklerinin ve arıntıların ön plana çıkarılması amaçlanmaktadır. Burada bilginin süzülmesi ve sadece istenilen özelliklerin ortaa çıkması hedeflenir. örüntüler işlendikten ve istenen özellikler görüntü üzerinde belirlendikten sonra, bulunanların kanser belirtileri olup olmadığını inceleen teşhis öntemleri ugulanır. KAYNAKLAR [] LAWRENCE W. B., The Radiologic Clinics of North America: Breast Imaging Current Status and Future Directions, W.B. Saunders, Philadelphia, USA (992). [2] HOLLAND T. So-called interval cancers of the breast: pathologic and radiographic alalsis, Cancer 982; 49: [3] O DOHERTY T., Review of the Effective Image Processing Techniques of Mammograms, I.T. Centre, N.U.I., alwa [4] NAAO M. Edge Preserving Smoothing, Computer raphics Image Processing, Vol 9, pp , (979) [5] LI H., WAN Y., RAY LIU K. J., LO S.B. ve FREEDMAN M.T., Computerized Radiographic Mass Detection Part : Lesion Site Selection b Morphological Enhancement and Contetual Segmentation, IEEE Transactions on Medical Imaging, Vol.20, No.4, April 200 [6] SERRA J., Image Analsis and Mathematical Morpholog, Vol. London : Academic (982) [7] MATHERON., Random Sets and Integral eometr. New York: Wile (974) [8] MAAROS P. ve SCHAFER R. W., Morphological Filters Part I: Their Set- Theoretic Analsis and Relations to Linear Shift- Invariant Filters, IEEE Transactions on Ocoustics, Speech and Signal Processing, Vol. ASSP-35, No. 8, August 987 [9] CAMPBELL R..L. ve YOUNAN N.H., Image Enhancement via Morphological Filtering. [0] KARSSEMEJIER N, A Stochastic Model For Automated Detection of Calcifications in Digital Mammograms, Department of Radiolog, Universit of Nijmegan, The Netherlands. [] MORROW W. M., PARANJAPE R. B. ve RANAYYAN R. M., Region-Based Contrast Enhancement of Mammograms, IEEE Transactions on Medical Imaging, Vol, No 3, September 992 [2] Yin FF ve iger ML, Comparison of bilateralsubstruction and single-image processing techniques in the computerised detection of mammographic masses, Investigative Radiolog (993). [3] TUCERYAN M. ve JAIN K., Teture Analsis, in Handbook of Pattern Recognation and Computer Vision, World Scientific Publishing Co., River Edge, NJ (993) [4] KLIR J.. ve YUAN, Bo. ; FUZZY SETS AND FUZZY LOIC-Theor and applications [5] McLEOD. ve PARKIN., "Automatic detection of clustered microcalcifications using wavelets", Third International Workshop on Digital Mammograph, Chicago June (996) [6] FREEMAN J.A. ve SKAPURA D. M., Neural Networks Algorithms, Applications and Programming Techniques, Addisson-Wesle Publishing Co., New York, USA (99) [7] HAM F. M. ve KOSTANIC I., Principles of Neurocomputing for Science and Engineering, Mc raw Hill Co., USA (200) [8] Wu Y, IER ML, DOI K, VYBORNY CJ, SCHMIDT RA ve METZ CE, Atrificial Neural Networks in Mammograph: Application to Decision Making in The Diagnosis of Breast Cancer Radiolog 87:8-87, 993
Uzaysal Görüntü İyileştirme/Filtreleme. Doç. Dr. Fevzi Karslı fkarsli@ktu.edu.tr
Uasal Görüntü İileştirme/Filtreleme Doç. Dr. Fevi Karslı karsli@ktu.edu.tr İileştirme Herhangi bir ugulama için, görüntüü orijinalden daha ugun hale getirmek Ugunluğu her bir ugulama için sağlamak. Bir
DetaylıMORFOLOJİK GÖRÜNTÜ FİLTRELERİ İLE İKONOS GÖRÜNTÜLERİNDEN OTOMATİK BİNA ÇIKARIMI
TMMOB Harita ve Kadastro Mühendisleri Odası 12. Türkiye Harita Bilimsel ve Teknik Kurultayı 11 15 Mayıs 2009, Ankara MORFOLOJİK GÖRÜNTÜ FİLTRELERİ İLE İKONOS GÖRÜNTÜLERİNDEN OTOMATİK BİNA ÇIKARIMI U.Acar
DetaylıNÜMERİK ANALİZ. Sayısal Yöntemlerin Konusu. Sayısal Yöntemler Neden Kullanılır?!! Denklem Çözümleri
Saısal Yöntemler Neden Kullanılır?!! NÜMERİK ANALİZ Saısal Yöntemlere Giriş Yrd. Doç. Dr. Hatice ÇITAKOĞLU 2016 Günümüzde ortaa konan problemlerin bazılarının analitik çözümleri apılamamaktadır. Analitik
DetaylıDijital Mamografi Görüntülerinin Kontrast Sınırlı Adaptif Histogram Eşitleme ile İyileştirilmesi
TURKMIA 10 Proceedings 67 VII. Ulusal Tıp Bilişimi Kongresi Bildirileri Dijital Mamografi Görüntülerinin Kontrast Sınırlı Adaptif Histogram Eşitleme ile İyileştirilmesi a b Burçin KURT, Vasif V. NABİYEV
DetaylıÇoklu-Algılayıcılardan Alınan Görüntülerde Eşleştirme Yöntemlerinin Karşılaştırılması
Çoklu-Algılaıcılardan Alınan Görüntülerde Eşleştirme Yöntemlerinin Karşılaştırılması Vesel Aslantaş, Emre Bendeş, Rifat Kurban, A. Nusret Toprak Ercies Üniversitesi, Bilgisaar Mühendisliği Bölümü, 38039,
DetaylıMamogram Görüntülerinden Bilgisayar Destekli Kitle Teşhisi Sistemi. Computer-aided Mass Detection System Using Mamogram Images
Mamogram Görüntülerinden Bilgisayar Destekli Kitle Teşhisi Sistemi Emre Dandıl 1, Ziya Ekşi 2*, Murat Çakıroğlu 3 1 Bilecik Şeyh Edebali Üniversitesi Meslek Yüksek Okulu, Bilgisayar Teknolojileri Bölümü
DetaylıÖZGEÇMİŞ. 2. Doğum Yeri ve Tarihi : Washington DC - 22 Temmuz 1978. Derece Alan Üniversite Yılı Bilgisayar-Kontrol Marmara Üniversitesi
ÖZGEÇMİŞ 1. Adı Soyadı : Serhat ÖZEKES 2. Doğum Yeri ve Tarihi : Washington DC - 22 Temmuz 1978 3. Unvanı : Doç. Dr. 4. Öğrenim Durumu : Derece Alan Üniversite Yılı ve Kontrol Marmara Üniversitesi 2000
DetaylıBulanık Kümeler ve Sistemler. Prof. Dr. Nihal ERGİNEL
Bulanık Kümeler ve Sistemler Prof. Dr. Nihal ERGİNEL İçerik 1. Giriş, Temel Tanımlar ve Terminoloji 2. Klasik Kümeler-Bulanık Kümeler 3. Olasılık Teorisi-Olabilirlik Teorisi 4. Bulanık Sayılar-Üyelik Fonksiyonları
DetaylıDijital Görüntü İşleme Teknikleri
Teknikleri Ders Notları, 2013 Doç. Dr. Fevzi Karslı Harita Mühendisliği Bölümü Mühendislik Fakültesi KTÜ 08 Ekim 2013 Salı 1 Ders Planı ve İçeriği 1. Hafta Giriş, dersin kapsamı, temel kavramlar, kaynaklar.
DetaylıVektörler. Skaler büyüklükler. Vektörlerin 2 ve 3 boyutta gösterimi. Vektörel büyüklükler. 1. Şekil I de A vektörü gösterilmiştir.
1 Vektörler Skaler büüklükler 1. de A vektörü gösterilmiştir. Özellikler: Sadece büüklüğü (şiddeti) vardır. Negatif olabilir. Skaler fiziksel büüklüklerin birimi vardır. Örnekler: Zaman Kütle Hacim Özkütle
DetaylıYard. Doç. Dr. İrfan DELİ. Matematik
Unvanı Yard. Doç. Dr. Adı Soyadı İrfan DELİ Doğum Yeri ve Tarihi: Çivril/Denizli -- 06.04.1986 Bölüm: E-Posta Matematik irfandeli20@gmail.com, irfandeli@kilis.edu.tr AKADEMİK GELİŞİM ÜNİVERSİTE YIL Lisans
Detaylı91-03-01-529 SAYISAL GÖRÜNTÜ İŞLEME (Digital Image Processing)
91-03-01-529 SAYISAL GÖRÜNTÜ İŞLEME (Digital Image Processing) Dersi Veren Öğretim Üyesi Doç. Dr. Aybars UĞUR Ders Web Sayfası : http://yzgrafik.ege.edu.tr/~ugur 1 Amaçlar Öğrencileri Matlab gibi teknik
DetaylıGÖRÜNTÜSÜ ALINAN BİR NESNENİN REFERANS BİR NESNE YARDIMIYLA BOYUTLARININ, ALANININ VE AÇISININ HESAPLANMASI ÖZET ABSTRACT
GÖRÜNTÜSÜ ALINAN BİR NESNENİN REFERANS BİR NESNE YARDIMIYLA BOYUTLARININ, ALANININ VE AÇISININ HESAPLANMASI Hüseyin GÜNEŞ 1, Alper BURMABIYIK 2, Semih KELEŞ 3, Davut AKDAŞ 4 1 hgunes@balikesir.edu.tr Balıkesir
DetaylıKelebek Görüntülerin Sınıflandırılması için Bir İçerik Bazlı Görüntü Erişim Sistemi
Akademik Bilişim 14 - XVI. Akademik Bilişim Konferansı Bildirileri 5-7 Şubat 014 Mersin Üniversitesi Kelebek Görüntülerin Sınıflandırılması için Bir İçerik Bazlı Görüntü Erişim Sistemi Yılmaz Kaa 1, Lokman
DetaylıGörüntü Segmentasyonu (Bölütleme)
Görüntü Segmentasyonu (Bölütleme) Segmentasyon, görüntüyü aynı cinsten obje ve bölgelere ayırmaktır. 20 Aralık 2014 Cumartesi 1 Görüntü Segmentasyonu 20 Aralık 2014 Cumartesi 2 Gestalt kanunları Görüntü
DetaylıİMGE İŞLEME Ders-7. Morfolojik İmge İşleme. Dersin web sayfası: http://mf.kou.edu.tr/elohab/kemalg/imge_web/odev.htm. (Yrd. Doç. Dr. M.
İMGE İŞLEME Ders-7 Morfolojik İmge İşleme (Yrd. Doç. Dr. M. Kemal GÜLLÜ) Dersin web sayfası: http://mf.kou.edu.tr/elohab/kemalg/imge_web/odev.htm Hazırlayan: M. Kemal GÜLLÜ Morfoloji Biyolojinin canlıların
DetaylıBilginin Görselleştirilmesi
Bilginin Görselleştirilmesi Bundan önceki konularımızda serbest halde azılmış metinlerde gerek duduğumuz bilginin varlığının işlenmee, karşılaştırmaa ve değerlendirmee atkın olmadığını, bu nedenle bilginin
DetaylıVEKTÖRLER KT YRD.DOÇ.DR. KAMİLE TOSUN FELEKOĞLU
VEKTÖRLER KT YRD.DOÇ.DR. KMİLE TOSUN ELEKOĞLU 1 Mekanik olaları ölçmekte a da değerlendirmekte kullanılan matematiksel büüklükler: Skaler büüklük: sadece bir saısal değeri tanımlamakta kullanılır, pozitif
DetaylıGörüntü Segmentasyonu (Bölütleme) Dijital Görüntü İşleme Fevzi Karslı, KTÜ Segmentasyon, görüntüyü aynı cinsten obje ve bölgelere ayırmaktır.
Görüntü Segmentasyonu (Bölütleme) Segmentasyon, görüntüyü aynı cinsten obje ve bölgelere ayırmaktır. 16 Ocak 2014 Perşembe 1 Görüntü Segmentasyonu 16 Ocak 2014 Perşembe 2 Görüntüden Objelere Bir objeyi
DetaylıT.C. ERCİYES ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ EĞİTİM ÖĞRETİM YILI DERS KATALOĞU
T.C. ERCİYES ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ - EĞİTİM ÖĞRETİM YILI DERS KATALOĞU Ders Kodu Bim Kodu Ders Adı Türkçe Ders Adı İngilizce Dersin Dönemi T Snf Açıl.Dönem P
DetaylıSAYISAL GÖRÜNTÜİŞLEME (Digital Image Processing)
91-03-01-529 SAYISAL GÖRÜNTÜİŞLEME (Digital Image Processing) Dersi Veren Öğretim Üyesi Y. Doç. Dr. Aybars UĞUR Ders Web Sayfası : http://yzgrafik.ege.edu.tr/~ugur 29.09.2009 Y. Doç. Dr. Aybars UĞUR (529
DetaylıYARI-KÜRESEL ENGEL KONULAN BİR KANAL İÇERİSİNDE ISI GEÇİŞİ VE AKIŞIN SAYISAL İNCELENMESİ
Eskişehir Osmangazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi Cilt:XXII, Saı:3, 2009 Journal of Engineering and Architecture Facult of Eskişehir Osmangazi Universit, Vol: XXII, No:3, 2009 Makalenin
DetaylıKelebek Görüntülerin Sınıflandırılmasında Yeni Yerel İkili Örüntüler
Kelebek Görüntülerin Sınıflandırılmasında Yeni Yerel İkili Örüntüler Yılmaz KAYA 1, Lokman KAYCİ 2 1 Bilgisayar Mühendisliği Bölümü, Siirt Üniversitesi, 56100 Siirt 2 Biyoloji Bölümü, Siirt Üniversitesi,
DetaylıGörüntü İşleme. K.Sinan YILDIRIM Cenk İNCE Tahir Emre KALAYCI. Ege Üniversitesi Bilgisayar Mühendisliği Bölümü 2003
Görüntü İşleme K.Sinan YILDIRIM Cenk İNCE Tahir Emre KALAYCI Ege Üniversitesi Bilgisayar Mühendisliği Bölümü 2003 İçerik Görüntü İşleme Nedir? Görüntü Tanımlamaları Görüntü Operasyonları Görüntü İşleme
Detaylıİkili (Binary) Görüntü Analizi
İkili (Binary) Görüntü Analizi İkili görüntü analizine giriş Eşikleme (Thresholding) Matematiksel morfoloji Piksel ve komşulukları (neighborhoods) Bağlantılı bileşenler analizi (Connected components analysis)
Detaylı1. YARIYIL / SEMESTER 1
T.C. NECMETTİN ERBAKAN ÜNİVERSİTESİ MÜHENDİSLİK VE MİMARLIK FAKÜLTESİ, MEKATRONİK MÜHENDİSLİĞİ BÖLÜMÜ, 2017-2018 AKADEMİK YILI ÖĞRETİM PLANI T.C. NECMETTIN ERBAKAN UNIVERSITY ENGINEERING AND ARCHITECTURE
DetaylıElectronic Letters on Science & Engineering 3 (2) (2007) Available online at www.e-lse.org
Electronic Letters on Science & Engineering 3 (2) (2007) Available online at www.e-lse.org Determination Of Breast Cancer Using ANN Armağan Ebru Temiz 1 1 Sakarya Üniversity Elektronic-Computer Education
DetaylıBulanık Mantık Tabanlı Uçak Modeli Tespiti
Bulanık Mantık Tabanlı Uçak Modeli Tespiti Hüseyin Fidan, Vildan Çınarlı, Muhammed Uysal, Kadriye Filiz Balbal, Ali Özdemir 1, Ayşegül Alaybeyoğlu 2 1 Celal Bayar Üniversitesi, Matematik Bölümü, Manisa
DetaylıDERS 2. Fonksiyonlar
DERS Fonksionlar.1. Fonksion Kavramı. Her bilim dalının önemli bir işlevi, çeşitli nesneler vea büüklükler arasında eşlemeler kurmaktır. Böle bir eşleme kurulması tahmin ürütme olanağı verir. Örneğin,
DetaylıElena Battini SÖNMEZ Önder ÖZBEK N. Özge ÖZBEK. 2 Şubat 2007
AVUÇ İZİ VE PARMAK İZİNE DAYALI BİR BİYOMETRİK TANIMA SİSTEMİ Elena Battini SÖNMEZ Önder ÖZBEK N. Özge ÖZBEK İstanbul Bilgi Üniversitesi Bilgisayar Bilimleri 2 Şubat 2007 Biyometrik Biyometrik, kişileri
DetaylıBölüm 4 Yoğunluk Dönüşümleri ve Histogram İşleme
BLM429 Görüntü İşlemeye Giriş Bölüm 4 Yoğunluk Dönüşümleri ve Histogram İşleme Dr. Öğr. Üyesi Caner ÖZCAN It makes all the difference whether one sees darkness through the light or brightness through the
DetaylıHafta 5 Uzamsal Filtreleme
BLM429 Görüntü İşlemeye Giriş Hafta 5 Uzamsal Filtreleme Yrd. Doç. Dr. Caner ÖZCAN If the facts don't fit the theory, change the facts. ~Einstein İçerik 3. Yeğinlik Dönüşümleri ve Uzamsal Filtreleme Temel
Detaylıİkili (Binary) Görüntü Analizi
İkili (Binary) Görüntü Analizi İkili görüntü analizine giriş Eşikleme (Thresholding) Matematiksel morfoloji Piksel ve komşulukları (neighborhoods) Bağlantılı bileşenler analizi (Connected components analysis)
DetaylıDers Adı Kodu Yarıyılı T+U Saati Ulusal Kredisi AKTS
DERS BİLGİLERİ Ders Adı Kodu Yarıyılı T+U Saati Ulusal Kredisi AKTS Sayısal Görüntü İşleme BIL413 7 3+0 3 5 Ön Koşul Dersleri Yok Dersin Dili Dersin Seviyesi Dersin Türü Türkçe Lisans Seçmeli / Yüz Yüze
DetaylıKUVVET SORULAR. Şekil-II 1.) 3.)
UET SRULAR 1.) 3.) X Y Z X, Y ve Z noktasal cisimlerine ata düzlemde etki eden kuvvetler şekildeki gibidir. Bu cisimlere etkien net kuvvetlerin büüklükleri F X, F ve F z dir. Noktasal parçacığı sürtünmesiz
DetaylıMorfolojik Görüntü İşleme Yöntemleri ile Kayısılarda Yaprak Delen (Çil) Hastalığı Sonucu Oluşan Lekelerin Tespiti
6 th International Advanced Technologies Symposium (IATS 11), 16-18 May 011, Elazığ, Turkey Morfolojik Görüntü İşleme Yöntemleri ile Kayısılarda Yaprak Delen (Çil) Hastalığı Sonucu Oluşan Lekelerin Tespiti
DetaylıÖZNİTELİK TABANLI OTOMATİK PARMAKİZİ TANIMA
ÖZNİTELİK TABANLI OTOMATİK PARMAKİZİ TANIMA Kürşat AYAN Yunus Emre DEMİR 2 Bilgisaar Mühendisliği Bölümü Mühendislik Fakültesi Sakara Üniversitesi, 54040, Esentepe Kampüsü, Sakara 2 Bilgisaar ve Bilişim
DetaylıGörüntü İşleme. Dijital Görüntü Tanımları. Dijital görüntü ise sayısal değerlerden oluşur.
Görüntü İşleme Görüntü işleme, dijital bir resim haline getirilmiş olan gerçek yaşamdaki görüntülerin bir girdi resim olarak işlenerek, o resmin özelliklerinin ve görüntüsünün değiştirilmesidir. Resimler
DetaylıDinamik Sistemlerin Yapay Sinir Ağları ile Düz ve Ters Modellenmesi
KSÜ Fen ve Mühendislik Dergisi 6(1) 2003 26 KSU J. Science and Engineering 6(1) 2003 Dinamik Sistemlerin Yaa Sinir Ağları ile Düz ve Ters Modellenmesi Hasan Rıza ÖZÇALIK Ahmet KÜÇÜKTÜFEKÇİ KSÜ. Müh.-Mim.
DetaylıYönbağımsız ve Yönbağımlı Gauss Süzgeçleme Isotropic and Anisotropic Gaussian Filtering
Yönbağımsız Yönbağımlı Gauss Süzgeçleme Isotropic and Anisotropic Gaussian Filtering Deniz Yıldırım 1, Bekir Dizdaroğlu 2 1 Harita Mühendisliği Bölümü, 2 Bilgisayar Mühendisliği Bölümü Karadeniz Teknik
DetaylıYrd. Doç. Dr. Saygın ABDİKAN Öğretim Yılı Bahar Dönemi
Dijital Görüntü İşleme (JDF338) Yrd. Doç. Dr. Saygın ABDİKAN 2014-2015 Öğretim Yılı Bahar Dönemi 1 İletişim bilgileri sabdikan@beun.edu.tr 0 372 2574010 1718 http://geomatik.beun.edu.tr/abdikan/ Öğrenci
DetaylıMamografi BR.HLİ.099
BR.HLİ.099 Meme Kanserinde Erken Tanının En Büyük Yardımcısı Meme kanseri kadınlarda en sık görülen kanser türüdür. Her 8 kadından biri yaşam süresi içinde meme kanserine yakalanmaktadır. ABD'de her yıl
DetaylıCurriculum Vitae. 06 September 1970, Kayseri, TURKEY. Phone : +90 352 4374901 / Ext.: 32204. : yuksel@erciyes.edu.tr
Curriculum Vitae Full Name: Date & Place of Birth: Dr. M. Emin YÜKSEL 06 September 1970, Kayseri, TURKEY. Office Contact: Dept. of Electronics Eng., Faculty of Engineering, Erciyes University, Kayseri,
DetaylıGörüntü İşleme İle TFT/LCD Panellerde Kalite Kontrolü
Görüntü İşleme İle TFT/LCD Panellerde Kalite Kontrolü Aysun Taşyapı Çelebi, Orhan Akbulut, Alp Ertürk, Oğuzhan Urhan, M. Kemal Güllü, Sarp Ertürk Kocaeli Ünivesitesi, İşaret ve Görüntü İşleme Laboratuvarı
DetaylıGAZİOSMANPAŞA ÜNİVERSİTESİ FEN-EDEBİYAT FAKÜLTESİ/MATEMATİK BÖLÜMÜ/MATEMATİK PR.
İRFAN DELİ YARDIMCI DOÇENT E-Posta Adresi irfandeli@kilis.edu.tr Telefon (İş) Telefon (Cep) Faks Adres 3488142662-1731 3488142663 Kilis 7 aralık üniv. Eğitim fak. kilis/merkez Öğrenim Bilgisi Doktora 2010
DetaylıGÖRÜNTÜLERİN RENK UZAYI YARDIMIYLA AYRIŞTIRILMASI SEGMENTATION OF IMAGES WITH COLOR SPACE
İleri Teknoloji Bilimleri Dergisi Cilt 3, Sayı 1, 1-8, 2014 Journal of Advanced Technology Sciences Vol 3, No 1, 1-8, 2014 GÖRÜNTÜLERİN RENK UZAYI YARDIMIYLA AYRIŞTIRILMASI Recep DEMİRCİ 1 Uğur GÜVENÇ
Detaylı3.2. Euler Yüksek Mertebeden Değişken Katsayılı Diferansiyel Denklemi
3.2. Euler Yüksek Mertebeden Değişken Katsaılı Diferansiel Denklemi (n). (n) + (n-). (n-) + + 2. +. + = Q() Değişken dönüşümü apalım. Diferansiel denklemi sabit katsaılı ( erine t bağımsız değişkeni )
DetaylıMATERIALS. Basit Eğilme. Third Edition. Ferdinand P. Beer E. Russell Johnston, Jr. John T. DeWolf. Lecture Notes: J. Walt Oler Texas Tech University
CHAPTER BÖLÜM MECHANICS MUKAVEMET OF I MATERIALS Ferdinand P. Beer E. Russell Johnston, Jr. John T. DeWolf Basit Eğilme Lecture Notes: J. Walt Oler Teas Tech Universit Düzenleen: Era Arslan 2002 The McGraw-Hill
Detaylı91-03-01-517 YAPAY ZEKA (Artificial Intelligence)
91-03-01-517 YAPAY ZEKA (Artificial Intelligence) Dersi Veren Öğretim Üyesi Y. Doç. Dr. Aybars UĞUR Ders Web Sayfası : http://yzgrafik.ege.edu.tr/~ugur 27.09.2009 Y. Doç. Dr. Aybars UĞUR (517 Yapay Zeka)
DetaylıYrd. Doç. Dr. Saygın ABDİKAN Öğretim Yılı Bahar Dönemi
Dijital Görüntü İşleme (GEO/JDF338) Yrd. Doç. Dr. Saygın ABDİKAN 2017-2018 Öğretim Yılı Bahar Dönemi 1 İletişim bilgileri sabdikan@beun.edu.tr 0 372 291 2565 http://geomatik.beun.edu.tr/abdikan/ Öğrenci
DetaylıBULANIK SİNİR AĞLARI YARDIMIYLA BİYOMEDİKAL İMGELERİN GÜRÜLTÜ BİLEŞENLERİNDEN ARINDIRILMASI
BULANIK SİNİR AĞLARI YARDIMIYLA BİYOMEDİKAL İMGELERİN GÜRÜLTÜ BİLEŞENLERİNDEN ARINDIRILMASI M. Emin YÜKSEL 1 Alper BAŞTÜRK 1 M. Tülin YILDIRIM 2 1 Erciyes Üniversitesi, Mühendislik Fakültesi, Elektronik
DetaylıANKARA ÜNİVERSİTESİ A ÖĞRENCİ İŞLERİ DAİRE BAŞKANLIĞI
Dersin ön koşulu var mı? ***** İntibak Dersi mi? **** TOPLAM SAAT ** AKTS Kredisi ** ANKARA ÜNİVERSİTESİ A PROGRAM ADI : BİLGİSAYAR MÜHENDİSLİĞİ (İNGİLİZCE).SINIF /.YARIYIL* ANADAL EĞİTİM PROGRAMI ZORUNLU
DetaylıMÜFREDAT DERS LİSTESİ
MÜFREDAT DERS LİSTESİ MÜHENDİSLİK FAK. / BİLGİSAYAR MÜHENDİSL / 2010 BİLGİSAYAR MÜHENDİSLİĞİ Müfredatı 0504101 Matematik I Calculus I 1 GÜZ 4 5 Z 0504102 Genel Fizik I General Physics I 1 GÜZ 4 4 Z 0504103
DetaylıKENAR TETİKLEMELİ D FLİP-FLOP
Karadeniz Teknik Üniversitesi Bilgisaar Mühendisliği Bölümü Saısal Tasarım Laboratuarı KENAR TETİKLEMELİ FLİP-FLOP 1. SR Flip-Flop tan Kenar Tetiklemeli FF a Geçiş FF lar girişlere ugulanan lojik değerlere
DetaylıAkreditasyon Sertifikası Eki (Sayfa 1/7) Akreditasyon Kapsamı
Akreditasyon Sertifikası Eki (Sayfa 1/7) "A tipi Muayene Kuruluşu" Akreditasyon No: Adresi :Mimar Sinan Mah. 1358 Sok. No:9/B ALSANCAK 35221 İZMİR / TÜRKİYE Tel : 0 232 464 00 20 Faks : 0 232 464 14 93
DetaylıANKARA ÜNİVERSİTESİ A ÖĞRENCİ İŞLERİ DAİRE BAŞKANLIĞI
PROGRAM ADI : BİLGİSAYAR MÜHENDİSLİĞİ (İNGİLİZCE) 1.SINIF /1.YARIYIL* 1 COM101 COMPUTER PROGRAMMING I - - 4 2 6 5 9 2 COM113 INTRODUCTION TO COMPUTER SCIENCE - - 3 0 3 3 5 3 PHY0101 PHYSICS I - - 3 0 3
DetaylıBölüm 7 Renkli Görüntü İşleme
BLM429 Görüntü İşlemeye Giriş Bölüm 7 Renkli Görüntü İşleme Dr. Öğr. Üyesi Caner ÖZCAN Genç sanatçının, rengin sadece tanımlayıcı değil aynı zamanda kişisel ifade anlamına geldiğini anlaması renge dokunmasından
DetaylıBLG325.1 SINYAL ISLEME DERSİ BİLGİ PAKETİ. Haftalık Ders Planı
Düzey : Lisans Ders Kodu : BLG325.1 Ders Adı : SINYAL ISLEME BLG325.1 SINYAL ISLEME DERSİ BİLGİ PAKETİ lık Ders Planı 1 : İşaret ve sistem tanımı, ayrık zamanlı ve sürekli zamanlı sistemler, ayrık değerli
DetaylıPOSITION DETERMINATION BY USING IMAGE PROCESSING METHOD IN INVERTED PENDULUM
POSITION DETERMINATION BY USING IMAGE PROCESSING METHOD IN INVERTED PENDULUM Melih KUNCAN Siirt Üniversitesi, Mühendislik-Mimarlık Fakültesi, Mekatronik Mühendisliği Bölümü, Siirt, TÜRKIYE melihkuncan@siirt.edu.tr
Detaylı2017 MÜFREDATI MÜHENDİSLİK FAKÜLTESİ / ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ EĞİTİM PLANI
2017 MÜFREDATI MÜHENDİSLİK FAKÜLTESİ / ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ EĞİTİM PLANI SINIF: 1 DÖNEM: GÜZ 200111 TEMEL BİLGİ TEKNOLOJİSİ KULLANIMI USE OF FUNDAMENTAL INFORMATION TECHNOLOGY 2017 2 0 2 2
DetaylıMR Görüntüleri Üzerinde Otomatik Beyin Tümörü Tespiti İçin Bölütleme Yöntemlerinin Karşılaştırılması ve Uygulaması
MR Görüntüleri Üzerinde Otomatik Beyin Tümörü Tespiti İçin Bölütleme Yöntemlerinin Karşılaştırılması ve Uygulaması Özet: Beyin tümörleri, kafatası içerisinde büyüyerek beyin üzerine yaptıkları baskı ile
DetaylıMean Shift Ve Gaussian Filtre İle Gölge Tespiti Shadow Detection With Mean Shift And Gaussian Filter
Mean Shift Ve Gaussian Filtre İle Gölge Tespiti Shadow Detection With Mean Shift And Gaussian Filter Yunus SANTUR 1, Haluk DİLMEN 1, Semiha MAKİNİST 2, M. Fatih TALU 1 1 Bilgisayar Bölümü Mühendislik Fakültesi
DetaylıDERS 2. Fonksiyonlar - I
DERS Fonksionlar - I.1. Fonksion Kavramı. Her bilim dalının önemli bir işlevi, çeşitli nesneler vea büüklükler arasında eşlemeler kurmaktır. Böle bir eşleme kurulması belli büüklükleri belirleme vea tahmin
DetaylıÜÇ BOYUTLU M-BANTLI DALGACIK DÖNÜŞÜMÜ İLE TRAFİK TIKANIKLIĞININ BELİRLENMESİ
ÜÇ BOYUTLU M-BANTLI DALGACIK DÖNÜŞÜMÜ İLE TRAFİK TIKANIKLIĞININ BELİRLENMESİ 1. Giriş Tolga Kurt, Emin Anarım Boğaziçi Üniversitesi, Elektrik-Elektronik Mühendisliği 80815,Bebek, İstanbul-Türkiye e-posta:
DetaylıYıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Bölümü. Bilgisayarla Görme. Final
Yıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Bölümü Bilgisayarla Görme Final Harris ve Moravec Köşe Belirleme Metotları Selçuk BAŞAK 08501008 Not: Ödevi hazırlamak için geliştirdiğim
DetaylıMÜHENDİSLİK FAKÜLTESİ / ENSTİTÜSÜ / YÜKSEKOKULU BİLİŞİM SİSTEMLERİ MÜHENDİSLİĞİ BÖLÜMÜ /ABD LİSANS PROGRAMI - 2 ( yılı öncesinde birinci
MÜHENDİSLİK FAKÜLTESİ / ENSTİTÜSÜ / YÜKSEKOKULU BİLİŞİM SİSTEMLERİ MÜHENDİSLİĞİ BÖLÜMÜ /ABD LİSANS PROGRAMI - 2 (2016-17 yılı öncesinde birinci sınıfa başlayan öğrenciler için) BİRİNCİ YIL 1. Dönem CMPE113
DetaylıÖZGEÇMİŞ. 1. Adı Soyadı : Olcay Taner Yıldız. 2. Doğum Tarihi : 15.05.1976. 3. Unvanı : Doç. Dr. 4. Öğrenim Durumu :
ÖZGEÇMİŞ 1. Adı Soyadı : Olcay Taner Yıldız 2. Doğum Tarihi : 15.05.1976 3. Unvanı : Doç. Dr. 4. Öğrenim Durumu : Derece Alan Üniversite Yıl Lisans Bilgisayar Mühendisliği Boğaziçi Üniversitesi 1997 Y.
DetaylıLCD 4 Fantomu Üzerinde Sayım ve Görüntüleme Dedektörleri Kullanılarak Yapılan Kontrast Ölçümlerinin Karşılaştırılması
Ankara Üniversitesi Nükleer Bilimler Enstitüsü LCD 4 Fantomu Üzerinde Sayım ve Görüntüleme Dedektörleri Kullanılarak Yapılan Kontrast Ölçümlerinin Karşılaştırılması Emre GÜLLÜOĞLU, Alptuğ Özer YÜKSEL,
DetaylıDers: MAT261 Konu: Matrisler, Denklem Sistemleri matrisi bulunuz. olmak üzere X = AX + B olacak şekilde bir X 1.
Ders: MAT6 Konu: Matrisler, Denklem Sistemleri. A = matrisi bulunuz.. A = a b c d e f ve B = ÇALIŞMA SORULARI- olmak üzere X = AX + B olacak şekilde bir X matrisi satır basamak hale getirildiğinde en fazla
DetaylıMEME KANSERİNDE GÖRÜNTÜLEME YÖNTEMLERİ
MEME KANSERİNDE GÖRÜNTÜLEME YÖNTEMLERİ Dr. Filiz Yenicesu Düzen Laboratuvarı Görüntüleme Birimi Meme Kanserinde Tanı Yöntemleri 1. Fizik muayene 2. Serolojik Testler 3. Görüntüleme 4. Biyopsi Patolojik
DetaylıDEÜ MÜHENDİSLİK FAKÜLTESİ FEN VE MÜHENDİSLİK DERGİSİ Cilt: 10 Sayı: 2 sh. 23-30 Mayıs 2008
DEÜ MÜHENDİSLİK FAKÜLTESİ FEN VE MÜHENDİSLİK DERGİSİ Cilt: 10 Sayı: 2 sh. 23-30 Mayıs 2008 SAFRA KESESİ GÖRÜNTÜLERİNİN AYRIK DALGACIK DÖNÜŞÜMÜ VE DURAĞAN DALGACIK DÖNÜŞÜMÜ KULLANILARAK KARŞILAŞTIRILMALI
DetaylıDijital Görüntü İşleme ve İyileştirme
Dijital Görüntü İşleme ve İyileştirme Ortalama ve Standart Sapma: Görüntüdeki ri değerlerin, ortalaması ve standart sapması olarak ifade edilir. Ortalama tüm örüntüye ait parlaklığı ifade ederken, standart
DetaylıÜNİVERSİTEYE HAZIRLIK 10. SINIF OKULA YARDIMCI KONU ANLATIMLI SORU BANKASI MATEMATİK FONKSİYONLAR - I
ÜNİVERSİTEYE HAZIRLIK. SINIF OKULA YARDIMCI KONU ANLATIMLI SORU BANKASI MATEMATİK FONKSİYONLAR - I ÜNİVERSİTEYE HAZIRLIK. SINIF OKULA YARDIMCI KONU ANLATIMLI SORU BANKASI ISBN 978 65 7-56 - Dizgi ÇAP Dizgi
Detaylı2. Klasik Kümeler-Bulanık Kümeler
2. Klasik Kümeler-Bulanık Kümeler Klasik Küme Teorisi Klasik kümelerde bir nesnenin bir kümeye üye olması ve üye olmaması söz konusudur. Bu yaklaşıma göre istediğimiz özelliğe sahip olan bir birey, eleman
DetaylıGÖRÜNTÜ İŞLEME HAFTA 4 DÖNÜŞÜMLER UZAYSAL FİLTRELEME
GÖRÜNTÜ İŞLEME HAFTA 4 DÖNÜŞÜMLER UZAYSAL FİLTRELEME DERS İÇERİĞİ Histogram İşleme Filtreleme Temelleri HİSTOGRAM Histogram bir resimdeki renk değerlerinin sayısını gösteren grafiktir. Histogram dengeleme
DetaylıBulanık C-Kümeleme Algoritması ile Retinal Kan Damarı Bölütleme Retinal Vessel Segmentation with Fuzzy C-Means Clustering Algorithms
Bulanık C-Kümeleme Algoritması ile Retinal Kan Damarı Bölütleme Retinal Vessel Segmentation with Fuzzy C-Means Clustering Algorithms Zafer Yavuz 1, Cemal Köse 1 1 Bilgisayar Mühendisliği Bölümü Karadeniz
DetaylıSTATİK MÜHENDİSLİK MEKANİĞİ. Behcet DAĞHAN. Behcet DAĞHAN. Behcet DAĞHAN. Behcet DAĞHAN
Statik ers Notları Sınav Soru ve Çözümleri ĞHN MÜHENİSİK MEKNİĞİ STTİK MÜHENİSİK MEKNİĞİ STTİK İÇİNEKİER 1. GİRİŞ - Skalerler ve Vektörler - Newton Kanunları 2. KUVVET SİSTEMERİ - İki Boutlu Kuvvet Sistemleri
DetaylıPROF.DR. MURAT DEMİR AYDIN. ***Bu ders notları bir sonraki slaytta verilen kaynak kitaplardan alıntılar yapılarak hazırlanmıştır.
PO.D. MUAT DEMİ AYDIN ***Bu ders notları bir sonraki slatta verilen kanak kitaplardan alıntılar apılarak hazırlanmıştır. Mühendisler için Vektör Mekaniği: STATİK.P. Beer, E.. Johnston Çeviri Editörü: Ömer
DetaylıBilgisayarla Görüye Giriş
Bilgisayarla Görüye Giriş Ders 12 Video, Optik Akış ve Takip Alp Ertürk alp.erturk@kocaeli.edu.tr Video Video, farklı zamanlarda alınan çerçeveler dizisidir Videolar, iki boyut uzamsal, üçüncü boyut zaman
DetaylıTMMOB Harita ve Kadastro Mühendisleri Odası Ulusal Coğrafi Bilgi Sistemleri Kongresi 30 Ekim 02 Kasım 2007, KTÜ, Trabzon
TMMOB Harita ve Kadastro Mühendisleri Odası Ulusal Coğrafi Bilgi Sistemleri Kongresi 30 Ekim 02 Kasım 2007, KTÜ, Trabzon Lazer Tarama Verilerinden Bina Detaylarının Çıkarılması ve CBS İle Entegrasyonu
DetaylıPROJEM İSTANBUL ARAŞTIRMA PROJESİ BİLGİSAYARLI GÖRÜ VE SINIFLANDIRMA TEKNİKLERİYLE ARAZİ KULLANIMININ OTOMATİK OLARAK BULUNMASI
PROJEM İSTANBUL ARAŞTIRMA PROJESİ BİLGİSAYARLI GÖRÜ VE SINIFLANDIRMA TEKNİKLERİYLE ARAZİ KULLANIMININ OTOMATİK OLARAK BULUNMASI Proje Yüklenicisi: Yeditepe Üniversitesi Mühendislik ve Mimarlık Fakültesi
DetaylıELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ DOKTORA YETERLİK SINAVI YÖNETMELİĞİ
ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ DOKTORA YETERLİK SINAVI YÖNETMELİĞİ Doktora Yeterlik Sınavı, başvurunun yapıldığı ve Doktora Yeterlik Komitesi nin başvuruyu onayladığı dönemdeki, dönem sonu sınavlarının
DetaylıCOMPUTER AIDED PERFORMANCE ANALYSIS OF INTERCOOLING-TURBOCHARGED DIESEL ENGINES
5. Uluslararası İleri eknolojiler Sempozumu (IAS 09), 13-15 Maıs 2009, Karabük, ürkie ARASOĞUMALI-URBOŞARJ DİZEL MOORLARDA BİLGİSAYAR DESEKLİ PERFORMANS ANALİZLERİ COMPUER AIDED PERFORMANCE ANALYSIS OF
DetaylıGörev Unvanı Alan Üniversite Yıl Prof. Dr. Elek.-Eln Müh. Çukurova Üniversitesi Eylül 2014
ÖZGEÇMİŞ 1. Adı Soyadı : MUSTAFA GÖK 2. Doğum Tarihi: : 1972 3. Unvanı : Prof. Dr. 4. Öğrenim Durumu Derece Alan Üniversite Yıl Lisans Elektronik Mühendisliği İstanbul Üniversitesi 1995 Yüksek Lisans Electrical
DetaylıA. SCI ve SCIE Kapsamındaki Yayınlar
A. SCI ve SCIE Kapsamındaki Yayınlar A.1. Erilli N.A., Yolcu U., Egrioglu E., Aladag C.H., Öner Y., 2011 Determining the most proper number of cluster in fuzzy clustering by using artificial neural networks.
DetaylıZümray DOKUR, Ph.D. ASSOCIATE EDITOR of NEURAL PROCESSING LETTERS PUBLICATIONS. Journal Papers (SCI)
Zümray DOKUR, Ph.D.. ASSOCIATE EDITOR of NEURAL PROCESSING LETTERS. PUBLICATIONS Journal Papers (SCI) 1. O. Polat, Z. Dokur, Protein fold recognition using self-organizing map neural network Current Bioinformatics,
DetaylıİLERİ GÖRÜNTÜ İŞLEME Ders-1
İLERİ GÖRÜNTÜ İŞLEME Ders- Elektromanyetik Spektrum Görünür Bölge 7 nm 4 nm Temel Kavramlar (Prof. Dr. Sarp ERTÜRK) 9/24/24 2 Hazırlayan: M. Kemal GÜLLÜ Sayısal İmge Gösterimi f x, y imgesi örneklendiğinde
DetaylıMOD419 Görüntü İşleme
MOD419 Görüntü İşleme Ders Kitabı: Digital Image Processing by Gonzalez and Woods Puanlama: %30 Lab. %20 Vize %10 Quizes %40 Final %60 devam mecburiyeti Görüntü İşleme ye Giriş Görüntü İşleme Nedir? Özellikle
DetaylıBulanık mantık ile mammogramlardan mikrokalsifikasyonların otomatik olarak belirlenmesi
Bulanık mantık ile mammogramlardan mikrokalsifikasyonların otomatik olarak belirlenmesi Ar.Gör. Uğur ACAR 1, Yrd.Doç.Dr. Bülent BAYRAM 1 YTÜ Jeod. Ve Fot. Müh. Böl. Fotogrametri ve Uzaktan Algılama Anabilim
DetaylıAKIŞKANLAR MEKANİĞİ 1. YILİÇİ SINAVI ( )
1 3 4 5 6 T AKIŞKANLAR MEKANİĞİ 1. YILİÇİ SINAVI (13.11.008) Ad-Soad: No: Grup: 1) a) İdeal ve gerçek akışkan nedir? Hız dağılımlarını çiziniz. Pratikte ideal akışkan var mıdır? Açıklaınız. İdeal Akışkan;
DetaylıCOURSES OFFERED FOR ERASMUS INCOMING STUDENTS
COURSES OFFERED FOR ERASMUS INCOMING STUDENTS Department : Computer Engineering 152111001 CALCULUS I 3 2 4 5 152111005 PHYSICS I 3 0 3 3 152111006 PHYSICS I LAB 0 2 1 2 152111007 CHEMISTRY 3 0 3 3 152111008
DetaylıİRİSTEN KİMLİK TANIMA SİSTEMİ
ÖZEL EGE LİSESİ İRİSTEN KİMLİK TANIMA SİSTEMİ HAZIRLAYAN ÖĞRENCİLER: Ceren KÖKTÜRK Ece AYTAN DANIŞMAN ÖĞRETMEN: A.Ruhşah ERDUYGUN 2006 İZMİR AMAÇ Bu çalışma ile, güvenlik amacıyla kullanılabilecek bir
DetaylıELEKTRONİK DEVRELERİN MODELLENMESİNDE YÜKSEK BAŞARIMLI BİLGİ TABANLI YAPAY SİNİR AĞLARININ KULLANIMI
ELEKTRONİK DEVRELERİN MODELLENMESİNDE YÜKSEK BAŞARIMLI BİLGİ TABANLI YAPAY SİNİR AĞLARININ KULLANIMI Murat ŞİMŞEK 1 İpek TÜRKER 2 N Serap ŞENGÖR 3 1,3 İstanbul Teknik Üniversitesi, Elektrik ve Elektronik
DetaylıÖZGEÇMİŞ. Derece Alan Üniversite Yıl Lisans Bilgisayar Mühendisliği Galatasaray Üniversitesi 2004 Y. Lisans Bilgisayar Mühendisliği
ÖZGEÇMİŞ 1. Adı Soyadı: Erchan Aptoula 2. Doğum Tarihi: 25/03/1982 3. Öğrenim Durumu: Derece Alan Üniversite Yıl Lisans Bilgisayar Mühendisliği Galatasaray Üniversitesi 2004 Y. Lisans Bilgisayar Mühendisliği
Detaylı1st TERM Class Code Class Name T A C. Fizik I Physics I Bilgisayar Programlama I (Java) Computer Programming I (Java)
Curriculum: Students need to take a total of 128 credits of classes to graduate from the Electrical and Electronics Engineering Undergraduate Program. With 8 credits of classes taught in Turkish and 120
DetaylıSAYISAL İMGELERDEKİ DÜRTÜ GÜRÜLTÜSÜNÜN GİDERİLMESİ İÇİN CCII TABANLI ANALOG DEVRE TASARIMI VE GERÇEKLEŞTİRİLMESİ
SAISAL İMGELERDEKİ DÜRTÜ GÜRÜLTÜSÜNÜN GİDERİLMESİ İÇİN CCII TABANLI ANALOG DEVRE TASARIMI VE GERÇEKLEŞTİRİLMESİ Pınar ÇİVİCİOĞLU 1 Mustafa ALÇI 1 Ercies Üniversitesi, Sivil Havacılık üksekokulu, Uçak Elektrik-Elektroniği
DetaylıÖZGEÇMİŞ. Derece Alan Üniversite Yıl
1. Adı Soyadı : Atınç YILMAZ 2. Doğum Tarihi : 01/05/1983 3. Unvanı : Dr.Öğr.Üyesi 4. Öğrenim Durumu: ÖZGEÇMİŞ Derece Alan Üniversite Yıl Lisans Bilgisayar Mühendisliği Haliç Üniversitesi 2005 (Burslu)
DetaylıFonksiyonu. Yakup KUTLU ve Apdullah YAYIK. Proceedings/Bildiriler Kitabı
Fonksiyonu Yakup KUTLU ve Apdullah YAYIK Özet uzunlukta (256-bit veya 512-bit) veri elde edilmesini r. m a r. Anahtar Kelimeler Duyar Abstract In this paper 5 layered neural network based one way hash
DetaylıYinelemeli ve Uyarlanır Ayrıt Saptayıcı Süzgeçleri
Yinelemeli ve Uyarlanır Ayrıt Saptayıcı Süzgeçleri innur Kurt, Muhittin Gökmen İstanbul Teknik Üniversitesi ilgisayar Mühendisliği ölümü Maslak 8066, İstanbul {kurt,gokmen}@cs.itu.edu.tr Özetçe Görüntü
DetaylıHafta 12 Morfolojik Görüntü İşleme
BLM429 Görüntü İşlemeye Giriş Hafta 12 Morfolojik Görüntü İşleme Yrd. Doç. Dr. Caner ÖZCAN Biçim ve özellik, yüz ve dudak.. Tıpkı kardeşim gibi büyüdüm.. Benzerliklerimiz sanki beni o yaptı.. Ve birimiz
Detaylı