dc.description.abstract |
ÖZET
Bilgisayarlı Tomografi ile elde edilen görüntülerden cinsiyet tahmini yapılabilmesi için analiz, ölçüm ve ölçüm sonucu elde edilecek özniteliklerin belirlenmesi temel süreçleri oluşturmaktadır. Atlas Vertebra kemiği üzerinde yapılan morfolojik ölçümler ile kemik analiz işlemleri gerçekleşmektedir. Bu ölçümler manuel olarak el ile ya da görüntüleme teknolojileri kullanılarak bilgisayar yazılımları ile ölçü alınarak yapılmaktadır. El ile yapılan ölçümler oldukça zaman alıcı işlemler iken diğer tarafta dijital ölçümler zaman maliyeti açısından daha avantajlıdır. Ancak dijital ölçümde kullanılan cihazın özellikleri, görüntüyü alacak uzmanın bilgi birikimi ve tecrübesi gibi faktörler sebebiyle görüntülerin kontrastlarının, çözünürlüklerinin, görüntünün alındığı alanın farklılıklar gösterdiği tespit edilmiştir. Böyle durumlarda ölçümden önce görüntüler üzerinde ön işlemlerin yapılması aşamaları uzmanlık gerektirmekte, insan kaynaklı bu düzeltmelerde elde edilen verilerde değişimlere sebep olmaktadır.
Bu çalışmada insan faktörü ortadan kaldırılarak kısa sürede yüksek doğrulukla sonuca ulaşmak hedeflenmiştir. Görüntüler üzerinde yapılan otomatik morfolojik ölçümler sonucu öznitelikler belirlenmiş ve makine öğrenmesi sınıflandırma algoritmalarından Naive Bayes, Karar Ağacı, Destek Vektör Makineleri, K-En Yakın Komşuluk, Rastgele Orman yöntemleri kullanarak cinsiyet tahmini yapılmıştır. Kullanılan bu algoritmalar ile deneysel karşılaştırmalı sonuçlar ortaya konularak grafik ve çizelgeler ile detaylı bir şekilde gösterilmiştir. Karşılaştırılmalı sonuçlar incelendiğinde en yüksek başarının elde edildiği yöntemin %82,14 ile Gaussian Naive Bayes olduğu görülmüştür.
ABSTRACT
Analysis, measurement and determination of the features to be obtained as a result of the measurement constitute the basic processes in order to make an estimation of gender from the images obtained by Computed Tomography. Bone analysis procedures are carried out with morphological measurements on Atlas Vertebra bone. These measurements are made manually or using imaging technologies (Digital). Manual measurements are very time consuming. Digital measurements are more advantageous in terms of time costs. However, due to factors such as the features of the device used in digital measurement, the knowledge and experience of the expert who will take the image, it has been determined that the contrasts, resolutions of the images and the area where the image is taken differ. In such cases, preprocessing steps on images before measurement requires expertise, and these human-induced corrections cause changes in the data obtained.
In this study, it is aimed to reach the result with high accuracy in a short time by eliminating the human factor. As a result of automatic morphological measurements made on the images, the features were obtained and gender estimation was made using the machine learning classification algorithms, Naive Bayes, Decision Tree, Support Vector Machines, K-Nearest Neighbors, Random Forest methods. Experimental comparative results were produced with these algorithms used. Experimental comparative results with these algorithms are presented and shown in detail with graphs and charts. When the comparative results were examined, it was seen that the method with the highest success was Gaussian Naive Bayes with %82,14. |
en_EN |