No abstract

Görüntü içerisindeki nesnelerin tespit edilmesi ve sınıflandırılma uygulamaları her geçen gün artmaktadır. Bu çalışmada da robotik uygulamalarda da kullanılabilecek bir nesne tespiti ve sınıflandırılması uygulaması gerçekleştirilmiştir. Alexnet Evrişimsel Sinir Ağları (ESA) mimarisi ve Bölgesel Evrişimsel Sinir Ağları (B-ESA) algoritması ile gerçekleştirilen çalışmada yedi farklı nesne sınıfı seçilmiştir. Veri setindeki 684 eğitim verisi etiketlenerek ağın eğitilmesinde kullanılmıştır. 226 test görüntüsü eğitilen ağda test edilmesi sonucunda her sınıfa ait doğru tahmin değerleri ve toplam doğruluk değerleri bulunmuştur. Sınıflara ait tahminlerde en düşük %85,74 ve en yüksek %100 değerlerine ulaşılmıştır. Tüm test verileri için doğruluk değeri %93,81 bulunmuştur.

In this study, the relationship between individuals' cholesterol levels and the width of the sodium ring was investigated. Firstly, iris images were taken of 100 individuals with total cholesterol levels of 200 mg/dL and above. The average grey scale value (AGSV) for each iris image with a sodium ring was calculated. Secondly, the relationship between the AGSV and cholesterol levels was investigated. Finally, a new mathematical model was proposed that described the relationship between AGSV and total cholesterol with ~89% accuracy. The relationship between AGSV and high-density lipoprotein (HDL), low-density lipoprotein (LDL), and triglyceride levels was calculated with an accuracy of 80.5%, 85.1%, and 79.9%, respectively. In addition, AGSV was determined with 90% accuracy using total cholesterol, HDL, LDL, and triglycerides using multiple linear regression. Although multiple linear regression gives better AGSV, the results have shown that multilayer perceptron (MLP) mapping method gives better accuracy up to 6.62%.

Coronary Artery Disease (CAD) occurs when the coronary vessels become hardened and narrowed, limiting blood flow to the heart muscles. It is the most common type of heart disease and has the highest mortality rate. Early diagnosis of CAD can prevent the disease from progressing and can make treatment easier. Optimal treatment, in addition to the early detection of CAD, can improve the prognosis for these patients. This study proposes a new method for non-invasive diagnosis of CAD using iris images. In this study, iridology, a method of analyzing the iris to diagnose health conditions, was combined with image processing techniques to detect the disease in a total of 198 volunteers, 94 with CAD and 104 without. The iris was transformed into a rectangular format using the integral differential operator and the rubber sheet methods, and the heart region was cropped according to the iris map. Features were extracted using wavelet transform, first-order statistical analysis, a Gray-Level Co-Occurrence Matrix (GLCM), and a Gray Level Run Length Matrix (GLRLM). The model’s performance was evaluated based on accuracy, sensitivity, specificity, precision, score, mean, and Area Under the Curve (AUC) metrics. The proposed model has a 93% accuracy rate for predicting CAD using the Support Vector Machine (SVM) classifier. With the proposed method, coronary artery disease can be preliminarily diagnosed by iris analysis without needing electrocardiography, echocardiography, and effort tests. Additionally, the proposed method can be easily used to support telediagnosis applications for coronary artery disease in integrated telemedicine systems.

Koroner Arter Hastalığı (KAH), kalp kasını besleyen koroner arterlerin daralması veya tıkanması sonucunda oluşan bir kalp hastalığıdır. Dünya genelinde mortalite oranı yüksek bir sağlık sorunu olan KAH’ın erken tanısı çok önemlidir. Bu çalışmada, iridoloji ve görüntü işleme tekniklerinin kullanılarak KAH’ın tahmin edilmesi amaçlanmıştır. Önerilen yöntemde 94 KAH ve 104 Kontrol grubu olmak üzere toplamda 198 gönüllüye ait iris görüntülerinden Yerel İkili Örüntüler (YİÖ) ile öznitelikler çıkarılmış ve Yapay Sinir Ağı (YSA) kullanılarak sınıflandırma gerçekleştirilmiştir. Görüntü içerisinden iris konumlarını bulmak için İntegral Diferansiyel Operatörü ve irisi dikdörtgen formata dönüştürmek için Rubber Sheet Normalizasyon yöntemleri kullanılmıştır. İridoloji haritası vasıtasıyla iriste yer alan kalp bölgesi analiz bölgesi olarak belirlenmiş ve bu bölgeden bir piksel ve sekiz komşulukla YİÖ ile öznitelikler çıkarılmış. Çıkarılan özniteliklerin YSA ile sınıflandırması gerçekleştirilmiştir. Eğitim ve test olarak iki gruba ayrılan verilerde eğitim işlemi Ölçeklendirilmiş Konjuge Gradyan (Scaled Conjugate Gradient, SCG) algoritması ile gerçekleştirilmiştir. Performans ölçütü olarak belirlenen doğruluk ve Eğri Altında Kalan Alan (Area Under the Curve, AUC) değerleri test verileri için sırasıyla %91,5 ve 0,9103 olarak bulunmuştur. Elde edilen bulgular doğrultusunda önerilen yöntemin KAH’ın tahmin edilmesinde başarılı olduğu söylenebilir.