Electrical - Electronic Engineering / Elektrik - Elektronik Mühendisliği
Permanent URI for this collectionhttps://hdl.handle.net/11147/11
Browse
2 results
Search Results
Article Citation - WoS: 9Citation - Scopus: 12Intensity and Phase Stacked Analysis of a 40-Otdr System Using Deep Transfer Learning and Recurrent Neural Networks(Optica Publishing Group, 2023) Kayan, Ceyhun Efe; Yüksel Aldoğan, Kıvılcım; Gümüş, AbdurrahmanDistributed acoustic sensors (DAS) are effective apparatuses that are widely used in many application areas for recording signals of various events with very high spatial resolution along optical fibers. To properly detect and recognize the recorded events, advanced signal processing algorithms with high computational demands are crucial. Convolutional neural networks (CNNs) are highly capable tools to extract spatial information and are suitable for event recognition applications in DAS. Long short-term memory (LSTM) is an effective instrument to process sequential data. In this study, a two-stage feature extraction methodology that combines the capabilities of these neural network architectures with transfer learning is proposed to classify vibrations applied to an optical fiber by a piezoelectric transducer. First, the differential amplitude and phase information is extracted from the phasesensitive optical time domain reflectometer (40-OTDR) recordings and stored in a spatiotemporal data matrix. Then, a state-of-the-art pre-trained CNN without dense layers is used as a feature extractor in the first stage. In the second stage, LSTMs are used to further analyze the features extracted by the CNN. Finally, a dense layer is used to classify the extracted features. To observe the effect of different CNN architectures, the proposed model is tested with five state-of-the-art pre-trained models (VGG-16, ResNet-50, DenseNet-121, MobileNet, and Inception-v3). The results show that using the VGG-16 architecture in the proposed framework manages to obtain a 100% classification accuracy in 50 trainings and got the best results on the 40-OTDR dataset. The results of this study indicate that pre-trained CNNs combined with LSTM are very suitable to analyze differential amplitude and phase information represented in a spatiotemporal data matrix, which is promising for event recognition operations in DAS applications. (c) 2023 Optica Publishing GroupResearch Project Farklı kontraslı medikal görüntülerin bilgi teorisi kaynaklı nokta benzerliği ölçütleriyle elastik olarak hizalanması(2011) Karaçalı, BilgeMedikal görüntülerin elastik olarak hizalanması, şizofreni, Alzheimer hastalığı gibi birçok nörolojik bozukluğun daha iyi anlaşılmasına olanak veren işlemsel anatomi yöntemlerinin temelini oluşturmaktadır. Hizalanmak istenen görüntülerdeki benzer parlaklık gösteren ortak yapıları arayıp örtüştürme esasına dayanan bu yöntemler, görüntüler arasında kontrast farklılıkları olduğu durumlarda ise istenen başarıyı sağlayamamaktadırlar. Bu projede, farklı kontrast özelliklerine sahip medikal görüntüleri bilgisayar ortamında elastik olarak hizalayan bir algoritma geliştirilmiştir. Bu amaç dahilinde öncelikle görüntüler arasında eşlenik noktaları ve bu noktalardaki eşlenik yönelimleri belirleyen ve daha sonra bu noktalara dayanarak yoğun deformasyon alanları oluşturan iki ana işlem modülü türetilmiştir. Bu modüller daha sonra çok katmanlı bir platform üzerinde çalışan döngülü bir yapıda birleştirilmiştir. Bu şekilde türetilen algoritma, sağladığı hizalama başarısı açısından sınanmıştır. Farklı kontrastlı görüntülerin hizalanması, işlemsel anatomi yöntemlerinin, ideal ve birbiri ile uyumlu kontrast özelliklerinin aranamayacağı geniş kapsamlı çalışmalarda uygulanmasına olanak sağlamıştır. Bu projede geliştirilmiş olan bu algoritma, ileride geniş katılımcı grupları ile yürütülecek beyin araştırmalarında, özellikle kontrast farklılıklarının olağan olarak gözlendiği multipl skleroz gibi nörodejeneratif bozuklukların konu alındığı çalışmalarda taranan görüntülerin değerlendirilmesinde işlemsel yapı taşı olarak işlev görecektir. Bu sayede hem bölgesel koşullarda bu hastalıkların gelişimi ve tanısal özellikleri çok daha detaylı bir biçimde incelenebilecek, hem de benzer çalışmalara destek verecek işlemsel bir merkez oluşturulmasına katkı sağlanmış olacaktır.