Electrical - Electronic Engineering / Elektrik - Elektronik Mühendisliği
Permanent URI for this collectionhttps://hdl.handle.net/11147/11
Browse
3 results
Search Results
Research 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.Article Citation - WoS: 3Citation - Scopus: 3Automated Labeling of Cancer Textures in Larynx Histopathology Slides Using Quasi-Supervised Learning(Science Printers and Publishers Inc., 2014) Önder, Devrim; Sarıoğlu, Sülen; Karaçalı, BilgeOBJECTIVE: To evaluate the performance of a quasisupervised statistical learning algorithm, operating on datasets having normal and neoplastic tissues, to identify larynx squamous cell carcinomas. Furthermore, cancer texture separability measures against normal tissues are to be developed and compared either for colorectal or larynx tissues. STUDY DESIGN: Light microscopic digital images from histopathological sections were obtained from laryngectomy materials including squamous cell carcinoma and nonneoplastic regions. The texture features were calculated by using co-occurrence matrices and local histograms. The texture features were input to the quasisupervised learning algorithm. RESULTS: Larynx regions containing squamous cell carcinomas were accurately identified, having false and true positive rates up to 21% and 87%, respectively. CONCLUSION: Larynx squamous cell carcinoma versus normal tissue texture separability measures were higher than colorectal adenocarcinoma versus normal textures for the colorectal database. Furthermore, the resultant labeling performances for all larynx datasets are higher than or equal to that of colorectal datasets. The results in larynx datasets, in comparison with the former colorectal study, suggested that quasi-supervised texture classification is to be a helpful method in histopathological image classification and analysis.Conference Object Citation - Scopus: 1Hierarchical Motif Vectors for Amino Acid Sequence Alignment(2012) Karaçalı, BilgeWe present a new framework for global and local alignment of amino acid sequences based on hierarchical motif vectors that characterize local amino acid configurations. The motif vectors are constructed by carrying out wavelet decomposition on numeric property sequences obtained by replacing each amino acid in a sequence with their respective properties, and concatenating such profiles obtained for a large number of physico-chemical properties into a single column vector. We then formulate different schemes for aligning amino acid sequences based on their respective motif vectors globally as well as locally subject to measures of statistical significance. Experiment results indicate that the motif vectors accurately capture the amino acid composition at and around individual sites along sequences and allow associating sequence segments sharing similar functional attributes.