Farklı Otokodlayıcı Modelleri ile Sentetik Beyin MR Görüntülerinin Çoğaltılması

Yıl 2021, Cilt: 2 Sayı: 1, 29 - 34, 30.06.2021

Şeyda Karcı

Öz

Oto-kodlayıcılar girdi katmanında ki değerleri çıkış katmanında da elde etmeye çalışan tam bağlı yapay sinir ağlarıdır. Yapılan bu çalışmada, farklı modelleri MR görüntülerine uygulanacak şekilde düzenlenmiş ve uygulanmıştır. Bu amaçla üç farklı yöntem uygulanmış ve sonuçları elde edilmiştir. Sonuçlar yapısal benzerlikleri ve görünümleri açısından karşılaştırmalı olarak detaylı bir şekilde verilmiştir.

Anahtar Kelimeler

Beyin MR Görüntüleri, Otokodlayıcılar, Görüntü İşleme

Kaynakça

• Baldi, P.,“Autoencoders, Unsupervised Learning, and Deep Architectures,” Workshop on Unsupervised and Transfer Learning, 2012.
• Chen, w., Wang, W., Liu, L., Lew, M.S.,”New ideas and trends in deep multimodel content ınderstanding: A review”, Neurocomputing, Vol:426, pp:195-215, 2021.
• Guo, C., Wang, H., Jian, T., Xu, C., Sun, S., “Method for denoising and reconstructing radar HRRP using modified sparse autoencoder”, Chinese Journal of Aeronautics, vol. 33, pp:1026-1036, 2020.
• Kaggle: https://www.kaggle.com/navoneel/brain-mri-images-for-brain-tumor-detection (Ocak,2021).
• Nishio, M., Nagashima, C., Hirabayashi, S., Ohnishi, A., Sasaki, K., Sagawa, T., Hamada, M., Yamashita, T., “Convolutional auto-encoder for image denoising of ultra-low-does CT”, Heliyon, Vol:2017, doi:10.1016/j.heliyon.2017. e00393.
• Rumelhart, D.E., Hinton, G.E., Williams, R.J.,” Parallel Distributed Processing: Explorations in the Microstructure of Cognition, Vol. 1,” D. E. Rumelhart, J. L. McClelland, and C. PDP Research Group, Eds. Cambridge, MA, USA: MIT Press, pp. 318–362, 1986.
• Wang, Y., Zhao, Y., Addepalli, S.,”Remaining useful life prediction using deep learning approaches:A Review”, Procedia Manufacturing, Vol: 49, pp:81-88, 2020.
• Wu, W., Zhao, J., Zhang, C., Meng, F., Zhang, Z., Zhang, Y., Sun. Q.”,Improving performance of tenssor-based context-aware recommenders using bias tensor factorization with context feature auto-encoding”, Knowledge-Based Systems, Vol:128, pp:71-77, 2017.
• Sara, U., Akter, M., Uddin, M.S., “Image Quality Assessment Through FSIM, SSIM, MSE and PSNR-A Comparitive Study”, Journal of Computer and Communications, Vol.7 No.3, 2019.