Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Marmara Üniversitesi, Fen Bilimleri Enstitüsü, Elektrik ve Elektronik Mühendisliği (İngilizce) Anabilim Dalı, Türkiye
Tezin Onay Tarihi: 2020
Tezin Dili: İngilizce
Öğrenci: SERKAN SAĞLAM
Danışman: Salih Bayar
Özet:
Bu çalışmanın temel amacı, düşük maliyetli bir FPGA cihazında K En Yakın Komşular (k-NN), Destek Vektör Makinesi (SVM), Evrişimli Sinir Ağı (CNN), Karar Ağacı ve Rastgele Orman sınıflandırıcıları uygulayarak tıbbi görüntü işlemeyi gerçekleştirmektir. Bilgisayar Destekli Tasarım (CAD) çalışmaları, ilerleyen teknolojinin de etkisiyle tıp alanında büyük öneme sahiptir. Buna göre görüntü işleme, hastalıkların erken teşhisini sağlar ve tedavi sürecinde tıp uzmanlarına yardımcı olarak hastalıkların ölüm oranını azaltmada önemli bir role sahiptir. Önerilen sistem sayesinde sıtmanın tespit testleri süratle yapılacaktır. Böylelikle sıtmanın yoğun olduğu Afrika gibi ülkelerde erken tanı sağlanarak hastalığın tespit oranı artacak ve bu hastalığın ölüm oranı düşecektir. Önerilen sınıflandırma tasarımları, Xilinx Zynq-7000 SoC ZC702 FPGA ve MATLAB yazılım platformunda toplam 300 hastalıklı ve sağlıklı görüntü üzerinde test edilmiştir. FPGA'de elde edilen sonuçların MATLAB ile elde edilen sonuçlara göre 5057 kata kadar daha hızlı olduğu görülmüştür. Ayrıca CNN sınıflandırıcı, %97,67 başarı oranı ile sınıflandırma yöntemleri arasında en doğru tespit yüzdesine sahiptir. Bunu sırasıyla %95.33 ile k-NN, %95.33 ile Karar Ağacı, %93.67 ile Rastgele Orman ve %92.67 ile SVM sınıflandırıcıları izlemektedir. FPGA, performans açısından çok etkili olduğu için MATLAB yazılım platformu yerine tıbbi görüntü işleme için mükemmel bir seçenek olabilir. Ancak, FPGA üzerinde oluşturulan devrenin büyüklüğüne dikkat edilmelidir. Bu çalışmanın en önemli taraflarından bir tanesi, oluşturulan devrenin literatürdeki ilgili diğer sınıflandırma çalışmalarına kıyasla daha az sayıda Look-up Table (LUT) içermesidir. Elde edilen deneysel sonuçlara göre, yapılan çalışma kapsamında k-NN'de %73.9, SVM'de %79, CNN'de %57, Karar Ağacı'nda %96.7 ve Rastgele Orman'da %84.9 LUT kullanımında azalma olduğu açıkça görülmektedir.