Affiliation:
1. DOKUZ EYLÜL ÜNİVERSİTESİ, FEN BİLİMLERİ ENSTİTÜSÜ
2. DOKUZ EYLÜL ÜNİVERSİTESİ, MÜHENDİSLİK FAKÜLTESİ
Abstract
Önerilen sistem, yakın-kızılötesi video görüntülerini kullanarak yüzeysel damarlardaki daralmaları tespit edebilen sanal bir ön-teşhis ortamı oluşturmaktadır. Çalışmada, takip edilecek dokunun yakın kızıl-ötesi video kayıtları akıllı cihaz aracılığıyla kullanıcı tarafından ev ortamında alınmaktadır. Görüntü ön-işleme aşamasından geçirilen damar görüntülerindeki kesikli yapılar giderilerek elde edilen görüntüler, iki ayrı evrişimsel sinir ağı modelini birlikte değerlendiren hibrit karar verme algoritması kullanılarak sınıflandırılmaktadır. Hibrit karar verme algoritması sonuçlarına göre, görüntülenen bölgeler, Model-1 (Doğruluk Oranı (0.872), Yanlış Sınıflandırma Oranı (0.128), Kesinlik (0.372), Yaygınlık (0.500) ve F-Skoru (0.496)) ve Model-2 ile (Doğruluk Oranı (0.816), Yanlış Sınıflandırma Oranı (0.184), Kesinlik (0.407), Yaygınlık (0.500) ve F- Skoru (0.543)) büyük miktarda eğitim verisetine ihtiyaç duyulmadan sınıflandırılmıştır. Çalışmada, damar görüntülerinde tespit edilen damar daralmaları, ilgili konum üzerine işaretlenmektedir. İşaretli görüntüler, gerçek görüntüler üzerine bindirilmekte ve daralma gelişim süreci, uzun bir zaman aralığını (hafta, ay, yıl) temsil eden video-tabanlı dolaylı artırılmış gerçeklik ortamı şeklindeki bir uzaktıp uygulaması olarak kullanıcıya ve hekimine sunulmaktadır.
Publisher
European Journal of Science and Technology
Subject
General Earth and Planetary Sciences,General Environmental Science
Reference38 articles.
1. Abdulghani, A. M. A., & Menekşe Dalveren, G. G. (2022). Moving object detection in video under different weather conditions using YOLO and faster R-CNN algorithms. European Journal of Science and Technology. (33): 40-54.
2. Ai, D., Yang, J., Fan, J., Zhao, Y., Song, X., Shen, J., Shao, L., & Wang, Y. (2016). Augmented reality based real-time subcutaneous vein imaging system. Biomedical Optics Express. 7(7): 2565-2585.
3. Albawi, S., Mohammed, T. A., & Al-Zawi, S. (2017). Understanding of a convolutional neural network. In 2017 International Conference on Engineering and Technology (ICET), (pp. 1-6). IEEE.
4. Alwazzan, M. J. (2020). Low cost blood vein detection system based on near-infrared LEDs and image-processing techniques. Polish Journal of Medical Physics and Engineering. 26(2): 61-67.
5. Anzueto-Rios, A., Hernandez-Gomez, L. E., & Hernandez-Santiago, K. A. (2016). Forearm and hand vein detection system for an infrared image database. Res. Comput. Sci. 127(1): 137-147.