Ondokuz Mayıs Üniversitesi Bilgi Paketi - Ders Kataloğu

Ders Öğretim Planı

Ders KoduDers AdıDers TürüYılYarıyılAKTS
RAD612 Görüntü Tanıma 927001 1 1 6
Dersin Seviyesi
Yüksek Lisans
Dersin Amacı
Bu ders kapsamında temel olarak biyomedikal veriler üzerinde ileri sayısal işaret ve görüntü işleme yöntemlerinin öğretilmesi amaçlanmaktadır. Dersin temel amacı öğrencilerin bu alandaki matematiksel, bilimsel ve hesapsal analiz yeteneklerinin arttırılmasıdır. Bu bağlamda ders içeriğinde biyomedikal verilerin elde edilmesi, özelliklerinin değerlendirilmesi, ön işleme adımlarının neden ve uygulamalarının öğretilmesi (gürültü giderimi, filtreleme, boyut indirgeme vb…), özellik çıkarımı, modelleme, kümeleme ve sınıflandırma konularına değinilecektir. Ayrıca öğrencilerin hesapsal yeteneklerinin arttırılması için temel biyomedikal uygulamalar üzerinde Matlab tabanlı grup projeleri yürütülecektir.
Dersin Veren Öğretim Görevlisi/Görevlileri
Yrd.Doç.Dr. Nurettin ŞENYER
Öğrenme Çıktıları
  1. Bilgisayar tabanlı teşhis ve analiz uygulamalarının ve araçlarının yaygınlaşması ile birlikte tıbbi işaret ve görüntülerin değerlendirilmesi üniversitelerde ve endüstride yaygınlık kazandırılması.
  2. Özellikle, gelişen bu disiplinlerarası alanda bilgisayar mühendisliği öğrencilerine güçlü matematiksel ve algoritmik bir altyapı sağlanması.
  3. Bununla beraber işaret ve görüntü işleme, örüntü tanıma ve makine öğrenmesi konularında bilgi kazandırılması dersin en önemli katkısı olarak görülmektedir. Böylelikle öğrencilerin bu konularda ilgi ve yeteneklerinin arttırılarak akademik ve uygulamaya yönelik çalışmalarında katkıda bulunulması amaç
Öğrenim Türü
Birinci Öğretim
Ön Koşul Dersleri
Yok
Önerilen Diğer Husular
Yok
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
John L. Semmlow, “Biosignal and Medical Image Processing”, CRC Taylor and Francis, 2008.
Kayvan Najarian, Robert Splinter, “Biomedical signal and image processing”, CRC Taylor and Francis, 2005.
Sergio Cerutti, Carlo Marchesi, “Advanced Methods of Biomedical Signal Processing”, IEEE Press Series on Biomedical Engineering, 2011.
Gustavo Camps-Valls, Jose Luis Rojo-Alvarez, Manel Martinez-Ramon, “Kernel Methods in Bioengineering, Signal and Image Processing, IGI Global, 2007.
Jae S. Lim, "Two-Dimensional Signal and Image Processing", Prentice Hall, Inc., 1990.
Eugene N. Bruce, “Biomedical Signal Processing and Signal Modeling”, John Wiley and Sons, 2001
Planlanan Öğrenme Aktiviteleri ve Metodları
Dersin Sunulduğu Dil
Staj Durumu
Yok
Dersin İçeriği
Biyomedikal işaret ve görüntülerin özellikleri İşaret ve görüntü işlemede kullanılan dönüşüm yöntemleri İşaret ve görüntülerde gürültü giderimi İşaret ve görüntü filtreleme yöntemleri Boyut indirgeme yöntemleri İşaret ve görüntü işlemede eğiticili öğrenme yöntemleri İşaret ve görüntü işlemede eğiticisiz öğrenme yöntemleri Yüksek boyutlu uzayda öğrenme (Kernel yöntemleri)
Haftalık Ders İçeriği
Hafta Teorik Uygulama Laboratuar
1.Biyomedikal işaret ve görüntülerin elde edilmesi, karakteristikleri
2.İstatistiksel karakteristik çıkarım yöntemleri (Momentler, güç, enformasyon, ilinti...)
3.Sayısal işaret işleme temelleri, örnekleme, nicemleme
4.Dönüşüm yöntemleri I: DFT, DCT, STFT, Hadamart dönüşümleri
5.Dönüşüm yöntemleri II: Dalgacık dönüşümü
6.Görüntü işleme temelleri, biçimsel ve istatistiksel özellik çıkarım yöntemleri
7.Gürültü giderim ve filtreleme yöntemleri
8.Boyut azaltma ve analiz yöntemleri: Doğrusal ve doğrusal olmayan dönüşüm yöntemleri (PCA, LDA, ICA, Isomap, Kernel-PCA, Kernel-LDA, Laplacian Eigenmaps, Diffusion Maps)
9.İşaret ve görüntülerin eğiticili öğrenme yöntemleriyle analizi I (Yapay Sinir Ağları I)
10.Vize Sınavı
11.İşaret ve görüntülerin eğiticili öğrenme yöntemleriyle analizi II (Yapay Sinir Ağları II)
12.İşaret ve görüntülerin eğiticili öğrenme yöntemleriyle analizi III (Yapay Sinir Ağları III)
13.İşaret ve görüntülerin eğiticili öğrenme yöntemleriyle analizi IV (kernel tabanlı yöntemler)
14.İşaret ve görüntülerin eğiticisiz öğrenme yöntemleriyle analizi I (uzaklık ölçütleri, k-means, FCM)
15.İşaret ve görüntülerin eğiticisiz öğrenme yöntemleriyle analizi II (EM, Mean Shift, Kernel yöntemler)
16.Final Sınavı
Değerlendirme
Yarıyıl (Yıl) İçi EtkinlikleriAdetKatkı (%)
Ara Sınav1100
Toplam100
Yarıyıl (Yıl) Sonu EtkinlikleriAdetKatkı (%)
Final Sınavı1100
Toplam100
Yarıyıl (Yıl) İçi Etkinlikleri40
Yarıyıl (Yıl) Sonu Etkinlikleri60
Toplam100
İş Yükü Hesaplaması
EtkinliklerAdetSüresi(saat)Toplam İş Yükü(saat)
Ara Sınav155
Final Sınavı155
Quiz4312
Derse Katılım12336
Bireysel Çalışma5420
Ödev Problemleri için Bireysel Çalışma12336
Ara Sınav İçin Bireysel Çalışma3515
Final Sınavı içiin Bireysel Çalışma3721
Toplam150