Araştırma Makalesi
BibTex RIS Kaynak Göster

Calculation of Gray and White Matter Volumes of People Using “Maraş Otu” with Voxel-Based Morphometry

Yıl 2021, Cilt: IDAP-2021 : 5th International Artificial Intelligence and Data Processing symposium Sayı: Special, 312 - 318, 20.10.2021
https://doi.org/10.53070/bbd.989551

Öz

"Maraş Otu" is used in the Southeast of our country, especially around Kahramanmaraş and Gaziantep. “Maraş Otu”; By pulverizing the tobacco called 'Nicotina rustica linn', which contains high nicotine and is popularly called crazy tobacco; It is obtained by mixing half and half with the ash obtained from oak, walnut or vine trees. It is an addictive substance used by placing it on cigarette paper or without a paper between the lower lip and the chin and keeping it in the mouth for a certain period of time. It is stated that the herb, which is absorbed from the capillaries and numbs the jaw when left for 10 to 25 minutes, is addictive like cigarettes. “Maraş Otu” is also common among secondary school students as it can be used discreetly and does not produce smoke. Those who use this product, which can be sold openly in the market without any hindrance, can easily obtain it. It is witnessed that those who use this substance use it comfortably and without hesitation in closed and open areas such as schools, buses, parks, roads and cafeterias. It is also observed that the perception created as an innocent, local cultural activity and this perception increases the risk of habituation in young people. In this article, it is aimed to show how "Maraş Grass", which directly affects the brain due to its oral intake, affects the volume of Gray / White matter. Voxel Based Morphometry (VBM), which is widely studied and accepted in the literature, will be used in volume calculation.

Kaynakça

  • Akar, E., S. Kara, H. Akdemir ve A. Kırış (2015). "Görüntü Filtreleme Metotlarının Kolay Uygulanması ve Karşılaştırılmasına Yönelik MATLAB Ara Yüz Programı A MATLAB Tool for an Easy Application and Comparison of Image Denoising Methods.", TIPTEKNO'15: 459-462.
  • Buades, A., B. Coll ve J.-M. Morel (2005). "A non-local algorithm for image denoising.",2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR'05), IEEE.
  • Ceccarelli, A., M. A. Rocca, E. Pagani, B. Colombo, V. Martinelli, G. Comi ve M. Filippi (2008). "A voxel-based morphometry study of grey matter loss in MS patients with different clinical phenotypes.", Neuroimage 42(1): 315-322.
  • Cicek, G. ve A. Akan (2018). "Gray and white matter segmentation method in MRI images for ADHD detection."
  • Coupé, P., J. V. Manjón, M. Robles ve D. L. Collins (2012). "Adaptive multiresolution non-local means filter for three-dimensional magnetic resonance image denoising.", IET image Processing 6(5): 558-568.
  • Gilanie, G., M. Attique, U. Hafeez, S. Naweed, E. Ahmed ve M. Ikram (2013). "Object extraction from T2 weighted brain MR image using histogram based gradient calculation.", Pattern Recognition Letters 34(12): 1356-1363.
  • Goyal, A., M. K. Arya, R. Agrawal, D. Agrawal, G. Hossain ve R. Challoo (2017). "Automated segmentation of gray and white matter regions in brain MRI images for computer aided diagnosis of neurodegenerative diseases.", 2017 International Conference on Multimedia, Signal Processing and Communication Technologies (IMPACT).
  • İçer, S., F. Latifoğlu, A. Coşkun ve S. M. Uzunoğlu (2010). "Determining of brain gray and white matter regions in magnetic resonance images", 2010 15th National Biomedical Engineering Meeting.
  • Keten, H. S., S. Ölmez, H. Üçer, O. Işık, F. Yıldırım ve M. Çelik (2017). "Maraş otu (dumansız tütün) kullanımının kan basıncı ve kalp hızı üzerine akut etkileri.", Cukurova Medical Journal 42(2): 210-215. Kızılkaya, A. (2008). "görüntü işleme/bölütleme teknikleri.", from akizilkaya.pamukkale.edu.tr › Bölüm4_goruntu_isleme.
  • Loizou, C. P., M. Pantziaris, I. Seimenis ve C. Pattichis (2009). "Brain MR image normalization in texture analysis of multiple sclerosis.", 2009 9th International Conference on Information Technology and Applications in Biomedicine, IEEE.
  • Okdem, S. (2013). MR Görüntülerinden Beyin Bölümlerinin Segmentasyonuna Dayalı Beyaz ve Gri Cevher Bölümlerinin Değerlendirilmesi Yüksek lisans, Erciyes Üniversitesi.
  • Öziç, M. Ü. (2013). "MR görüntülerinde alzheimer hastalığının özniteliklerinin belirlenmesi", Selçuk Üniversitesi Fen Bilimleri Enstitüsü.
  • Öziç, M. Ü., Özşen S. (2018). "3B Alzheimer MR Görüntülerinin Hacimsel Kayıp Bölgelerindeki Voksel Değerleri Kullanılarak Sınıflandırılması", El-Cezerî Fen ve Mühendislik Dergisi Cilt: 7, No: 3, 2020 (1152-1166)
  • Solomon, C. ve T. Breckon (2011). "Fundamentals of Digital Image Processing: A practical approach with examples in Matlab", John Wiley & Sons. Canterbury,UK.
  • Zhang, M. ve B. K. Gunturk (2008). "Multiresolution bilateral filtering for image denoising.", IEEE Transactions on image processing 17(12): 2324-2333.

Voksel Tabanlı Morfometri ile “Maraş Otu” Kullananların Gri ve Beyaz Cevher Hacimlerinin Hesaplanması

Yıl 2021, Cilt: IDAP-2021 : 5th International Artificial Intelligence and Data Processing symposium Sayı: Special, 312 - 318, 20.10.2021
https://doi.org/10.53070/bbd.989551

Öz

“Maraş Otu”, ülkemizde Güneydoğu’da, özellikle Kahramanmaraş ve Gaziantep çevresinde kullanılmaktadır. “Maraş Otu”; ‘Nicotina rustica linn’ adı verilen yüksek nikotin içeren ve halk arasında deli tütün olarak adlandırılan tütünü toz haline getirerek; meşe, ceviz veya asma ağaçlarından elde edilen kül ile yarı yarıya karıştırılması ile elde edilir. Sigara kâğıdına konularak veya kağıtsız bir şekilde alt dudak ile çene arasına yerleştirilip ağızda belirli bir süre bekletilerek kullanılan bir bağımlılık maddesidir. 10 ila 25 dakika bekletilince kılcal damarlardan emilip çeneyi uyuşturan otun, sigara gibi bağımlılık yaptığı belirtilmektedir. “Maraş Otu”, gizli bir şekilde kullanılabildiğinden ve duman çıkarmadığından dolayı orta öğretim öğrencileri arasında da yaygındır. Piyasada açık bir şekilde, hiçbir engelleme olmadan satışı mümkün olan bu ürünü kullananlar kolay bir şekilde elde edebiliyorlar. Bu maddeyi kullananların okul, otobüs, park, yol, kafeterya gibi kapalı ve açık alanlarda, rahat bir şekilde çekinmeden kullandıklarına şahit olunmaktadır. Sanki masum, yerel bir kültürel faaliyet şeklinde algının oluşturduğu ve bu algının gençlerde alışkanlık riskini arttırdığı da gözlenmektedir. Bu makalede de ağız yoluyla alınması sebebiyle beyni doğrudan etkileyen “Maraş Otunun” Gri/Beyaz cevher hacmini nasıl etkilediği gösterilmek istenmiştir. Hacim hesabında literatürde sıkça çalışılan ve kabul görmüş Voksel Tabanlı Morfometri (VTM) kullanılacaktır.

Kaynakça

  • Akar, E., S. Kara, H. Akdemir ve A. Kırış (2015). "Görüntü Filtreleme Metotlarının Kolay Uygulanması ve Karşılaştırılmasına Yönelik MATLAB Ara Yüz Programı A MATLAB Tool for an Easy Application and Comparison of Image Denoising Methods.", TIPTEKNO'15: 459-462.
  • Buades, A., B. Coll ve J.-M. Morel (2005). "A non-local algorithm for image denoising.",2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR'05), IEEE.
  • Ceccarelli, A., M. A. Rocca, E. Pagani, B. Colombo, V. Martinelli, G. Comi ve M. Filippi (2008). "A voxel-based morphometry study of grey matter loss in MS patients with different clinical phenotypes.", Neuroimage 42(1): 315-322.
  • Cicek, G. ve A. Akan (2018). "Gray and white matter segmentation method in MRI images for ADHD detection."
  • Coupé, P., J. V. Manjón, M. Robles ve D. L. Collins (2012). "Adaptive multiresolution non-local means filter for three-dimensional magnetic resonance image denoising.", IET image Processing 6(5): 558-568.
  • Gilanie, G., M. Attique, U. Hafeez, S. Naweed, E. Ahmed ve M. Ikram (2013). "Object extraction from T2 weighted brain MR image using histogram based gradient calculation.", Pattern Recognition Letters 34(12): 1356-1363.
  • Goyal, A., M. K. Arya, R. Agrawal, D. Agrawal, G. Hossain ve R. Challoo (2017). "Automated segmentation of gray and white matter regions in brain MRI images for computer aided diagnosis of neurodegenerative diseases.", 2017 International Conference on Multimedia, Signal Processing and Communication Technologies (IMPACT).
  • İçer, S., F. Latifoğlu, A. Coşkun ve S. M. Uzunoğlu (2010). "Determining of brain gray and white matter regions in magnetic resonance images", 2010 15th National Biomedical Engineering Meeting.
  • Keten, H. S., S. Ölmez, H. Üçer, O. Işık, F. Yıldırım ve M. Çelik (2017). "Maraş otu (dumansız tütün) kullanımının kan basıncı ve kalp hızı üzerine akut etkileri.", Cukurova Medical Journal 42(2): 210-215. Kızılkaya, A. (2008). "görüntü işleme/bölütleme teknikleri.", from akizilkaya.pamukkale.edu.tr › Bölüm4_goruntu_isleme.
  • Loizou, C. P., M. Pantziaris, I. Seimenis ve C. Pattichis (2009). "Brain MR image normalization in texture analysis of multiple sclerosis.", 2009 9th International Conference on Information Technology and Applications in Biomedicine, IEEE.
  • Okdem, S. (2013). MR Görüntülerinden Beyin Bölümlerinin Segmentasyonuna Dayalı Beyaz ve Gri Cevher Bölümlerinin Değerlendirilmesi Yüksek lisans, Erciyes Üniversitesi.
  • Öziç, M. Ü. (2013). "MR görüntülerinde alzheimer hastalığının özniteliklerinin belirlenmesi", Selçuk Üniversitesi Fen Bilimleri Enstitüsü.
  • Öziç, M. Ü., Özşen S. (2018). "3B Alzheimer MR Görüntülerinin Hacimsel Kayıp Bölgelerindeki Voksel Değerleri Kullanılarak Sınıflandırılması", El-Cezerî Fen ve Mühendislik Dergisi Cilt: 7, No: 3, 2020 (1152-1166)
  • Solomon, C. ve T. Breckon (2011). "Fundamentals of Digital Image Processing: A practical approach with examples in Matlab", John Wiley & Sons. Canterbury,UK.
  • Zhang, M. ve B. K. Gunturk (2008). "Multiresolution bilateral filtering for image denoising.", IEEE Transactions on image processing 17(12): 2324-2333.
Toplam 15 adet kaynakça vardır.

Ayrıntılar

Birincil Dil Türkçe
Konular Yapay Zeka
Bölüm PAPERS
Yazarlar

İbrahim Efeoğlu 0000-0002-6361-4208

Adil Doğan 0000-0002-2501-1852

Sinan Altun 0000-0002-2356-0460

Ahmet Alkan 0000-0003-0857-0764

Yayımlanma Tarihi 20 Ekim 2021
Gönderilme Tarihi 1 Eylül 2021
Kabul Tarihi 16 Eylül 2021
Yayımlandığı Sayı Yıl 2021 Cilt: IDAP-2021 : 5th International Artificial Intelligence and Data Processing symposium Sayı: Special

Kaynak Göster

APA Efeoğlu, İ., Doğan, A., Altun, S., Alkan, A. (2021). Voksel Tabanlı Morfometri ile “Maraş Otu” Kullananların Gri ve Beyaz Cevher Hacimlerinin Hesaplanması. Computer Science, IDAP-2021 : 5th International Artificial Intelligence and Data Processing symposium(Special), 312-318. https://doi.org/10.53070/bbd.989551

The Creative Commons Attribution 4.0 International License 88x31.png  is applied to all research papers published by JCS and

a Digital Object Identifier (DOI)     Logo_TM.png  is assigned for each published paper.