Geri Dön

Yapay sinir ağları ile retinada hastalık teşhisi

Automatic recognition of retinopathy diseases by using neural network

  1. Tez No: 234064
  2. Yazar: FATMA DEMİREZEN YAĞMUR
  3. Danışmanlar: PROF. DR. BEKİR KARLIK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2008
  8. Dil: Türkçe
  9. Üniversite: Haliç Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 75

Özet

Bu çalışmada, beş tip retina hastalığı ve normal retinanın tanınması ile ilgili çalışılmıştır. Beş farklı retina hastalığının isimleri; Diyabetik Retinopati, Hipertansif Retinopati, Makula Dejenerasyonu, Alt Ven Dal Tıkanıklığı, Vitre İçi Hemoraji ve normal retina. Retinopati hastalıkları otomatik olarak tanımak için dalgacık temelli yapay sinir ağı mimarisi kullanılmıştır. Bu süreçte retina görüntüleri ön işleme tabi tutulmuş ve yeniden boyutlandırmıştır. Daha sonra sınıflandırma yapılmadan önce öznitelik vektörü çıkarılmıştır. Eğitim için toplam 30 veri kümesi kullanılmıştır. Çok katmanlı perceptron (Multi Layer Perceptron ? MLP)13 giriş, 8 gizli ve 6 çıkış katmanından oluşur (13:8:6).Geliştirilen metodun performansının çok yüksek olduğu test edilmiştir. Beş retinopati hastası için tanıma oranları sırasıyla %50, %70, %83, %90, %93 ve %95şeklinde bulunmuştur.

Özet (Çeviri)

In this study, recognition of five types of retina disorders and normal retina has been studied. The names of these five different Retinopathies are: Diabetic Retinopathy, Hypertensive retinopathy, Macular Degeneration, Vein Branch Oclusion, Vitreus hemorrhage, and normal retina. A wavelet based neural network architecture has been used to diagnose retinopathy automatically. In the process, the retina images were pre-processed and resized. Later, feature extraction has been done before applying into classifier. Total 30 data set has been used for training.Multi Layer Perceptron (MLP) is like 13:8:6, which means 13 neurons of input layer, 8 neurons of hidden layer, and 6 neurons of output layer.The performance of proposed method has been found very high. The recognition rates were found %50, %70, %83, %90, %93 and %95 for testing five retinopathy cases respectively.

Benzer Tezler

  1. A hybrid deep learning metaheuristic model for diagnosis of diabetic retinopathy

    Diyabetik retinopatinin tanısı için hibrit bir derin öğrenme meta-sezgisel modeli

    ÖMER FARUK GÜRCAN

    Doktora

    İngilizce

    İngilizce

    2022

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA

  2. Konvolüsyonel yapay sinir ağları ve görüntü işleme teknikleri ile biyomedikal görüntülerden diyabetik retinopati teşhisi

    Diabetic retinopathy diagnosis using convolutional artificial neural networks and image processing techniques

    ALAEDDİN TÜRKMEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Elektrik ve Elektronik MühendisliğiAnkara Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MURAT HÜSNÜ SAZLI

  3. Elektronik retina tasarımına uygun yapay sinir ağı yapısının araştırılması

    The Research of the most suitible neural network structure for design of electronic retina

    NİHAN COŞKUN

    Yüksek Lisans

    Türkçe

    Türkçe

    2003

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TÜLAY YILDIRIM

  4. Trajectory control of a robotic manipulator using artificial neural networks

    Yapay sinir ağları ile robot kolu yörüngesinin denetimi

    GÜNEY DEVRİM İLDİRİ

    Yüksek Lisans

    İngilizce

    İngilizce

    1999

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Sistem ve Kontrol Mühendisliği Ana Bilim Dalı

    PROF. DR. OSMAN TÜRKAY

  5. Yapay sinir ağları ile hedef izleme

    Target tracking with the use of neural networks

    İLKE TİTİ

    Yüksek Lisans

    Türkçe

    Türkçe

    1999

    Elektrik ve Elektronik MühendisliğiErciyes Üniversitesi

    Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. CELAL YILDIZ