Diyabetik retinopati tespitinde yeni bir algoritma kullanılarak optik disk yerinin kestirimi
The estimation of optic disc location via a novel algortihm for diabetic retinopathy detection
- Tez No: 335507
- Danışmanlar: PROF. DR. MEHMET AKIN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2013
- Dil: Türkçe
- Üniversite: Dicle Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 105
Özet
Bu çalışmada, göz dibi resimleri üzerinde görüntü işleme tekniği ile Diyabetik Retinopati (DR) gibi birtakım sık rastlanan retina hastalıklarının tespitini hedefleyen birçok çalışmanın temel ve ilk adımını oluşturan Optik Disk (OD) yerinin tespitinin gerçekleştirilmesi amaçlanmıştır. Bu konuda yapılan çalışmaların önemli bir kısmını, göz hastalıklarına dair diğer görsel özelliklerin ve yapıların çıkarılmasında ön koşul olduğu için OD tespiti kapsamaktadır. Görüntüler öncelikle ışık şiddeti kanalı Kontrast Sınırlamalı Adaptif Histogram Eşitlemesine (KSAHE) tabi tutulmuştur.Daha sonra Red Green Blue (RGB ) renk uzayındaki görüntüler gri skalaya dönüştürülüp bu görüntülere Morfolojik Kapama İşlemi (MKİ) uygulanmıştır. MKİ ile diğer çalışmalardan farklı olarak, tüm damar sistemi çıkarılmadan OD üzerindeki damarlar görüntüden temizlenmiştir. Bu resimlere Canny Kenar Tespit (CKT) algoritması uygulandıktan sonra kimi görüntülerde OD kenarları kopuk olarak elde edilmiş olabileceği için bu kenarlara yinelemeli bir şekilde 3 ile 10 piksel yarıçap aralığında MKİ uygulanmıştır. Bir sonraki adımda Çembersel Hough Dönüşümü (ÇHD) algoritması ile bulunan bu kenarlar üzerindeki belirli bir yarıçap aralığına sahip çemberimsi alanlar tespit edilmiştir. OD alanın sahip olduğu sarı rengi temsil eden yeşil renk kanalındaki eşik değeri bu çalışma için geliştirilmiş olan yinelemeli özgün bir algoritma ile belirlenmiştir. OD adayı çemberler incelenen resimlerin yeşil renk kanalı üzerinde maskelenerek bu maske alanlarından daha önce belirlenmiş olan eşik değeri kullanılarak bu çalışmaya özgün iki adet öznitelik çıkarılmıştır. Göz dibi resimlerinde tespit edilen OD adayı çemberlerin çıkarılan özniteliklerini Çok Katmanlı Algılayıcı (ÇKA) tipinde bir Yapay Sinir Ağına (YSA) iki farklı eğitim yöntemi ile uygulayarak, bu çemberler OD olan veya olmayan şeklinde bir sınıflandırılma yapılmış başarı oranı bir oftalmolojist tarafından yapılan değerlendirmeye göre % 87.50 ve % 95.00 kadar bulunmuştur.
Özet (Çeviri)
In this study, localization of the Optic Disc (OD) on fundus images which is the basic step of many studies detecting some common retinal diseases like Diabetic Retinpathy (DR) is performed using digital image processing. The most of these studies have been on OD detection since the fact that it is the prerequisite for the extraction of the other image features and components of retinal diseases. First of all, Contrast Limited Adaptive Histogram Equalization (CLAHE) has been applied on intensity color channel of fundus images. Afterwards, the Red Green Blue (RGB) image has been converted to grayscale and applied Morphological Closing Operation (MCO) respectively. The vessels in the image has been able to get rid of by applying MCO but not extracting vessels like the former studies. Thereafter, the Canny Edge Detection (CED) algorithm has been applied to the closed image. More and more, because of the fact that OD edges may have been detected as disconnected, these edges have been applied MCO with a disk structruing element of a diameter value within 3 and 10 iteratively. Afterwards, all circular patterns in a predefined diameter range as an OD candidate has been localised by applying the Circular Hough Transform (CHT) algorithm over the detected edges. The threshold representing the yellowish region in green channel histogram is iteratively calculated by a novel algorithm. The detected circles as OD candidate have been masked over the green color channel and two novel features have been extracted from these masked regions using the calculated threshold. Each detected circle has been classified by applyinng its extracted features to a Multi Layer Perceptron (MLP) using two different training mothods. The success ratio of this Artificial Neural Network (ANN) classifier is 87.50% and 95.00 % for two different evaluation criteria.
Benzer Tezler
- 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
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- Diyabetik retinopatinin erken teşhisine yönelik derin öğrenme temelli lezyon tespit sistemi
Deep learning based lesion detection system for early diagnosis of diabetic retinopathy
TURAB SELÇUK
Doktora
Türkçe
2020
Elektrik ve Elektronik MühendisliğiKahramanmaraş Sütçü İmam ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET ALKAN
- Uyarlanabilir yerel eşikleme ile retina damarlarının bölütlenmesi
Segmentation of retinal vessels by adaptive local tresholding
SEZGİN YAĞBASAN
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik MühendisliğiEge ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSA ALCI
- Retina görüntülerinde piksel tabanlı optik disk tespiti
Detection of pixel-based optical disc in retinal images
ASLIHAN MERVE YALÇINKAYA
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTokat Gaziosmanpaşa ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MAHMUT HEKİM
- Diabetic retinopathy detection using meta learning and deep learning techniques
Meta öğrenme ve derin öğrenme teknikleri kullanarak diyabetik retinopati tespiti
MUHAMMAD AMMAR KHAN
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. ALİ OKATAN