Görüntü işleme ve makine öğrenmesine dayalı diyabetik retinopati hastalığı teşhisi ve sınıflandırılması
The diagnosis and classification of diabetic retinopathy disease based on image processing and machine learning
- Tez No: 482374
- Danışmanlar: DOÇ. DR. MAHMUT HEKİM
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mekatronik Mühendisliği, Computer Engineering and Computer Science and Control, Mechatronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: Türkçe
- Üniversite: Gaziosmanpaşa Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tezde, oftalmologların teşhis işlerini kolaylaştırma ve zaman kaybının önlenmesi için diyabetik retinopati hastalığının otomatik teşhisi ve sınıflandırılmasına odaklanılmıştır. Bu amaç için, retina görüntülerindeki anatomik yapılar olan optik disk ve damar bölgelerinin tespit edilerek görüntüden göz ardı edilmesi sağlanmıştır. Optik disk tespiti için sırasıyla HSV renk uzayı, adaptif histogram eşitleme, Gama dönüşümü, Canny kenar bulma algoritması ve çembersel Hough dönüşümü, damar bölütlemesi için ise sırasıyla RGB renk uzayı, adaptif histogram eşitleme, Gabor ve Top-hat dönüşümü yöntemleri uygulanmıştır. Anatomik bölgelerin tespit edilerek retina görüntüsünden göz ardı edilmesinden sonra eksuda ve hemoraji lezyonlarının tespit edilmesi için manüel eşikleme ve ateşböceği / parçacık sürü optimizasyonu temelli iteratif eşikleme yöntemleri kullanılmıştır. Eşikleme yöntemleri sonucu eksudalı toplam piksel sayısı, eksudalı bölge sayısı, hemorajili toplam piksel sayısı ve hemorajili bölge sayısından oluşan öznitelik veri seti doğrusal regresyon, çok katmanlı algılayıcı, çapsal tabanlı fonksiyon sinir ağı ve destek vektör makinesi temelli sınıflayıcılara giriş olarak kullanılarak diyabetik retinopati teşhisi ve sınıflandırılması gerçekleştirilmiştir. Sınıflandırma doğruluğu açısından sınıflayıcı performanslarını değerlendirmek için farklı kombinasyonlar kullanılarak farklı deneyler yapılmıştır. Gerçekleştirilen deneyler parçacık sürü optimizasyonu temelli destek vektör makinesi yaklaşımın ateşböceği temelli olan yaklaşımlardan daha yüksek toplam doğru sınıflandırma başarı oranlarına ulaştığını göstermiştir. Sonuç olarak, hasta yoğunluğundan dolayı yaşanabilecek muhtemel karışıklıkların önüne geçerek oftalmologlara ön-tanı imkanı veren teşhis destek sisteminin gerçekleştirilmesi sağlanmıştır.
Özet (Çeviri)
In this study, we focus on the automatic diagnosis and classification of diabetic retinopathy disease in order to facilitate diagnostic work of ophthalmologists and prevent time loss. For this aim, the optic disc and vein areas which are the anatomical structures of the retinal images are detected and removed from the image. For optic disk detection, HSV color space, adaptive histogram equalization, Gamma transformation, Canny edge detection algorithm and the circle Hough transform were used respectively. Then, RGB color space, adaptive histogram equalization, Gabor and Top-Hat transformations are applied for vein segmentation, respectively. After anatomic regions are detected and then removed from the retinal image, manual thresholding and iterative thresholding methods based on firefly/particle swarm optimization are used for the detection of exudate and hemorrhagic lesions. Then, the diagnosis and classification of diabetic retinopathy are implemented by using the feature dataset which consists of the total pixel counts of exudate and hemorrhage, and the numbers of exudate and hemorrhagic regions as inputs into the linear regression, multilayer perceptron, radial basis function and support vector machine based classifiers. In order to evaluate their performances in terms of classification accuracy, different experiments are implemented using different combinations of the total pixel counts of exudate and hemorrhage, and the numbers of exudate and hemorrhagic regions. The experiments show that that the support vector machine-based approach with particle swarm optimization achieves higher total correct classification success rates than the firefly and support vector machine-based approaches for all used classifier models. Finally, this thesis offers a diagnostic support system to be used by ophthalmologists, which avoids potential confusions occurring due to patient overcrowding.
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
- Implementation of deep learning based approaches in the diagnosis of diabetes and diabetic retinopathy
Diyabet ve diyabetik retinopati teşhisinde derin öğrenmeye dayalı yaklaşımların uygulanması
ÖZGE NUR ERGÜN
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HAMZA OSMAN İLHAN
- Landsat uydusu aracılığı ile elde edilen görüntülerin sınıflandırılmaları ve bunlara ilişkin bilgisayar programlarının hazırlanması
Başlık çevirisi yok
G. FERZAN KÜÇÜKA
Yüksek Lisans
Türkçe
1985
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİS PÜSKÜLCÜ
- Landsat uyduları aracılığı ile elde edilen görüntülerin işlenmesinde kontrast artırma tekniklerinin tanımı ve bu tekniklere ilişkin bilgisayar programlarının hazırlanması üzerine bir çalışma
Başlık çevirisi yok
BİLHAN TABAK
Yüksek Lisans
Türkçe
1986
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
- Renk görüntü teorisi ve televizyona uygulaması
Theories of colour vision and their application to television
MUSTAFA LAMİ TAPLAMACIOĞLU
Doktora
Türkçe
1986
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Eğitimi Ana Bilim Dalı
DOÇ. DR. ATİLLA ÖZMEN