Building smart algorithm to extract features of topographic images of a human eye
İnsan gözünün topoğrafik görüntülerının özelliklerini elde etmek için akilli algoritma oluşturmak
- Tez No: 543102
- Danışmanlar: Assist. Prof. Dr. ÖZLEM AKGÜN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Aksaray Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 98
Özet
İnsan gözünü etkileyen çok sayıda hastalıklar için kesin bir tanı koymak önemli bir sorumluluktur. Bu nedenle, doktorların teşhisle ilgili kararlarını geliştirmek için yeni, akıllı algoritmalar geliştirmek gereklidir. Yakın zamanda bulunan Pentacam, kornea için topoğrafik haritaları gösteren, bunlar üzerindeki değişiklikleri ölçebilen ve doktorların kesin bir teşhis yapmasına yardımcı olan bir ölçüm sistemidir. Bu çalışma, Pentacam sisteminin okumasını geliştirmek için kornea topoğrafisi haritalarından elde edilen özellikleri seçip çıkarmaktadır ve çıkarılmış özelliklerin analitik incelenmesiyle derin öğrenme tekniklerini kullanarak kesin teşhisi koymayı desteklemektedir. Kornea topoğrafik haritalarından güçlü özellikle elde etmek için VGG-16 ağı kullanılarak 16 katmanlı bir kıvrımlı sinir ağı (CNN) eğitilmiştir. Normal ve anormal olmak üzere iki gruba ayrılan her iki cinsiyetin (414 kadın, 318 erkek) genişletilmiş topoğrafik görüntülerinden 732 insan gözü örneği seçilmiştir. Hastaların yaşları 12 ile 76 arasında değişmektedir. Bu çalışmanın yöntemi üç ana adımdan oluşmaktadır: (1) Refraktif (Kırılma) harita türüne göre çıkarılmış özelliklerin sınıflandırılması (tahmin edilen doğruluk payı %96.6'dır); (2) her bir harita için klinik durumunun tahmini (normal veya anormal) (tahmin edilen doğruluk payı %88.8, %98.9, %94.8, ve Sagital harita için %94.5'dir, sırasıyla yükseklik ön haritası, yükseklik arka haritası, ve kornea yüksekliği haritası), ve (3) tahmini sonuçlar ve klinik karar vermedir. Aralarındaki uyum, önerilen algoritmanın gücünü ve kullanışlılığını gösteren %94.72 değerine ulaşmaktadır.
Özet (Çeviri)
Precise diagnosis for a wide range of diseases infecting the human eye is a commitment. Therefore, developing new, smart algorithms is necessary to enhance doctors' diagnostic decisions. The recently invented Pentacam® is a measurement system that introduces topographic maps for the cornea, measures changes upon it, and helps doctors to make a precise diagnosis. This study extracts features from corneal topographic maps to improve the Pentacam® readings and further support precise diagnosing by using deep learning techniques, with an analytical view of the extracted features. A 16-layer convolutional neural network (CNN) was trained using the VGG-16 network to extract powerful features from corneal topographic maps. A sample of 732 human eyes were selected from enlarged topographic images from both genders (414 females and 318 males), divided into two groups: normal and abnormal. The patients' ages ranged from 12 to 76 years. The procedure of the study consisted of three major steps: (1) classification of the extracted features according to the refractive map type (where the estimated accuracy was 96.6%); (2) prediction of the clinical state (normal or abnormal) per individual map (where the estimated accuracy was 88.8%, 98.9%, 94.8%, and 94.5% for the sagittal map, the elevation front map, the elevation back map, and the corneal thickness map, respectively); and (3) comparison of the predicted results and clinical decision-making. The agreement between them reaches about 94.72%, which indicated the power and usefulness of the proposed algorithm.
Benzer Tezler
- Energy management system in real time by image processing and deep learning
Görüntü işleme ve derin öğrenme ile gerçek zamanlı enerji yönetim sistemi
SUDAD J ASHAJ ASHAJ
Doktora
İngilizce
2020
Elektrik ve Elektronik MühendisliğiGaziantep ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ERGUN ERÇELEBİ
- Evolutionary feature optimization for plant leaf disease detection by deep neural networks
Bitki yaprak hastalık teşhisi için derin sinir ağları ile evrimsel özellik optimizasyonu
JALAL SADOON HAMEED AL BAYATI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Prof. Dr. BURAK BERK ÜSTÜNDAĞ
- 3B kent modellemede genelleştirme problemleri ve ayrıntı düzeyi (LoD) kavramı
Generalization problems of 3D city modelling and level of detail (LoD) concept
AZİZE UYAR
Yüksek Lisans
Türkçe
2017
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. NESİBE NECLA ULUĞTEKİN
- Enriching predictive models using graph embeddings
Tahminleme modellerinin çizge gömmeleri kullanılarak zenginleştirilmesi
YAREN YILMAZ
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE ÖĞÜDÜCÜ
- Okunabilir kopyalama algoritmalı DSM sisteminin gerçeklenmesi
Başlık çevirisi yok
ÖZGÜR KORAY ŞAHİNGÖZ
Yüksek Lisans
Türkçe
1998
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Bilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. TAKUHİ NADİA ERDOĞAN