Geri Dön

Retinal fundus görüntülerinde sınıflandırma ve bölütleme

Classification and segmentation in retinal fundus images

  1. Tez No: 604651
  2. Yazar: SAADET AYTAÇ ARPACI
  3. Danışmanlar: DOÇ. DR. SONGÜL VARLI
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Göz Hastalıkları, Computer Engineering and Computer Science and Control, Eye Diseases
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: Türkçe
  9. Üniversite: Yıldız Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 115

Özet

Diyabetten kaynaklanan kronik olarak yüksek kan şekeri, retinadaki kan damarlarının geçirgenliğinde oluşturduğu hasarla ilişkilidir ve tüm dünyada çalışma çağı yaş grubunda görülen önlenebilir ve / veya tedavi edilebilir en önemli körlük nedeni olan diyabetik retinopatiye yol açar. Diyabetli hastalarda retinopatiyi tespit etmek için rutin göz muayenelerinin yapılması gerekir. Hastalığın erken teşhisi tedaviye yanıt vermesi açısından çalışma çağındaki bu popülasyon için önem oluşturmaktadır. Göz hastalığının taranmasında ve teşhisinde gelecekte derin öğrenme çözümleri önemli bir rol oynayacaktır. Derin öğrenme çözümlerinin teşhise dahil edilmesiyle hem klinisyenlerin yoğun çalışma dönemlerinin hafifletilmesine katkı sağlanmış hem de uzman klinisyenlerin olmadığı bölgelerde teşhise destek oluşturulması ve dolayısıyla hastalığa erken müdahale sağlanmış olacaktır. Bu çerçevede çalışmanın birinci aşamasında, diyabetik retinopati belirteçleri olan görüntülerde diyabetik retinopati belirtisi gösteren göz fundus görüntülerini normal görüntülerden ayırt ederek sınıflandırılmasını sağlayan bir evrişimsel sinir ağı mimarisinin oluşturulması ve sınıflandırma başarımlarının değerlendirilmesi yapılmıştır. Çalışmanın ikinci aşamasında aynı görüntülerde hastalık belirtisi göstermeyen normal, hastalık belirtisi gösteren hafif, orta/şiddetli ve proliferatif diyabetik retinopati derecelerine sahip sınıfların evrişimsel sinir ağı ile sınıflandırılması yapılmış, transfer öğrenme işleminin bu sınıflandırma üzerindeki etkisi, elde edilen sınıflandırma başarımları ve test sonuçları karşılaştırmalı olarak incelenmiştir. Göz, insan damar sistemindeki bozukluklara karşı oldukça hassas bir organdır. Retina damarındaki defektler diyabetik retinopatinin de içinde bulunduğu kardiyovasküler veya oftalmolojik çok sayıda hastalıkla ilişkilidir. Bu nedenle, retina damarı bölütleme, bu sorunları doğru şekilde teşhis etmek, tedavi etmek ve izlemek için çok önemlidir. Manuel bölütleme zaman alıcı olsa da deneyimli uzmanlar tarafından oluşturulan bu işlemin güvenilirliği nedeniyle uygulanmaya devam etmektedir. Bununla birlikte manuel bölütleme zamanla yerini otomatik bölütlemeye bırakmaktadır ve oftalmoloğun çeşitli retina patolojilerini saptama ve teşhis etmesine daha hızlı yardımcı olmaktadır. Çalışmanın üçüncü aşamasında bölütleme ile ilgili yapılan çalışmalarında verimliliğinin yüksek olduğu kanıtlanmış bir model olan evrişimsel sinir ağı temelinde kurulmuş U-Net mimarisi incelenmiştir. U-Net mimarisine dayalı oluşturulmuş mimariler ile retinal damarların bölütlenme performansları karşılaştırmalı olarak incelenmiştir.

Özet (Çeviri)

Chronically high blood sugar caused by diabetes causes damage in the permeability of blood vessels in the retina and leads to preventable and / or treatable diabetic retinopathy which is the most important cause of blindness in the working age population in the world. Routine eye examinations should be performed to detect retinopathy in patients with diabetes. Early diagnosis of the disease is important for this population of working age in terms of responding to treatment. In the future, deep learning solutions will play an important role in the screening and diagnosis of eye disease. With the inclusion of deep learning solutions in diagnosis will both contributed to the alleviation of the busy working periods of clinicians and support for diagnosis in regions where there are no specialist clinicians and therefore early intervention to disease will be provided. In this context, in the first stage of the study, in images with diabetic retinopathy markers, eye fundus images showing diabetic retinopathy sign were distinguished from normal images with classification, for classification a convolutional neural network architecture was used and its classification performance was evaluated. In the second stage of the study on the same images, 4-grade classes (healthy that not showing symptoms of the disease, diseases with mild, moderate / severe and proliferative diabetic retinopathy that showing symptoms of the diabetic retinopathy) were classified by a convolutional neural network. The effect of the transfer learning process on this classification, the classification performance, and the test results were examined comparatively. The eye is a highly sensitive organ against disorders in the human vascular system. The defects in the retinal vessel are associated with many cardiovascular or ophthalmologic diseases including diabetic retinopathy. Therefore, retinal vessel segmentation is very important to correctly diagnose, treat and monitor these problems. Manual segmentation, although time-consuming, continues to be implemented due to the reliability of this process created by experienced experts. However, manual segmentation leaves its place to automatic segmentation with time and it helps the ophthalmologist detect and diagnose various retinal pathologies faster. In the third stage of the study, the U-Net architecture based on convolutional neural network which is a proven model with high efficiency in the studies related to segmentation has been studied. With architectures based on the U-Net architecture, the segmentation performances of the retinal vessels were examined comparatively.

Benzer Tezler

  1. U-net architecture optimization for optic disc segmentation in retinal images

    Retina görüntülerinde optik disk bölütleme için U-net mimarisi optimizasyonu

    ZAFER ERDOĞAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MUSTAFA ERSEL KAMAŞAK

  2. 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

  3. Segmentation of multi class retinal lesions from fundus images

    Fundus görüntülerınden çok sınıflı retina lezyonlarının segmentasyonu

    ELİF KÜBRA ÇONTAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. GÖZDE AKAR

  4. Retinal fundus görüntülerde piksel tabanlı sınıflandırma yöntemleri ile kan damarlarının çıkarılması

    Extraction of blood vessels with pixel based classification methods in retinal fundus images

    ZAFER YAVUZ

    Doktora

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. CEMAL KÖSE

  5. A modified resnet-50 CNN model for classification of eye diseases.

    Göz hastalıklarının sınıflandırılmasına yönelik modifiye bir resnet-50 CNN modeli

    SAJAD ABDLKADHIM ABDLHUSEIN ALKHAYKANE

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SAİT DEMİR

    DR. ÖĞR. ÜYESİ ASHWAN A. ABDULMUNEM