Geri Dön

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

  1. Tez No: 664936
  2. Yazar: ALAEDDİN TÜRKMEN
  3. Danışmanlar: PROF. DR. MURAT HÜSNÜ SAZLI
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: Ankara Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 88

Özet

Şeker hastalığı olarak bilinen diabetes mellitusun retinada kan damarlarına hasar vererek meydana getirdiği bir komplikasyon diyabetik retinopati, dünya çapında görme kaybının başlıca nedenleri arasında gelmektedir. Belli bir seviyeye gelene kadar retina taraması olmaksızın farkedilemeyen diyabetik retinopatinin erken teşhisi hastada görme kaybının engellenebilmesi için oldukça önemlidir. Ülkemizde ve dünyada günden güne sayısı artan diyabetik retinopati hastasının muayene edilmesi veya düzenli izlenmesi doktorlar için yoğun bir süreçtir. Bu yüzden tıp uzmanlarının işlem yükünü hafifletmek ve süreci hızlandırmak önem taşımaktadır. Bu tez çalışmasında diyabetik retinopatiyi sağlıklı olarak veya hastalığın dört evresine göre sınıflandırabilecek bir sistem önerilmiştir. Retina görüntüleri bir dizi görüntü işleme aşamasından geçirildikten sonra görüntü sınıflandırma konusunda başarılı olan konvolüsyonel sinir ağı ile sınıflandırılmıştır. Bu sırada iki farklı görüntü işleme yöntemi kullanılarak bunların başarıma etkisi görülmüştür. Konvolüsyonel sinir ağı mimarisi olarak verimli bir mimari olan 2019 yılında tasarlanmış EfficientNet modeli tercih edilmiştir. Sonuçlara göre en iyi performans %85,18 doğruluk ve 0,91 kappa skoru ile elde edilerek önerilen modelin başarısı ortaya konmuştur.

Özet (Çeviri)

Diabetic retinopathy, a complication caused by diabetes mellitus by damaging blood vessels in the retina, is one of the main causes of vision loss worldwide. Early diagnosis of diabetic retinopathy, which cannot be detected without retinal scanning until it reaches a certain level, is very important in order to prevent vision loss in the patient. Examination or regular follow-up of diabetic retinopathy patients, whose number is increasing day by day in our country and around the world, is an intense process for doctors. Therefore, it is important to ease the processing burden of medical professionals and to speed up the process. In this thesis, a system that can classify diabetic retinopathy as healthy or according to the four stages of the disease is proposed. Retinal images are classified by convolutional neural network, which is successful in image classification after passing through a series of image processing stages. Meanwhile, using two different image processing methods, their effect on success was observed. The EfficientNet model, designed in 2019, which is an efficient architecture, was preferred as a convolutional neural network architecture. According to the results, the best performance was obtained with 85,18% accuracy and 0,91 kappa score, and the success of the proposed model was demonstrated.

Benzer Tezler

  1. Classification of abnormal respiratory sounds using deep learning techniques

    Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması

    AHAMADI ABDALLAH IDRISSE

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    DOÇ. DR. OKTAY YILDIZ

  2. Bilgisayarlı tomografi görüntülerinde üç boyutlu şablonlar kullanılarak kolonik polip tespiti

    The colonic polyp detection using 3d templates in computed tomography colonography

    NİYAZİ KILIÇ

    Doktora

    Türkçe

    Türkçe

    2008

    Elektrik ve Elektronik Mühendisliğiİstanbul Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    PROF. DR. OSMAN NURİ UÇAN

    YRD. DOÇ. DR. ONUR OSMAN

  3. 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

  4. Prediction of COVID 19 disease using chest X-ray images based on deep learning

    Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini

    ISMAEL ABDULLAH MOHAMMED AL-RAWE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

  5. Derin öğrenme yöntemleri ile şüpheli davranış tespiti

    Suspicious behavior detection with deep learning methods

    DUYGU ÇALIŞKAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ÖNDER DEMİR