Derin öğrenme yöntemleri ile görüntü üzerinde diyabetik ayak ülserinin tespit edilmesi
Location of diabetic foot ulcer on the images by deep learning
- Tez No: 684524
- Danışmanlar: DOÇ. DR. EVREN HOMAN GÖKÇE
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Teknolojiler Ana Bilim Dalı
- Bilim Dalı: Biyomedikal Teknolojiler Bilim Dalı
- Sayfa Sayısı: 82
Özet
Bu çalışma kapsamında derin öğrenme yöntemleri ile görüntü üzerinde diyabetik ayak ülserlerinin tespiti çalışılmıştır. Evrişimsel sinir ağları nesne tespiti ile ilgili yarışmalarda başarısını kanıtlamıştır. Bu sebeple bu çalışmada da uygun bir yaklaşım olduğu düşünülmüştür ve başarı ile uygulanmıştır. Tasarlanan modelde Faster RCNN ile birlikte ResNet50 ve MobileNetV2 mimarileri kullanılmıştır. DFUC2020 yarışmasında kullanılan 2000 diyabetik ayak ülser görüntüsü ve uzmanlar tarafından işaretlenmiş referansları içeren veri seti edinilmiştir. Tasarlanan modeller Google Colab servisi kullanılarak eğitilmiştir ve hesaplanan ağırlıklar dondurularak depolanmıştır. Eğitilen modeller tahmin hızı, diskteki boyutu ve mAP skorları ile karşılaştırılmıştır. ResNet50 ile tasarlanan Faster RCNN modeli ile 43 mAP skoru ile 34 mAP skoru elde edilen MobileNetV2 ile tasarlanan Faster RCNN modeline göre daha başarılı sonuçlar elde edilmiştir. Dondurulmuş ağırlıklarının ResNet50 ve MobileNetV2 ile tasarlanan Faster RCNN modellerinin diskteki boyutları sırasıyla 158 ve 120 MB olduğu gözlemlenmiştir ve yine sırasıyla bir görüntü için tahmin süreleri sırasıyla 24 ms ve 10 ms olarak ölçülmüştür.
Özet (Çeviri)
Within the scope of this study, the detection and localization of diabetic foot ulcers on the image was studied with deep learning methods. Convolutional neural networks have proven success in many object detection and localization related competitions. For this reason, it was thought to be an appropriate approach for this study, and it was applied successfully. In this scope, two Faster RCNN method proposed with the MobileNetV2 and ResNet50 backbone. Data set including 2000 diabetic foot ulcer images and references marked by experts has been gotten. The proposed models have been trained with Google Colab service and calculated weight are frozen and stored. The models are compared by mAP scores, estimation time and model size. With the ResNet50 backbone Faster RCNN model we acquired 43 mAP score and with the other model that proposed with MobileNetV2 Faster RCNN acquired 34 mAP. As expected with the Faster RCNN with ResNet 50 backbone model has gotten better results. The size of proposed models on disk have observed for Faster RCNN ResNet50 158 MB and for Faster RCNN MobileNetV2 120MB. The estimation time for one image has been observed 24 ms for Faster RCNN with ResNet50 models and 10 ms for MobileNetV2 models.
Benzer Tezler
- Optik koherens tomografisi görüntüleri kullanarak evrişimsel sinir ağı tabanlı retinal hastalık tespiti
Convolutional neural network based retinal disease detection via optical coherence tomography images
İSMAİL KAYADİBİ
Yüksek Lisans
Türkçe
2021
Mühendislik BilimleriAfyon Kocatepe ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜR EMRE GÜRAKSIN
- The Implementation of Ensemble Voting in Deep Neural Networks for the Automated Classification of Diabetic Retinopathy
Diabetik Retinopatinin Otomatik Siniflandirilmasi Için Derin Sinir Ağlarinda Ensemble Oylama Yaklaşiminin Uygulanmasi
MOTHNA MEZHER ALRUBAYE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HAMZA OSMAN İLHAN
- 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
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ERSEL KAMAŞAK
- Diyabetik retinopati hastalığının erken teşhisi için retina görüntülerinin derin öğrenme tabanlı sınıflandırılması
Deep learning based classification of retinal images for earlydiagnosis of diabetic retinopathy disease
YUSUF BAHRİ ÖZÇELİK
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiZonguldak Bülent Ecevit ÜniversitesiElektrik-Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYTAÇ ALTAN
- Göz hastalıklarının görüntü işleme ve derin öğrenme yöntemleriyle otomatik tespiti
Automatic detection of eye diseases using image processing and deep learning methods
MURAT FIRAT
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankırı Karatekin ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEDA ŞAHİN