Uzamsal görüntü filtreleme ile yapay sinir ağı tabanlı retina damar bölütlenmesinin iyileştirilmesi
Improving artificial neural network based retinal vessel segmentation with spatial image filtering
- Tez No: 687494
- Danışmanlar: DR. ÖĞR. ÜYESİ SEZER ULUKAYA, DR. ÖĞR. ÜYESİ İLKAY ÖKSÜZ
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Trakya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Hesaplamalı Bilimler Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 124
Özet
Retinografi, göz bozukluklarının tespitine yardımcı olan ve klinik tanıda sıklıkla kullanılan bir görüntüleme tekniğidir. Düşük zıtlık seviyesi ve/veya gürültü, retina fundus görüntülerini bozabilir. Bunun gibi etkenler, uzmanların retina görüntülerinde hastalıkları tespit etmesini ve hastalığı sınıflandırmasını zorlaştırır. Bu çalışmada, renkli fundus görüntülerinde retina damar örüntüsü segmentasyonu için hibrit bir yaklaşım önerilmektedir. Retina damar segmentasyonu için derin öğrenme U-Net mimarisi kullanılacaktır. Ayrıca, derin öğrenme U-Net mimarisinin başarısını arttırmak amacıyla eğitim fundus görüntü kümesi denetimsiz bir şekilde ön işlemden geçirilecek ve paralel kanal olarak derin öğrenme ağı beslenecektir. Ön işleme adımları sırasıyla; kırmızı-yeşil-mavi kanal ayrılması, gri dönüşüm, medyan filtreleme, Wiener filtreleme, kontrast sınırlı adaptif histogram eşitleme (KSAHE), matematiksel morfoloji işlemleri, Coye filtreleme ve bağlantılı bileşen analizi ve veri kümesi genişletme aşamalarından oluşmuştur. Önerilen denetimsiz ön işleme tabanlı yaklaşım, derin öğrenme U-Net modelinin eğitim süresini de anlamlı olarak düşürmüştür. Önerilen yaklaşım, araştırmacıların erişimine açık DRIVE ve HRF veri kümelerinde test edilmiştir.
Özet (Çeviri)
Retinography is a frequently used imaging technique that aids in clinical diagnosis of eye disorders. Low contrast and being exposed to noise are the primary factors in degraded retinal fundus images. These factors make it challenging for medical experts to diagnose and classify diseases in retinal images. This work proposes a hybrid approach for retinal vessel tree segmentation in color fundus images. We propose to use a deep convolutional neural network for the segmentation of retinal vessels. In addition, the training fundus images were be pre-processed in an unsupervised way for the purpose of increasing success of the deep U-Net architecture and fed into network as parallel channels. Preprocessing steps include the following stages; seperation of RGB channel, gray scale conversion, median filtering, CLAHE, mathematical morphology operations, Coye filtering, connected component analysis and data augmentation. The proposed approach was tested on publicly accessible DRIVE and HRF datasets.
Benzer Tezler
- Classification of abnormal respiratory sounds using deep learning techniques
Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması
AHAMADI ABDALLAH IDRISSE
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. OKTAY YILDIZ
- Cognitively-inspired deep learning approaches for grounded language learning
Temellendirilmiş dil öğrenimi için bilişsel esinli derin öğrenme yaklaşımları
OZAN ARKAN CAN
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKoç ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. DENİZ YURET
- Self-supervised pansharpening: Guided colorization of panchromatic images using generative adversarial networks
Öz-denetimli pankeskinleştirme: Çekişmeli üretken ağlar ile pankromatik görüntülerin güdümlü renklendirilmesi
FURKAN ÖZÇELİK
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. GÖZDE ÜNAL
- Derin öğrenme ile cerrahi video anlama
Surgical video understanding with deep learning
ABDISHAKOUR ABDILLAHI AWALE ABDISHAKOUR ABDILLAHI AWALE
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DUYGU SARIKAYA
- Dalgacık dönüşümü ve yapay sinir ağı kullanarak doku tanıma
Pattern recognition by using wavelet transform and artificial neural network
A.SAMET HAŞİLOĞLU
Doktora
Türkçe
1998
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiKontrol ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. İHSAN GÖK