Segmentation of multi class retinal lesions from fundus images
Fundus görüntülerınden çok sınıflı retina lezyonlarının segmentasyonu
- Tez No: 720821
- Danışmanlar: PROF. DR. GÖZDE AKAR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 90
Özet
Diyabetik retinopati, yetişkinlerde görülen önlenebilir körlüğün en önemli nedenlerinden biridir. Diyabetik retinopati(DR) ile ilişkili retina lezyonlarının tespiti, DR'nin otomatik teşhisi için önemli bir basamaktır. Hastalıkla ilgili birden fazla farklı lezyon tipi bulunmaktadır. Bunlar sırasıyla: mikroanevrizma, hemoraji, sert eksüda ve yumuşak eksüdadır. Lezyon tipleri renk, boyut ve şekil açısından farklı görsel özelliklere sahiptir. Literatürde retina lezyonlarının tespiti lokalizasyon veya segmentasyon problemi olarak incelenmiştir. Geleneksel görüntü işleme yöntemlerinin yanı sıra, makine öğrenmesi tabanlı ve sinir ağları tabanlı yöntemler son yıllarda yaygın olarak geliştirilmiştir. Çalışmaların bir çoğu tek lezyon tipini tespit etmeye odaklanmıştır. Tek tip üzerinde geliştirilmiş yöntemler, lezyonların farklı özellikleri nedeniyle başka bir lezyon türünü saptamakta kullanılamıyor. Ek olarak, retina lezyonu segmentasyonu veri dağılımı sebebiyle dengesiz bir sınıflandırma problemidir. Görev, hem ön plan-arka plan dengesizliğini hem de pozitif sınıflar arasındaki dengesizliği içermektedir. Bu çalışmada, fundus görüntülerinden çok sınıflı retina lezyonlarının bölütlemesi için örnek temelli kesişim bölü bileşim(IB\_IoU) hata fonksiyonunu geliştirdik. Hata fonksiyonu, aşağıdaki iki sorunu hedef almıştır. İlk olarak, IoU puanı her bir sınıf için ayrı ayrı hesaplanarak ortalaması alınır. Bu şekilde dengesizlik sorununu çözmek amaçlanmıştır. İkinci olarak, kapalı çevreli şekle sahip her örnek için IoU puanı hesaplanır. Amaç, küçük piksel alanlarına sahip örneklerin de tespit edilebilmesi ve kaçırılmaması için hata fonksiyonuna katkı yapmalarını sağlamaktır. Kapalı çevreli şekle sahip örnekleri bulmak için bağlantılı bileşen analizi uygulanmıştır. Sonuçlar, geliştirilen algoritmanın performansının, tek lezyon tipini tespit etmeye odaklanan son teknoloji yöntemlerle karşılaştırılabilir bir seviyede olduğunu göstermektedir. Ek olarak, önerilen hata fonksiyonu, çok sınıflı retina lezyonu segmentasyonunda kullanılan diğer hata fonksiyonlarına göre mikroanevrizma ve eksüda lezyonlarının tespit performansını iyileştirmiştir.
Özet (Çeviri)
Diabetic retinopathy is a leading cause of preventable blindness among adults. Detection of diabetic retinopathy-related retinal lesions is essential for automatic detection of DR. There are different kinds of lesions related to the disease, namely microaneurysm, hemorrhage, hard exudate, and soft exudate. Each lesion has different characteristics: color, size, and shape. In the literature, the detection of retinal lesions has been examined as a localization or segmentation problem. Besides traditional image processing methods, machine learning-based and neural network-based methods have been proposed widely in the last years. Most of the works focused on detecting only one type of lesion. These methods can not be transferred to detect another kind of lesion because of the different characteristics of the lesions. Additionally, segmentation of retinal lesion task is an imbalanced classification problem. Task includes both foreground-background imbalance and imbalance between positive classes. In this study, we developed a new instance-based intersection over union(IB\_IoU) objective function to segment multi-class retinal lesions from fundus images. The loss has targeted the following two problems. Firstly, it aims to solve the imbalance problem by averaging intersection over union(IoU) scores across the classes. Secondly, IoU score is calculated separately for every instance with a closed contoured shape. The aim is to improve the detection performance of lesions with small pixel areas. The connected component analysis is applied to find instances on a union of prediction and ground truth labels. The results show that the proposed algorithm is comparable to state-of-the-art methods focused on detecting single lesions. Additionally, the proposed loss function has improved detection performance of microaneurysm and exudate lesions over other loss functions used in multi-class retinal lesion segmentation.
Benzer Tezler
- Lidar nokta bulutlarının semantik segmantasyonu için derin öğrenme tabanlı iyileştirilmiş poıntnet++ mimarisi
An improved deep learning based pointnet++ architecturefor semantic segmentation of lidar point clouds
ZEYNEP AKBULUT
Doktora
Türkçe
2023
Jeodezi ve FotogrametriKaradeniz Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. FEVZİ KARSLI
- Ceviz kalitesini otomatik belirleyen bir sistem tasarımı
A system design that automatically determines the quality of walnut
MUSTAFA NURİ TÜTÜNCÜ
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiKahramanmaraş Sütçü İmam ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TURAB SELÇUK
- A distance transform-based loss function for semantic image segmentation with deep neural networks
Mesafe dönüşümü tabanlı yitim fonksiyonu ile derin sinir ağları kullanılarak görüntü bölütleme
FURKAN GÜL
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERCHAN APTOULA
- Geniş ölçekli veriler üzerinde sınıflandırma ve bölütleme amaçlı evrişimsel sinir ağı ve istatistiksel modellerin geliştirilmesi
Development of convolutional neural network and statistical models for classification and segmentation on large-scale data
NURULLAH ÇALIK
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. LÜTFİYE DURAK ATA
- Automatic bayesian segmentation of human facial tissue using 3D MR-CT fusion by incorporating models of measurement blurring, noise and partial volume
İnsan yüz dokularının bulanıklaşma, gürültü ve kismı hacim modelleri içeren bayesçi 3D MR-CT görüntü birleşmesi yöntemi kullanılarak otomatik bölütlenmesi
EMRE ŞENER
Doktora
İngilizce
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiMühendislik Bilimleri Ana Bilim Dalı
DOÇ. DR. ERKAN MUMCUOĞLU
DOÇ. DR. UTKU KANOĞLU