Glaucoma disease detection using image processing and machine learning approach
Görüntü işleme ve makine öğrenme yaklaşımıyla glokom hastalığının tespiti
- Tez No: 768201
- Danışmanlar: Assist. Prof. Dr. AYÇA KURNAZ TÜRKBEN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 75
Özet
İnsan vücudundaki fizyolojik değişikliklerin tanımlanması biyomedikal mühendisliğinde zorlu bir görevdir. Spesifik olmak gerekirse, insan gözündeki anormallikleri tanımlamak, prosedürle ilgili çeşitli karmaşıklıklar içerdiğinden çok zor ve sıkıcıdır. Bu nedenle, hastalığın taranması ve yönetilmesine yardımcı olan erken bir aşamada hastalık tespit sistemlerinin gerekliliği nedeniyle, araştırmacılar arasında retina görüntü analizi daha fazla ilgi görmüştür. Retina görüntü analizinde otomatik glokom tanısı için birçok araştırma yapılmaktadır. Glokom hastalığı, dünya çapında insanlarda körlüğe yol açar ve Hindistan'da körlüğe neden olmada üçüncü sırada yer alır. Bu nedenle, glokom hastalığının erken teşhisi, göz hastalıklarının şiddetlenmesini önlemek için çok önemlidir. Glokomun gözdeki Kupa-Disk oranını arttırdığı ve periferik görüşü etkilediği söylenir. Araştırma çalışmasında, önceden işlenmiş retinal fundus görüntülerinin Cup/Disk oranı değerlendirmesine dayalı olarak glokom tanısında kullanılan çeşitli görüntü işleme teknikleri ele alınmaktadır. Bu hesaplama algoritmaları, kamu fundus görüntü veri setleri üzerinde değerlendirilir ve performans sonuçları karşılaştırılır. Mevcut glokom tespit sistemlerinin çoğu, insan müdahalesine bağlıdır, değerlendirmeler çok belirsizdir, zaman alıcıdır ve yetenekli profesyonelleri garanti eder. Çoğu durumda, retina görüntüsünün manuel olarak incelenmesi, çoğunlukla görsel yorgunluktan kaynaklanan insan hatası nedeniyle yanlış tanıya yol açar. Retina görüntülerinin taranmasının tanısal doğruluğunu artırmak için, tarama ve tanı için bir temel olarak hizmet veren bilgisayar destekli tasarım sistemleri geliştirilmiştir. Günümüzde çeşitli komplikasyonlar için retinal görüntü analizi üzerine literatürde rapor edilen çok sayıda otomatik sistem geliştirilmiştir. Mevcut yaklaşımların çoğu, bilgisayarların daha fazla kullanılmasını gerektiren hesaplama algoritmalarını kullanır. Bu araştırmanın temel amacı, glokom tespitinin segmentasyon ve sınıflandırma doğruluğunu arttırmaktır. Bu çalışmada, el yapımı özellikleri çıkarmanın karmaşıklığını azalttığı için glokomu tahmin etmek için Yeni Derin Öğrenme Yaklaşımına dayalı bir sistem geliştirmek için bir yöntem önerilmiştir. Hastalığın ciddiyetine bağlı olarak glokomu derecelendirebildi. Girilen ham görüntüleri sağlıklı ve glokomlu olarak sınıflandıran AEHO kullanarak optimizasyon ile derin öğrenme sinir ağını değiştirme girişimi önerildi. Bu çalışmalar, ana adım olarak alınan OD ve OC segmentasyonuna dayanıyordu.
Özet (Çeviri)
Identification of physiological changes inside the human body is a challenging task in bio-medical engineering. To be specific, identifying the abnormalities in the human eye is very difficult and tedious, as it includes several complexities related with the procedure. Hence retinal image analysis gained more attention among the researchers, due to the necessity of disease detection systems at an early-stage aiding in the screening and management of the disease. In retinal image analysis, many investigations are carried-out for automated glaucoma diagnosis. Glaucoma disease leads to blindness in human beings worldwide and stands third in causing blindness in India. Thus, early detection of glaucoma disease is essential for preventing eye diseases from getting severe. Glaucoma is said to increase the Cup to Disc ratio in the eye, affecting peripheral vision. Variety of image processing techniques that are used in diagnosing glaucoma based on Cup to Disc ratio evaluation of the pre-processed retinal fundus images are addressed in the research work. These computational algorithms are evaluated on the public fundus image datasets and the performance results are compared. Most of the existing glaucoma detection systems depend on human intervention, the assessments being much ambiguous, time consuming and warrant skilled professionals. In most of the circumstances, manual investigation of the retinal image leads to misdiagnosis due to human error, mostly occurring by visual fatigue. To enhance the diagnostic accuracy of screening retinal images, computer-aided design systems are developed serving as a baseline for screening and diagnosis. Presently, numerous automated systems are developed on retinal image analysis for various complications, which are reported in the literatures. Most of the existing approaches employ computational algorithms, which needs the usage of computers to a higher extent. The main aim of this research is to enhance the segmentation and classification accuracy of glaucoma detection. In this work, a method to develop a system based on Novel Deep Learning Approach to predict glaucoma is proposed as it reduced the complexity of extracting hand- crafted features. It was able to grade glaucoma depending on the disease severity. An attempt to modify the deep learning neural network with optimization using AEHO was proposed that classified the input raw images into healthy and glaucomatous. These works were based on OD and OC segmentation taken as a main step
Benzer Tezler
- 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
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- 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
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Glokom hastalığının derin öğrenme yöntemiyle ön tanısı
Pre-diagnosis of glaucoma disease with deep learning
MAHMOUD NAES
Yüksek Lisans
Türkçe
2023
Bilim ve TeknolojiKarabük ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HAKAN YILMAZ
- 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
- Fundus floresein anjiografi görüntüleri üzerinden görüntü işleme teknikleri kullanılarak retinal damar hastalıklarının belirlenmesi
Determination of retinal vascular diseases by using image processing techniques on fundus fluorescein
HALİT ÇETİNER
Doktora
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. BAYRAM CETİŞLİ