Takviyeli derin öğrenme yöntemi kullanılarak prematüre retinopatisinin erken teşhisi
Early diagnosis of retinopathy of prematurity using reinforcement deep learning method
- Tez No: 782523
- Danışmanlar: YRD. DOÇ. DR. ZEHRA AYSUN ALTIKARDEŞ, DOÇ. DR. AYŞE İPEK AKYÜZ ÜNSAL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Marmara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 83
Özet
Prematüre retinopatisi (ROP), dünya çapında çocukluk çağı körlüğünün önde gelen nedenlerindendir. Hastalık teşhisinin tedavi kararı öncelikle retina damarlarının genişlemesi ve kıvrımlanması olarak tanımlanan ROP hastalığının en önemli komponenti olan Plus hastalığın varlığına bağlıdır. Bununla birlikte, Plus hastalığın klinik tanısı oldukça öznel ve değişkendir. Bu çalışmada prematüre bebeklerden alınan göz dibi görüntüleri ile tedavi gerektiren ROP teşhisini ve Plus Hastalık teşhisini, DRL (Takviyeli Derin Öğrenme) algoritması kullanılarak saptamak amaçlanmıştır. Ankara Gazi Üniversitesi Göz Hastalıkları Anabilim Dalı (“E-90005124-010.99- 518397”numaralı etik kurulu kararı) ve Aydın Adnan Menderes Üniversitesi Göz Hastalıkları Anabilim Dalı (“Karar:15 Protokol No:2020/48”numaralı etik kurulu kararı) tarafından sağlanan veri seti kullanılmıştır. Sınıflandırma modeli tasarlanırken eğitim için 0.80 ve test için 0.20 veri seti ayrımı yapılmıştır. Veri setinin az olması sebebi ile görüntü büyültme, küçültme, çevirme gibi veri artırımı metotları kullanılarak da işlemler tekrarlanmıştır. Çalışmamızda veri setimizin multiclass eğitim için yeterli sayıda olmaması sebebi ile sınıflandırma binary class olarak ROP ve NOROP şeklinde yapılmıştır. Çalışma kapsamında 98 bebeğe ait 1917 adet göz dibi görüntüleri JPEG formatında DQN (Deep Q Network) algoritması ile 0.05 dengesizlik ölçütü ile değerlendirildi ve 0.919 F1 skoru, 0.913 Doğruluk, 0.868 keskinlik, 0.971 hassaslık sonuçları elde edilmiştir. Çalışmamız bir dış uç(endpoint) ile web ve mobil uygulamayla entegre edilerek bir karar destek sistemi geliştirilmiştir(Kartal, 2022). Yapay zekâ algoritmalarından DRL kullanarak sadece iki ayrı ROP tarama ve tedavi merkezinden elde edilen kısıtlı miktardaki göz dibi veri seti ile tedavi gerektiren ROP ve Plus Hastalık teşhisini 0.913 doğruluk oranı ile saptanmış olması umut vericidir. Daha geniş veri setleri ve farklı algoritmalarla yapılacak çalışmaların gelecekte ROP tarama imkanına ulaşamayan bebeklerin fotoğraflarından teşhis ve tedaviye ulaşmalarını kolaylaştıracağını düşünmekteyiz.
Özet (Çeviri)
Retinopathy of prematurity (ROP) is one of the leading causes of childhood blindness worldwide. The treatment decision of the diagnosis of the disease primarily depends on the presence of Plus disease, which is the most important component of ROP disease, which is defined as the enlargement and folding of the retinal vessels. However, the clinical diagnosis of Plus disease is highly subjective and variable. In this study, it was aimed to determine the diagnosis of ROP and Plus Disease, which requires treatment with the fundus images taken from premature babies, by using the DRL (Reinforcement Deep Learning) algorithm. Provided by Ankara Gazi University Department of Ophthalmology (ethics committee decision numbered“E-90005124-010.99-518397”) and Aydın Adnan Menderes University Department of Ophthalmology (ethics committee decision numbered: 15 Protocol No: 2020/48) data set is used. While designing the classification model, a data set separation of 0.80 for training and 0.20 for testing was made. Due to the small size of the data set, the operations were repeated using data augmentation methods such as image enlargement, reduction, and rotation. In our study, the classification was made as ROP and NOROP as binary class, since our data set was not sufficient for training. Within the scope of the study, 1917 fundus images of 98 babies were evaluated in JPEG format with DQN (Deep Q Network) algorithm with 0.05 imbalance criteria and 0.919 F1 score, 0.913 Accuracy, 0.868 sharpness, 0.971 sensitivity results were obtained. A decision support system has been developed by integrating our work with an external endpoint and web and mobile application(Kartal, 2022). It is promising that the diagnosis of ROP and Plus Disease, which requires treatment, was detected with an accuracy rate of 0.913, with a limited amount of fundus data set obtained from only two separate ROP screening and treatment centers using DRL, one of the artificial intelligence algorithms. We think that studies with larger datasets and different algorithms will facilitate the diagnosis and treatment of babies who cannot be screened for ROP in the future.
Benzer Tezler
- Çizge sinir ağları ve derin takviyeli öğrenme kullanarak otomatik molekül üretimi
Automated molecule generation using graph neural networks and deep reinforcement learning
RIZA IŞIK
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTOBB Ekonomi ve Teknoloji ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET TAN
- Deep reinforcement learning off-policy algorithms for robotic manipulator control
Robotik manipülatör kontrolü için derin takviyeli öğrenme politikasız algoritmaları
ALTUN RZAYEV
Yüksek Lisans
İngilizce
2021
Mekatronik MühendisliğiBahçeşehir ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. VAHID TAVAKOL AGHAEI
- Kuantum hesaplama modellerinin derin öğrenme kullanılarak otomatik üretimi
Automated generation of quantum computing models using deep learning
NİYAZİ FURKAN BAR
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KARAKÖSE
- Finansal alanda yapay zekâ: Makine öğrenmesi algoritmalarıyla hisse senedi fiyat tahmini
Artificial intelligence in finance: Stock price prediction with machine learning algorithms
SHAHIDA BARATOVA
Yüksek Lisans
Türkçe
2024
İşletmeDokuz Eylül Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. SEVİNÇ GÜLER ÖZÇALIK
- An autonomous area coverage method for endoscopic capsule robots
Endoskopik kapsül robotlarda otonom alantarama
İBRAHİM ÖMER ÇELİK
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SADIK FİKRET GÜRGEN
DR. MEHMET TURAN