Geri Dön

Classification and prediction retinal oct images by CNN algorithm

CNN algoritmasıyla sınıflandırma ve tahmin eden retinal ekim görüntüleri

  1. Tez No: 791777
  2. Yazar: MUSTAFA MANAL NOORI AL-TEKREETI
  3. Danışmanlar: prof. Dr. MUSTAFA YAĞCI
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Kırşehir Ahi Evran Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İleri Teknolojiler Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 62

Özet

DSÖ'ye göre DR, körlük ve görme bozukluğunun önde gelen nedenidir. Karmaşıklığı, sessizliği ve erken başlangıcı nedeniyle bu enfeksiyonu teşhis etmek zordur. DR'nin şiddeti tedaviyi belirler. Tedavi, hastalığın ilerlemesini durdurmayı veya geciktirmeyi amaçlar. Erken DR sadece rutin oftalmolog izlemesi gerektirebilir. DR hastaları doktorun diyetine, kan şekeri kontrolüne ve egzersiz yönergelerine uymalıdır. Bu, hastalığın ilerlemesini yavaşlatabilir. İntravitreal enjeksiyonlar DR'yi azaltabilir veya durdurabilir. Geç evre RD'de, arterler makulaya kan ve sıvı gönderir. Makula ödemi sonuçları. Fotokoagülasyon, kanamayı önlemek için retinayı kapatır. Lazerler kanamayı durdurmak için anormal kan damarlarına zarar verir. Birkaç karakterizasyon yöntemi önceki on veya yirmi yılda ilerlemiştir. Bu çalışma, erken diyabetik retinopati saptama stratejilerini karşılaştırmak için MATLAB'ın CNN'sini kullanır. CNN, popüler bir model yerleşim tekniğidir. CNN'nin ana yapısı, beyin gibi girdi, nöronlar ve depolama katmanlarına sahiptir. Sağlıklı ve diyabetik gözlerin fundus görüntüleri mükemmel aydınlatma koşulları altında alınır, böylece tüm gizli bileşenler tanımlanabilir. Kontrast, korelasyon, enerji, homojenlik, entropi ve standart hata ile birlikte standart sapma, varyans, çarpıklık ve basıklık verileri toplamak için kullanılır. Eleman çıkarıldıktan sonra veriler kaydedilir. Bir gizli katman, 16 veri nöronu ve iki katı veya katı olmayan çıktı, karmaşık bir evrişimli sinir ağı oluşturur. %70 planlama, %15 onay ve %15 test içindir. Bütçenin %15'i testlere ayrılacak. Sadece ağırlık ve yaş dikkate alındığında uygulama hızlı ve doğruydu (%98.93). Diyabetik retinopati %98,24 doğruluk, %98,93 doğruluk ve %99,42 inceleme oranı ile tanımlandı. EAA, sıkı testlerden sonra %98,91 idi

Özet (Çeviri)

DR is the leading cause of blindness and visual impairment, according to the WHO. Due to its complexity, silence, and early onset, this infection is difficult to diagnose. The severity of DR determines treatment. Treatment aims to stop or delay disease progression. Early DR may merely require routine ophthalmologist monitoring. DR patients must follow a doctor's diet, blood sugar control, and exercise guidelines. This may slow disease progression. Intravitreal injections can reduce or stop DR. In late-stage RD, arteries send blood and fluids to the macula. Macular edema results. Photocoagulation seals the retina to prevent bleeding. Lasers damage abnormal blood vessels to stop bleeding. Several characterization methods have advanced in the previous decade or two. This study uses MATLAB's CNN to compare early diabetic retinopathy detection strategies. CNN is a popular model layout technique. CNN's master structure has input, neurons, and storage layers like the brain. Fundus images of healthy and diabetic eyes are taken under excellent lighting conditions so all hidden components can be identified. Standard deviation, variance, skewness, and kurtosis are used to collect data along with contrast, correlation, energy, homogeneity, entropy, and standard error. After element extraction, data are recorded. One hidden layer, 16 data neurons, and two solid or unsolid outputs make up a sophisticated convolutional neural network. 70% is for planning, 15% for approval, and 15% for testing. 15% of the budget will go toward testing. Execution was quick and accurate (98.93%) when only weight and age were considered. Diabetic retinopathy was identified with 98.24% exactness, 98.93% accuracy, and 99.42% review rate. AUC was 98.91% after rigorous testing

Benzer Tezler

  1. 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

    Türkçe

    2021

    Mühendislik BilimleriAfyon Kocatepe Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÜR EMRE GÜRAKSIN

  2. Farklı glokom tiplerinde yapısal ve fonksiyonel değişikliklerin progresyon tahmininde subjektif ve objektif testlerle değerlendirilmesi

    Evaluation of structural and functional changes in different glaucoma types with subjective and objective tests in predicting progression

    FURKAN ŞENYÜZ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2018

    Göz HastalıklarıSağlık Bilimleri Üniversitesi

    Göz Hastalıkları Ana Bilim Dalı

    DOÇ. DR. TARKAN MUMCUOĞLU

  3. Diabetik makula ödeminin optik koherens tomografi temelli tanımlanması

    Optical coherence tomography based definition of diabetic macular edema

    NURİYE GÖKÇEN YALÇIN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2015

    Göz HastalıklarıGazi Üniversitesi

    Göz Hastalıkları Ana Bilim Dalı

    PROF. DR. ŞENGÜL ÖZDEK

  4. Derin öğrenme ile optik koherens tomografi görüntülerinden retinal bozukluk tanısı

    Retinal disorder diagnosis from optical coherence tomography images with deep learning

    GÜLSÜM ARI

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilim ve Teknolojiİstanbul Üniversitesi-Cerrahpaşa

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ABDURRAHİM AKGÜNDOĞDU

  5. Diyabetik retinopati hastalığının teşhisi için derin öğrenme ile retinal fundus görüntülerinin sınıflandırılması

    Classification of retinal fundus images with deep learning for diagnosis of diabetic retinopathy

    BURAK GEZİCİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTekirdağ Namık Kemal Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. PINAR TÜFEKCİ