Implementation of deep learning based approaches in the diagnosis of diabetes and diabetic retinopathy
Diyabet ve diyabetik retinopati teşhisinde derin öğrenmeye dayalı yaklaşımların uygulanması
- Tez No: 792643
- Danışmanlar: DR. ÖĞR. ÜYESİ HAMZA OSMAN İLHAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 81
Özet
Diyabet kan şekeri seviyesindeki düzensizliklere bağlı olarak gelişen, tedavisi olmayan ve ölümcül bir hastalıktır. Dünya çapında 400 milyondan fazla insanı etkilediği bilinmektedir. Kronik ve ölümcül olmasının yanı sıra, vücuttaki çeşitli bölgelerde hasara yol açıp farklı hastalıklara da sebep olabilmektedir. Ek olarak, erken evre semptomları hastaların bir kısmı tarafından fark edilemediğinden dolayı teşhis konduğunda vücutta ağır bir hasarın oluşması söz konusu olabilmektedir. Her yıl 1.5 milyon civarı ölümün diyabete bağlı olarak gerçekleştiği bilinmektedir. Diyabetik retinopati (DR), kan şekeri seviyesindeki düzensizliklere bağlı olarak retinadaki damarların zarar görmesi ile oluşan bir hastalık olup doğrudan şeker hastalığına bağlı olarak gelişmektedir. Hastalık ilerledikçe bulanık görme, geçici veya sürekli körlük yaşanma riski oluşmaktadır. Diyabet ve diyabetik retinopati hastalıkları vücutta ilerledikçe ortaya çıkan şiddetli belirtilerin erken evrede teşhis konarak minimuma indirilmesi mümkündür. Bu çalışmada, diyabeti ve diyabete bağlı gelişen diyabetik retinopatiyi erken teşhis etmek için makine öğrenmesi ve derin öğrenme yöntemleri uygulanmıştır. Diyabetin erken evre teşhisi için K en yakın komşu, destek vektör makinesi, naive Bayes, karar ağacı, rastgele orman, XGBoost ve evrişimli sinir ağları yöntemleri kullanılmıştır. Diyabetik retinopatinin hangi evrede olduğunun saptanması için ise retina görüntüleri kullanılarak derin öğrenme bazlı kolektif öğrenme mimarileri geliştirilmiştir. Tekil modellerin ürettiği sınıf atamalarını ve sınıf olasılık değerlerini baz alan kolektif öğreniciler geliştirilmiştir. Hem diyabet hem de diyabetik retinopati hastalığı için başarılı sonuçlar elde edilmiş olup sırasıyla %99.04 ve %95.55 oranında doğruluk değeri elde edilmiştir.
Özet (Çeviri)
Diabetes is an incurable and fatal disease reasoned by inconsistent levels of blood sugar. More than 400 million people have diabetes. In addition to being a fatal and chronic illness, diabetes causes other issues by damaging several parts of the body. Since early stage symptoms of diabetes can not be noticed by some of the patients, severe damage to various parts of the body may occur when the disease is diagnosed. Therefore, around 1.5 million deaths are related to diabetic reasons each year. Diabetes related eye disease called diabetic retinopathy (DR), is caused by damage to retinal vessels due to high sugar levels in the blood, is one of the diseases that is related to diabetes. As the disease progresses, possibility of blurry vision, intermittent vision loss and blindness increases. Severe symptoms that occur as the diseases progress can be minimized with early detection. In this study, methods for diagnosing diabetes and diabetic retinopathy diseases are investigated. Both machine learning and deep learning approaches such as K nearest neighbor, support vector machine, naive Bayes, decision tree, random forest, extreme gradient boosting and convolutional neural network are applied for predicting early stage diabetes. Deep learning based ensemble methods such as hard voting, soft voting and stacked generalization are studied to predict the severity level of diabetic retinopathy using retinal images. In terms of both early stage diagnosis of diabetes and diabetic retinopathy severity level prediction, accurate results are observed. 99.04% and 95.55% accuracies are obtained, respectively.
Benzer Tezler
- Automated detection of oral lesions using deep learning for early diagnosis of oral cancer
Başlık çevirisi yok
GİZEM TANRIVER
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKoç ÜniversitesiVeri Bilimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET CENGİZ ONBAŞLI
DR. ÖĞR. ÜYESİ ONUR ERGEN
- Ai-based classification between healthy and vestibular system impaired individuals using gait parameters
Sağlıklı ve vestibüler sistem (VS) bozukluğu gösteren ve göstermeyen bireyler arasındaki yürüme parametrelerinin yapay zeka tabanlı sınıflandırılması
DUA HİŞAM
Yüksek Lisans
İngilizce
2023
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
ASSOCIATE PROF. DR. SERHAT İKİZOĞLU
- Scoring of CERbB2 tumors in breast cancer by pathological image analysis
Patolojik görüntü analizi ile meme kanserinde CERbB2 tümörlerinin skor değerlerinin belirlenmesi
GÖZDE AYŞE TATAROĞLU
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. BEHÇET UĞUR TÖREYİN
- Temporomandibular eklem düzensizliği için makine öğrenmesi tabanlı yeni bir yaklaşım
A new machine learning based approach for temporomandibular joint disorders
ŞİFA ÖZSARI
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET SERDAR GÜZEL
- Küçük boy telefon santrallarının bakım ve onarımı için bir uzman sistem tasarımı
Başlık çevirisi yok
OĞUZ OKTAY
Yüksek Lisans
Türkçe
1993
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiPROF.DR. EŞREF ADALI