Retinopathy diabetics detection and classification using googlenet CNN method
Başlık çevirisi mevcut değil.
- Tez No: 800842
- Danışmanlar: DR. ÖĞR. ÜYESİ MESUT ÇEVİK
- 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: Bilişim Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Diyabet bir takım sonuçlara yol açabilir, ancak en yaygın olanlarından biri, genellikle DR olarak bilinen diyabetik retinopatidir. Bu durum, görme kaybına yol açabilecek retina hasarı ile tanımlanır. Erken evrelerde tespit edilip tedavi edilmezse körlüğe neden olabilir. Ne yazık ki, DR'nin etkilerini tersine çevirecek bir yöntem veya ilerlemesini durdurmak için bir tedavi mevcut değildir. DR'nin erken tespiti ve tedavisi, görme kaybı riskinde önemli bir azalma ile sonuçlanır. Bilgisayar destekli alternatiflerle karşılaştırıldığında, DR retina fundus resimlerini manuel olarak değerlendirmek, oftalmologlar adına önemli miktarda zaman, çaba ve finansal yatırım gerektirir. Retina diyabeti vakalarını tespit etme çabasının bir parçası olarak, GoogleNet'e dayalı bir CNN mimarisi uygulamasının inşası gerçekleştirildi. Bu girişim sonucunda tanı sayısının artırılması hedeflendi. CNN yöntemini kullanarak retina resimlerini sınıflandırmak için 144 farklı katman kullanılmıştır. Bundan sonra, görüntüler çok çeşitli yöntemler kullanılarak eğitilmiştir. eğitim süreci için farklı konfigürasyonlar. ADAM kullanımının soruşturma süresince uygulanabilir bir seçenek olduğu gösterildi. Görünüşe göre diyabetik retina hastalığını tanımanın en başarılı yolu GoogleNet CNN kullanmaktır. Yalnızca üç dakika on bir saniyede, fazlasıyla yeterli olan yüzde 96'lık bir doğruluk oranı gösteriyor.
Özet (Çeviri)
Diabetes may lead to a number of consequences, but one of the most common is diabetic retinopathy, often known as DR. This condition is defined by damage to the retina, which can lead to a loss of eyesight. If it is not detected and treated in its early stages, it might cause blindness. Regrettably, there is no method to reverse the effects of DR, nor is there a treatment available to stop its progression. Early detection and treatment of DR results in a substantial reduction in the risk of vision loss. In comparison to computer-aided alternatives, assessing DR retina fundus pictures manually requires a significant amount of time, effort, and financial investment on the part of ophthalmologists. As part of this effort to detect instances of retinal diabetes, a construction of a CNN architecture implementation based on GoogleNet was carried out. The number of diagnoses was intended to be increased as a result of this initiative. In order to classify retinal pictures using the CNN method, there were 144 different layers used. After that, the images were trained using a broad variety of different configurations for the training process. The use of ADAM was shown to be a workable option during the course of the investigation. It would seem that the most successful way for recognizing diabetic retinal disease is using GoogleNet CNN. In only three minutes and eleven seconds, it displays an accuracy rate of 96 percent, which is more than enough.
Benzer Tezler
- Diabetic retinopathy detection using ensemble transfer deep learning
Topluluk transferi derin öğrenme yöntemi kullanarak diyabetik retinopati tespiti
SHUHAD IMAD HADI AL-DUJAILI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NEHAD T.A RAMAHA
- Detection and classification of diabetic retinopathy disease using deep learning methods and embedded system
Diyabetik retinopati hastalığının derin öğrenme yöntemleri ve gömülü sistem kullanımıyla tespiti ve sınıflandırılması
EBUBEKİR AKKUŞ
Doktora
İngilizce
2025
Elektrik ve Elektronik MühendisliğiMuğla Sıtkı Koçman ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. UFUK BAL
- Depiction of hemorrhagic regions caused by diabetic retinopathy on fundus flouresan angiography images by using image enhancement and basic classification methods
Diyabetik retinopatiye yol açan kanamalı bölgelerin fundus flouresan anjiografi görüntüleri üzerinde görüntü iyileştirme ve temel sınıflama metotlarını kullanarak tanımlanması
İCLAL ÇETİN TAŞ
Yüksek Lisans
İngilizce
2012
Elektrik ve Elektronik MühendisliğiÇukurova ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SAMİ ARICA
YRD. DOÇ. DR. TURGAY İBRİKÇİ
- Evrişimsel sinir ağları kullanarak diyabetik retinopati hastalığının tespiti
Detection of diabetic retinopathy disease using convolutional neural network
KEMAL AĞCA
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSivas Cumhuriyet ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HİDAYET TAKCI
- Fundus görüntülerinin sınıflandırılarak diyabetik retinopati hastalığının derin öğrenme ile tespiti
Detection of diabetic retinopathy disease by classifying fundus images using deep learning
HALİL İBRAHİM ŞAHİN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Beykent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TALAT FİRLAR