Neural network training method for classifications of diabetic retinopathy image data on matlab
Başlık çevirisi mevcut değil.
- Tez No: 826527
- Danışmanlar: DR. ÖĞR. ÜYESİ AYÇA KURNAZ TÜRKBEN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 68
Özet
DR fundus resimlerinde sert eksudaları tanımlayabilen bir yöntem geliştirmek için bu araştırmada derin öğrenme kullanıldı. Diyabetik retinopatisi olan hastaların sert eksudalar ile diğer hastalık semptomlarını ayırt edebilmeleri gerekir. Bu yenilikçi teknik, sert eksüdaları zamanın %99,7'sinde doğru bir şekilde tanımlar. Gelecekte tespit, yumuşak eksüdalara ek olarak kan akışını ve mikroanevrizmaları da içerecektir. Buna ek olarak, bölümlere ayrılmış resimlerden yararlanarak DR'yi ölçmemiz gerekiyor. Model kesinliğini artıran iki yaklaşım vardır. Ardından, resim yamasının boyutlarını değiştirin. Yapabileceğimiz bir sonraki şey, resim yamalarının tahminin doğruluğundaki rolünü araştırmak. Her satır ve sütundaki ilk ve son 16 öngörülemeyen piksel üzerinde bir analiz gerçekleştiren ikinci teknikte evrişimli sinir ağları kullanılır.
Özet (Çeviri)
Deep learning was used in this research to develop a method that could identify hard exudates in DR fundus pictures. Patients with diabetic retinopathy need to be able to differentiate between hard exudates and other symptoms of sickness. This innovative technique accurately identifies hard exudates 99.7% of the time. In the future, detection will also include blood flow and microaneurysms in addition to soft exudates. In addition to this, we need to quantify DR by utilizing segmented pictures. There are two approaches that improve model precision. Then, change the dimensions of the picture patch. The next thing that we could do is investigate the role that picture patches have in the accuracy of the forecast. Convolutional neural networks are utilized in the second technique, which performs an analysis on the first and last 16 unpredicted pixels in each row and column.
Benzer Tezler
- Evrişimli sinir ağları kullanılarak retina görüntülerinin segmentasyonu ve sınıflandırılması
Segmentation and classification of retina images using convolutional neural networks
MALI MOHAMMEDHASAN
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HARUN UĞUZ
- CNN googlenet and alexnet architecture deep learning for diabetic retinopathy image processing and classification
CNN googlenet ve alexnet mimari diyabetik retinopati görüntü işleme ve sınıflandırma için derin öğrenme
ISRAA ALMAHDI
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Gelişim ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEVCAN KAHRAMAN
- 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
- Diyabetik retinopati teşhisi için derin öğrenme tabanlı sınıflandırma analizi
Deep learning based classification analysis for diabetic retinopathy diagnosis
DİLAN BUDAK
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAksaray ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. RAHMİ BAKİ
DOÇ. DR. KEMAL ADEM
- Derin öğrenme yaklaşımlarıyla tıbbi yara görüntülerinin segmentasyonu ve sınıflandırılması
Segmentation and classification of medical wound images with deep learning approaches
HÜSEYİN ELDEM
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ERKAN ÜLKER