ML and DL approaches for images detection and decision-making enhancements in cornea surgery via femtosecond laser
Başlık çevirisi mevcut değil.
- Tez No: 828757
- Danışmanlar: PROF. DR. OSMAN NURİ UÇAN
- 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: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 159
Özet
Bu araştırma, DL ve ML tekniklerinin göz ve korneadaki çeşitli sorunları ve sağlık sorunlarını sınıflandırmadaki olumlu etkilerini ve önemli gerekçelerini analiz ederek cerrahları ve doktorları daha iyi bilgilendirmeyi amaçlamaktadır. Araştırmayı yürütmek için, sayısal simülasyon analizi için Python kodları kullanılmıştır. MobileNetV2, AlexNet modeli, değiştirilmiş AlexNet ve CNN dahil olmak üzere dört makine öğrenimi (ML) ve derin öğrenme (DL) algoritmasının kullanılmasıyla, araştırma sonuçları CNN modelinin uygulanmasının doğruluk açısından en iyi sonuçları verdiğini ortaya koydu. DL ilkelerine dayalı olarak kornea ve göz problemlerini belirleme ve tespit etme söz konusu olduğunda bu oranlar. Eşzamanlı olarak CNN modeli, kornea tedavi yöntemlerinin seçiminde en iyi karar verme süreciyle ilgili en az miktarda kayıp (hata) sağlamıştır. MobileNetV2 algoritması, AlexNet modeli ve değiştirilmiş AlexNet ML şeması, CNN modelinden daha az performans gösterse de, doğrulukları yine de saygın seviyelere ulaştı (%95'in üzerinde doğruluk). Ek olarak, MobileNetV2 için kesinlik, geri çağırma ve F1 puanı bölümleri de yüksekti. Sonuç olarak, MobileNetV2 modeli, AlexNet modeli, modifiye AlexNet modeli ve CNN modelinin hastaların kornea ve gözündeki problemlerin tespitinde daha yüksek doğruluk ve güvenilirlik oranlarıyla uygulanabileceği sonucuna varılabilir. Yine de, diğer ML ve DL modelleriyle karşılaştırıldığında, CNN modeli en iyi performansı gösterir.
Özet (Çeviri)
This research aims to better inform surgeons and doctors by analyzing the positive influences and substantial rationale of DL and ML techniques in classifying various problems and health issues in the eye and cornea. To conduct the research, Python codes were used for numerical simulation analysis. With the employment of the four machine learning (ML) and deep learning (DL) algorithms, including MobileNetV2, AlexNet model, modified AlexNet, and CNN, the research outcomes revealed that the implementation of the CNN model yielded the best results in terms of accuracy rates when it came to identifying and detecting cornea and eye problems based on DL principles. Simultaneously, the CNN model provided the least amount of losses (errors) related to the best decision-making process for selecting cornea treatment methods. Although the MobileNetV2 algorithm, the AlexNet model, and the modified AlexNet ML scheme performed less well than the CNN model, their accuracy still reached respectable levels (greater than 95% accuracy). In addition, the precision, recall, and F1-score portions were also high for the MobileNetV2. Consequently, it can be deduced that the MobileNetV2 model, the AlexNet model, the modified AlexNet model, and the CNN model can all be implemented in the detection of problems in the cornea and eye of patients with higher rates of accuracy and reliability. Still, when compared to other ML and DL models, the CNN model performs the best.
Benzer Tezler
- 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
- Development of a deep learning assisted webgis framework for updating building databases
Bina veritabanlarının güncellenmesi için derin öğrenme destekli webcbs çatısı geliştirilmesi
RECEP CAN
Yüksek Lisans
İngilizce
2022
Jeodezi ve FotogrametriHacettepe ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ ÖZGÜN OK
- Detection of faulty solar panels us-ing artificial intelligence techniques
Yapay zekâ teknikleriyle arızalı güneş panellerinin tespiti
ASMAIL ABRAHIM FANIAR
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik MühendisliğiKarabük ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CİHAT ŞEKER
- Building detection from very high resolution satellite images with deep learning approach
Derin öğrenme yaklaşımı ile çok yüksek çözünürlüklü uydu görüntülerinde bina tespiti
ESRA ÖZAYDIN
Yüksek Lisans
İngilizce
2021
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Decision-making process for house plan layout generation through deep learning algorithms: A hybrid model proposal
Derin öğrenme algoritmaları aracılığı ile konut planı yerleşimi için karar verme süreci: Hibrit bir model önerisi
GİZEM ÖZEROL ÖZMAN
Doktora
İngilizce
2024
MimarlıkGazi ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. SEMRA ARSLAN SELÇUK
PROF. DR. ARZU SORGUÇ