SHAP görselleştirme tekniği ve makine öğrenmesi yöntemleri ile diyabetik retinopatinin erken tanı modellemesi
Early diagnosis modeling of diabetic retinopathy using SHAP visualization technique and machine learning methods
- Tez No: 859241
- Danışmanlar: PROF. DR. ALİ GÜNEŞ
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: İstanbul Aydın Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 115
Özet
Diyabet, istikrarsız kan şeker seviyelerinden kaynaklanan tedavisi mümkün olmayan ve yaşamı tehdit eden bir durumdur ve dünya çapında 400 milyondan fazla insanı etkilemektedir. Ölümcüllüğünün yanı sıra, diyabet vücuttaki çeşitli organlara zarar vererek çeşitli komplikasyonlara yol açabilir. Bazı hastaların diyabetin erken belirtilerini fark etmemesi durumunda, tanı konulduğunda organlarda ciddi hasarlar meydana gelebilir ve bunun sonucunda diyabetle ilişkili yaklaşık 1.5 milyon ölüm meydana gelir. Diyabetle ilişkili bir göz hastalığı olan diyabetik retinopati (DR), yüksek kan şekeri seviyelerine bağlı olarak retinal kan damarlarında meydana gelen hasardan kaynaklanır. DR ilerledikçe, bulanık görme, aralıklı görme kaybı ve körlük gibi görme sorunları riski artar. Erken teşhis, hastalığın ilerlemesiyle ilişkilendirilen ciddi semptomların hafifletilmesine yardımcı olabilir. Çalışma, farklı eğitim dönemi yapılandırmalarını inceleyerek bu incelemelerden elde edilen bulguları ve grafikleri karşılaştırıyor. Sonuçlar, EfficientNET, DenseNET ve ResNet'in görüntü sınıflandırma görevlerine etkin bir şekilde katkıda bulunabileceğini göstermektedir. EfficientNET, diğerlerinden bile altı eğitim tekrarıyla daha iyi performans göstermektedir. Genel olarak, çalışmanın sonuçları, KSA mimarisinin seçiminin kişisel tercihten ziyade ihtiyaca dayalı olması gerektiğini önermektedir. Sınıflandırma doğruluğunu değerlendirmek için çeşitli deneyler yapılmış, bu deneylerde SHAP yinelemeli ve küresel görüntüleme çözümü ile eksuda ve kanama için toplam piksel sayılarının farklı kombinasyonları, eksuda ve kanlı bölgelerin sayıları kullanılmıştır. Sonuçlar, tüm kullanılan sınıflandırıcı modellerde destek vektör makinesi tabanlı yaklaşımın parçacık sürü optimizasyonu ile daha yüksek doğru sınıflandırma oranlarına ulaşmıştırğını göstermektedir. Son olarak, bu tez, göz doktorları için tasarlanmış bir teşhis destek sistemi önermektedir, böylece hasta kalabalığından kaynaklanabilecek potansiyel karışıklıkları azaltır
Özet (Çeviri)
Diabetes is an incurable and life-threatening condition caused by unstable blood sugar levels, affecting over 400 million individuals worldwide. Besides its lethality, diabetes can lead to various complications by harming different organs in the body. As some patients may not recognize the early symptoms of diabetes, significant damage to organs can occur upon diagnosis, resulting in approximately 1.5 million deaths annually attributed to diabetes-related causes. Diabetic retinopathy (DR), an eye disease linked to diabetes, results from damage to retinal blood vessels due to elevated blood sugar levels. As DR progresses, the risk of vision problems such as blurriness, intermittent loss, and blindness increases. Early detection can help mitigate severe symptoms associated with disease progression. The study delves into various training period configurations, comparing the findings and graphs obtained from these examinations. Results suggest that both EfficientNET, DenseNET and ResNet can effectively contribute to image classification tasks. EfficientNET performs better than its counterparts even with just six training iterations. Overall, the study's outcomes suggest that the choice of KSA architecture should be driven by necessity rather than personal preference. Various experiments are conducted to assess classification accuracy, employing different combinations of total pixel counts for exudate and hemorrhage, along with the numbers of exudate and hemorrhagic regions with using SHAP iterative and spherical imaging solution. Results indicate that the support vector machine-based approach with particle swarm optimization consistently achieves higher rates of correct classification compared to both the firefly and support vector machine-based approaches across all classifier models utilized. Ultimately, this thesis proposes a diagnostic support system designed for ophthalmologists to mitigate potential confusion arising from patient overcrowding.
Benzer Tezler
- Development of data-drıven models for estımatıng mud and fıltrate alkalınıty usıng machıne learnıng applıcatıons
Makine öğrenimi uygulamaları kullanarak çamur ve filtrat alkalinitesini tahmin etmek için veri odaklı modellerin geliştirilmesi
AHMET ÖNDER
Yüksek Lisans
İngilizce
2025
Petrol ve Doğal Gaz Mühendisliğiİstanbul Teknik ÜniversitesiPetrol ve Doğal Gaz Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İHSAN BURAK KULGA
DR. SERCAN GÜL
- Hybrid cryptocurrency price prediction: Integrating EGARCH and LSTM with explainable AI
Hibrit kripto para birimi fiyat tahmini: EGARCH ve LSTM'yi açıklanabilir yapay zeka ile entegre etmek
ASHRAF NIDHAL MOHAMMED MOHAMMED
Yüksek Lisans
İngilizce
2025
İstatistikOndokuz Mayıs Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. MEHMET ALİ CENGİZ
- Otel işletmelerinde müşteri yaşam boyu değeri tahmini ve yönetimi: Web tabanlı bir uygulama ile entegre yaklaşım
Customer lifetime value prediction and management in hotel organizations: An integrated approach with a web-based application
LEYLA ATABAY
Doktora
Türkçe
2025
TurizmAkdeniz ÜniversitesiTurizm İşletmeciliği Ana Bilim Dalı
PROF. DR. BEYKAN ÇİZEL
- Dalgacık dönüşümü ve shap destekli özellik seçimi ile CNN-LSTM tabanlı güneş ışınımı tahmini
CNN-LSTM based solar irradiance estimation using wavelet transform and shap-assisted feature selection
SONGÜL KAYIK
Yüksek Lisans
Türkçe
2025
EnerjiBatman ÜniversitesiYenilenebilir Enerji Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SELAHATTİN BARIŞ ÇELEBİ
- Proje efor tahmini için makine öğrenmesi modellerinin geliştirilmesi ve SHAP yöntemi kullanılarak açıklanması
Development of machine learning models for project effort prediction and explanation using SHAP method
ESMA NUR KAYA
Yüksek Lisans
Türkçe
2025
Yönetim Bilişim SistemleriSivas Cumhuriyet ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YASİN GÖRMEZ