Fundus görüntülerinin diyabetik retinopati değerlendirmesine yönelik olarak bölütlenmesi
Segmentation of fundus images for diabetic retinopathy evaluation
- Tez No: 866599
- Danışmanlar: DOÇ. DR. SENİHA ESEN YÜKSEL ERDEM
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Göz Hastalıkları, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering, Eye Diseases
- Anahtar Kelimeler: segmentation, diabetic retinopathy, data augmentation, deep learning, artificial intelligence, image processing, denoising
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
En yaygın hastalıklardan biri olan diyabet çeşitli komplikasyonlara yol açmaktadır. Bunlardan biri olan diyabetik retinopati yetişkinlerde kalıcı körlüğün birinci sebebidir. Bu hastalığın düzenli taranması hem hastaların daha az görü kaybını sağlamaktadır hem de erken teşhis sayesinde sağlık sistemine olan maliyeti düşürmektedir. Verimli bir halk sağlığı tarama sistemi oluşturulabilmesi için doktorların üzerine düşen iş yükünün azaltılması gerekmektedir. Diyabetik retinopati kontrollerin otomatize edilmesi son yıllarda bu nedenle revaçta olan bir konudur. Diyabetik retinopatinin tespitini sağlayan bir sistemin örtülü ya da açık bir şekilde hastalığa dair bulguları öğrenmesi gerekmektedir. Bu tez kapsamında hastalığın sınıflandırılması için gereken lezyonların doğrudan segmentasyonu üzerine çalışılmıştır. Bunun için dört önemli lezyon türü olan mikroanevrizma, hemoraji, eksudat ve yumuşak eksudat için oluşturulmuş IDRiD veri kümesi kullanılmıştır. Bu çalışmada veri kümesinin sınırlı sayıda görüntüden ve lezyondan oluşmasının yol açtığı sorunların üzerine gidilmiştir. Bu amaçla veri kümesi odaklı aşağıdaki yöntemler geliştirilmiştir: -Retina lezyonlarının belirgin olmasını sağlayan ön işleme yöntemi -Sağlıklı görüntülere lezyon eklenmesiyle veri artırımı yöntemi -Üç aşamalı aktarmalı öğretim yöntemi Bu yöntemlerin de yardımıyla çeşitli parametreler ve diğer yöntemlerin kombinasyonları taranarak literatürdeki en yüksek ikinci performans değeri yakalanmıştır. Listelenen yöntemlerin pozitif etkileri test edilerek sunulmuştur. segmentasyon, diyabetik retinopati, veri artırma, derin öğrenme, yapay zeka, görüntü işleme, gürültü giderme
Özet (Çeviri)
Diabetes, one of the most common diseases, leads to various complications. One of these complications, diabetic retinopathy, is the leading cause of permanent blindness in adults. Regular screening for this disease not only reduces the risk of vision loss for patients but also lowers healthcare costs through early diagnosis. To establish an efficient public health screening system, it is essential to reduce the workload on doctors. Therefore, automating diabetic retinopathy checks has become a popular topic in recent years. A system that enables the detection of diabetic retinopathy must learn to recognize signs of the disease, whether they are explicit or hidden. In this thesis, we focused on the direct segmentation of lesions required for classifying the disease. For this purpose, we used the IDRiD dataset, which includes four important lesion types: microaneurysms, hemorrhages, exudates, and soft exudates. In this study, we addressed the challenges arising from the limited number of images and lesions in the dataset. To achieve this, the following dataset-focused methods were developed: -Pre-processing methods to enhance the visibility of retinal lesions. -Data augmentation method by adding lesions to healthy images. -A three-stage transfer learning method. With the help of these methods, various parameters and combinations of other techniques were tested, resulting in achieving the second-highest performance value in the literature. The positive effects of the listed methods were tested and presented.
Benzer Tezler
- Diyabetik retinopatinin erken teşhisine yönelik derin öğrenme temelli lezyon tespit sistemi
Deep learning based lesion detection system for early diagnosis of diabetic retinopathy
TURAB SELÇUK
Doktora
Türkçe
2020
Elektrik ve Elektronik MühendisliğiKahramanmaraş Sütçü İmam ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET ALKAN
- Diyabetik retinopati sınıfladırmasında derin öğrenme, transfer öğrenme ve model birleştirme yaklaşımları
Deep learning, transfer learning and model ensemble approaches in diabetic retinopathy classification
KÜRŞAD KOCAİSPİR
Yüksek Lisans
Türkçe
2026
Mühendislik BilimleriOsmaniye Korkut Ata ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. KEMAL BALIKÇI
PROF. DR. UFUK BAL
- Retina görüntülerinin kalite değerlendirmesi ve diyabetik retinopati hastalığının tespiti
Retinal image quality assessment and detection of diabetic retinopathy disease
UĞUR ŞEVİK
Doktora
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. CEMAL KÖSE
- Adaptive resizer integrated deep reproductive feature generation framework for the analysis of diabetic retinopathy images
Diyabetik retinopati görüntülerinin analizi için uyarlanır yeniden boyutlandırıcı bütünleştirilmiş derin üretken öznitelik üretim çerçevesi
AHMET EMRE HARSA
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİzmir Yüksek Teknoloji EnstitüsüHesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
DOÇ. DR. ABDURRAHMAN GÜMÜŞ
PROF. DR. BARIŞ ATAKAN
- Diyabetik maküla ödeminde fundus otoflöresansı
Fundus autofluorescence i̇n di̇abeti̇c macular edema
SEMA TAMER KADERLİ
Tıpta Uzmanlık
Türkçe
2017
Göz HastalıklarıSağlık Bilimleri ÜniversitesiGöz Hastalıkları Ana Bilim Dalı
DOÇ. DR. DİCLE HAZIROLAN