Diyabetik retinopati teşhisine yönelik yapay zekâ tabanlı karar destek modeli
An artificial intelligence-based decision support model for diabetic retinopathy diagnosis
- Tez No: 872413
- Danışmanlar: DOÇ. DR. MESUT TOĞAÇAR
- Tez Türü: Yüksek Lisans
- Konular: Bilgi ve Belge Yönetimi, Bilim ve Teknoloji, Information and Records Management, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Teknoloji ve Bilgi Yönetimi Ana Bilim Dalı
- Bilim Dalı: Teknoloji ve Bilgi Yönetimi Bilim Dalı
- Sayfa Sayısı: 53
Özet
Diyabet hastalarında sıklıkla görülen ve önlem alınmaması durumunda hastalarda ileri derecede görme kaybı veya körlüğe neden olan hastalığa Diyabetik Retinopati (DR) denir. Görme kaybına neden olan hastalıkların başında gelen DR diyabet hastalarının %30'unda görülmektedir. Semptomların çoğu kan şekeri kontrollerinde fark edilip erken tedavi ile müdahale edilebilmektedir. Hastalığın erken teşhis ve tedavisi diyabet hastalarının görme kaybını engellemek için büyük önem arz etmektedir. DR hastalığının erken teşhisinde geleneksel yöntemlerin kullanılması, manuel yöntemlerle hastalığın teşhis edilmesi zaman kaybına neden olabilmekte veya kesin sonuçlara ulaşamamaktadır. Son zamanlarda birçok alanda olduğu gibi sağlık alanında da yapay zekâ yaklaşımlarından faydalanılmaktadır. Yapay zekâ tabanlı modeller objektif karar vererek birçok hastanın teşhis ve tedavisinde katkıda bulunabilmektedir. Bu çalışmada DR hastalığının erken teşhisi, hastalığın derecelendirilmesine yönelik derin öğrenme modelleriyle birlikte makine öğrenme yöntemlerinin iç içe kullanıldığı hibrit bir yapay zekâ modeli önerilmiştir. Çalışmada kullanılan veri kümesindeki görüntüler fundus görüntüleme tekniği ile oluşturulmuş ve hastalığın şiddetine göre 1-5 arasında derecelendirilmiştir. Veri kümesi açık erişimli bir web sitesinden elde edilerek işlemler gerçekleştirilmiştir. Birinci aşamada veriler ön işlemlerden geçirilerek orijinal görüntülerinde gereksiz olan kısımlarından arındırılmıştır. İkinci aşamada bu veriler derin öğrenme modeli tarafından eğitilerek öznitelikleri elde edilmiştir sonrasında öznitelikleri arasında verimli olanların özellik seçim algoritmaları tarafından ön plana çıkarılmıştır. Buradaki amaç modelin zamandan kazanç elde etmesi ve performans başarısına katkıda bulunmasıdır. Üçüncü aşamada verimli özniteliklerden elde edilen veriler sınıflandırma için makine öğrenme yöntemleri kullanılarak eğitilmiş ve en iyi sonuca ulaşılmıştır. Deneysel analiz sonucunda önerdiğimiz yapay zekâ modeli %100 genel doğruluk başarısına ulaşmıştır.
Özet (Çeviri)
Diabetic Retinopathy (DR) is a disease commonly observed in diabetic patients, which, if left untreated, can lead to advanced vision loss or blindness. DR is found in approximately 30% of diabetic patients, making it one of the leading causes of vision loss. Most symptoms can be noticed during blood sugar monitoring and can be intervened with early treatment. Early diagnosis and treatment of the disease are crucial for preventing vision loss in diabetic patients. The use of traditional methods in the early diagnosis of DR, involving manual techniques, can lead to time loss or inconclusive results. Recently, like in many other fields, artificial intelligence approaches are being utilized in healthcare as well. AI-based models can make objective decisions and contribute to the diagnosis and treatment of many patients. In this study, a hybrid artificial intelligence model is proposed, which combines deep learning models for the early diagnosis and grading of DR along with machine learning methods. The images in the dataset used in the study were created using fundus imaging technique and graded between 1-5 according to the severity of the disease. The dataset was obtained from an open-access website and processed accordingly. In the first stage, the data underwent preprocessing to remove unnecessary parts from the original images. In the second stage, these data were trained by a deep learning model to extract features, and efficient features were highlighted by feature selection algorithms. The aim here is to save time for the model and contribute to its performance success. In the third stage, the data obtained from efficient features were trained using machine learning methods for classification, and the best results were achieved. Experimental analysis resulted in the proposed artificial intelligence model achieving 100% overall accuracy.
Benzer Tezler
- 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 tanısına yönelik derin öğrenme tabanlı sınıflandırma
Deep learning based classification for diabetic retinopathy diagnosis
OSMAN CEYLAN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBurdur Mehmet Akif Ersoy ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ONUR SEVLİ
- 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
- Diabetic retinopathy classification with using deep learning
Derin öğrenme ile diyabetik retinopati sınıflandırılması
MEHMET ALPER ŞAHİN
Yüksek Lisans
İngilizce
2024
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiVeri Mühendisliği ve İş Analitiği Ana Bilim Dalı
DOÇ. DR. ÖMER FARUK BEYCA
- Diyabetik retinopati hastalığında lezyon bölgelerinin tespitine yönelik benzerlik ölçüm teknikleri
Similarity measurement techniques for the detection of lesion regions in diabetic retinopathy disease
ONUR KILINÇÇEKER
Yüksek Lisans
Türkçe
2011
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiUluslararası Bilgisayar Ana Bilim Dalı
YRD. DOÇ. DR. MUHAMMED GÖKHAN CİNSDİKİCİ