A deep learning framework for retinal image analysis
Retina görüntü analizi için derin öğrenme çerçevesi
- Tez No: 875261
- Danışmanlar: Assist. Prof. Dr. MD BAHARUL ISLAM
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Biyomühendislik, Biyoteknoloji, Computer Engineering and Computer Science and Control, Bioengineering, Biotechnology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Yapay Zeka Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 90
Özet
Uzmanlar, çeşitli göz, kan dolaşımı ve beyinle ilgili hastalıkları tespit etmek ve teşhis etmek için retina görüntülerini ve damar ağaçlarını kullanıyor. Bu sorunlar oftalmologlar tarafından renkli fundus görüntüleri veya damar ağaçlarının uzunluk, genişlik, eğrilik ve şekil gibi çeşitli özellikleri analiz edilerek tespit edilebilir. Ancak, cihaz konfigürasyonu ve yanlış işlemlerden dolayı bu görüntülerin kalitesi genellikle çok düşük oluyor ve bu da verimliliğin azalmasına, ekstra masraflara ve hatta yanlış teşhislere yol açıyor. Ek olarak uzmanlar, mikroanevrizmalar veya damar dalları sorunları gibi küçük anormallikleri tespit etmek için büyük, yüksek çözünürlüklü retina görüntülerine ihtiyaç duyar, ancak bu görüntüler genellikle düşük görüntü çözünürlüğünden muzdariptir. Ayrıca retina segmentasyonu, kapsamlı retina segmentasyon veri setlerinin eksikliği, gizlilik sorunları ve bu alanda uzmanlık eksikliği gibi çeşitli faktörlerden dolayı zorlu bir iştir. Bu nedenle, bu çalışmada retinal görüntü kalitesi iyileştirmesi, süper çözünürlük, segmentasyon veri seti oluşturma ve retinal damar segmentasyonunu içeren retina görüntü analizi için bir çerçeve öneriyoruz. Bu çalışmada özellikle Döngüyle tutarlı bir Üretken Çekişmeli Ağ, hibrit bir süper çözünürlüklü ağ, Gürültü Giderici Difüzyon Olasılık Modeli ve değiştirilmiş bir UNet geliştirildi.
Özet (Çeviri)
Experts use retinal images and vessel trees to detect and diagnose various eye, blood circulation, and brain-related diseases. These issues can be detected by ophthalmologists by analysing the colorful fundus images or various characteristics of vessel trees, such as length, width, curvature and shape. However, these images often happen to be of too poor quality due to device configuration and misoperations, leading to decreased efficiency, extra expenses, and even incorrect diagnoses. Additionally, experts require large high-resolution retinal images to detect tiny abnormalities, such as microaneurysms or issues of vascular branches, but these images often suffer from low image resolution. Furthermore, retinal segmentation is a challenging task due to several factors, such as the lack of extensive retinal segmentation datasets, privacy issues, and the lack of expertise in the field. Therefore, in this work we are proposing a framework for retinal image analysis, that includes retinal image quality enhancement, super-resolution, segmentation dataset generation, and retinal vessel segmentation. In particular, a Cycle-consistent Generative Adversarial Network, a hybrid super-resolution network, Denoising Diffusion Probabilistic Model, and a modified UNet are developed in this work.
Benzer Tezler
- Sezgisel optimizasyon yöntemi ile insan retina görüntülerinde optik disk segmentasyonu ve derin öğrenme ile hastalık teşhisi
Optic disc segmentation in human retina images with heuristic optimization method and disease diagnosis with deep learning
HAMIDA ALI ABDUSALAM ALMESHRKY
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKastamonu ÜniversitesiMalzeme Bilimi ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. ABDULKADİR KARACI
- Diyabetik retinopatinin tespiti ve derecelendirilmesinde derin öğrenme teknolojilerinin kullanılması
Use of deep learning technologies for the detection and grading of diabetic retinopathy
ESMA FAZİLET KARAGÜLLE
Yüksek Lisans
Türkçe
2025
Göz HastalıklarıAtatürk ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ESRA ODABAŞ YILDIRIM
DR. ÖĞR. ÜYESİ MUSTAFA YILDIRIM
- Yapay zekâ yöntemleri ile multifokal elektroretinogram ve görme alanı verilerini kullanarak Retinitis Pigmentosa hastalığının değerlendirilmesi
Evaluation of Retinitis Pigmentosa disease using multifocal electroretinogram and visual field data with artificial intelligence methods
BAYRAM KARAMAN
Doktora
Türkçe
2025
Mühendislik BilimleriErciyes ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞEGÜL GÜVEN
- Dıyabetik retinopatinin şiddet seviyesinin tespitiiçin mobil kenar hesaplama ve derin öğrenmetopluluklarına dayanan bir yöntem
A novel framework for severity level detection of diabetic retinopathy based on mobile edge computing and deep learning ensembles
AHMED AL-KARAWI
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik MühendisliğiÇukurova ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERCAN AVŞAR
- Tespit ve benzerlik geri bildirimi ile kızılötesi görüntülerde küçük boyutlu iha takibi için derin öğrenme tabanlı bir yaklaşım
A deep learning framework for tracking small uavs in infrared sequences with detection and similarity feedback
MUHAMMED ZEYN
Yüksek Lisans
İngilizce
2025
Mekatronik MühendisliğiYıldız Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERTUĞRUL BAYRAKTAR