Geri Dön

A deep learning framework for retinal image analysis

Retina görüntü analizi için derin öğrenme çerçevesi

  1. Tez No: 875261
  2. Yazar: ALNUR ALIMANOV
  3. Danışmanlar: Assist. Prof. Dr. MD BAHARUL ISLAM
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Biyomühendislik, Biyoteknoloji, Computer Engineering and Computer Science and Control, Bioengineering, Biotechnology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: Bahçeşehir Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Yapay Zeka Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

    İngilizce

    2021

    Elektrik ve Elektronik MühendisliğiÇukurova Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ERCAN AVŞAR

  2. Bilgisayarlı görü ile yüz yüze sınavlarda şüpheli davranışların ortaya çıkarılması için derin öğrenme çerçevesi tasarımı

    Designing a deep learning framework for unveiling suspicious behavior in face-to-face exams with computer vision

    DOĞU SIRT

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMilli Savunma Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ EDİZ ŞAYKOL

  3. DA4HI: A deep learning framework for facial emotion recognition in affective systems for children with hearing impairments.

    DA4HI: İşitme engelli çocuklar için duyuşsal sistemlerde yüzdeki duyguların tanınması maksadıyla geliştirilen derin öğrenme modeli.

    CEMAL GÜRPINAR

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HATİCE KÖSE

    PROF. DR. NAFİZ ARICA

  4. Joint autoencoder-based predictive maintenance methods for industrial machinery

    Endüstriyel makineler için birleşik otokodlayıcı tabanlı kestirimci bakım yöntemleri

    KÜRŞAT İNCE

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGebze Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ YAKUP GENÇ

  5. Derin öğrenme modellerinin belirsizlik ölçümü

    Uncertainty quantification in deep learning models

    SAMET GÜMÜŞ

    Doktora

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ALİ GÜNEŞ