Retınal damar segmentasyonunda görüntü segmentasyon modellerinin değerlendirilmesi
Evaluation of image segmentation models in retinal vessel segmentation
- Tez No: 879752
- Danışmanlar: DR. ÖĞR. ÜYESİ İNCİ ZAİM GÖKBAY
- Tez Türü: Yüksek Lisans
- Konular: Göz Hastalıkları, Eye Diseases
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Enformatik Ana Bilim Dalı
- Bilim Dalı: Enformatik Bilim Dalı
- Sayfa Sayısı: 107
Özet
Retina görüntüleri içindeki damarların tespit edilmesi ve belirli bölgelere ayrılması işlemini retinal damar segmentasyonu olarak adlandırılmaktadır. Bu süreç, diyabetik retinopati, hipertansiyon, makula dejenerasyonu gibi göz hastalıklarının tanı ve takibinde önemli rol oynamaktadır. Oftalmologlar, hastalığın erken teşhisini sağlamak ve hastalığın ilerlemesini izlemek için vasküler yapıların görünümündeki değişiklikleri analiz etmektedirler. Retina damarlarının segmentasyonu ise tıbbi görüntü işleme, görsel analiz çalışmaları, ilaç ve tedavi geliştirme süreçleri ve klinik karar verme süreçlerinde büyük önem taşımakta ve sağlık hizmetlerinin verimliliğine katkı sağlamaktadır. Manyetik rezonans görüntüleme (MRI), Bilgisayarlı Tomografi (CT) ve X ışınları gibi diğer tıbbi görüntüleme teknikleri gibi retinal damarların segmentasyonu da görüntü işleme yoluyla tümör, lezyon ve diğer patolojik yapıların tespiti ile birlikte hastalıkların teşhis ve tedavisinde kritik bir rol oynar. Bu yüzden bu çalışma ile hastalık tanı sürecinin ilk adımı olan retina görüntülerinden kan damarlarının segmentasyonunun araştırılması hedeflenmektedir. Bu amaç doğrultusunda literatürdeki mevcut makaleler incelenmiş ve retina damar bölütlemesinde kullanılan yöntemler sistematik olarak derlenmiştir. İlk çalışmalardan günümüze kadar geçen süre içinde damar segmentasyonuna yönelik çeşitli çözüm yaklaşımları değerlendirilmiştir. Bu değerlendirme sürecinde Linknet, Özellik Piramit Ağı (FPN), Piramit Sahne Ayrıştırma Ağı (UNET PSPNet) ve YOLO v8 segmentasyon modelleri DRIVE, CHASEBASE ve ACRIMA veri seti kullanılarak incelenmiştir. Her model için çeşitli temel mimariler ('vgg16', 'efficientb0', 'resnet50') kullanılarak karşılaştırmalar yapılmıştır. Her modelin retina damar bölütlemesindeki tutarlılığı performansı karşılaştırmalı olarak değerlendirilmiştir. Elde edilen sonuçlar ışığında farklı koşullar altında etkili olan model belirlenmiştir. Bu çalışma ile retina damar segmentasyonu için farklı modellerinin başarıları sistematik olarak değerlenerek gelecekte yapılacak çalışmalara rehberlik edilmesi amaçlamaktadır.
Özet (Çeviri)
The process of detecting vessels in retinal images and dividing them into specific regions is called retinal vessel segmentation. This process plays an important role in the diagnosis and follow-up of eye diseases such as diabetic retinopathy, hypertension and macular degeneration. Ophthalmologists analyze changes in the appearance of vascular structures to enable early diagnosis of the disease and monitor disease progression. Segmentation of retinal vessels is of great importance in medical image processing, visual analysis studies, drug and treatment development processes and clinical decision-making processes and contributes to the efficiency of healthcare services. Like other medical imaging techniques such as magnetic resonance imaging (MRI), Computed Tomography (CT) and X-rays, segmentation of retinal vessels plays a critical role in the diagnosis and treatment of diseases along with the detection of tumors, lesions and other pathological structures through image processing. Therefore, this study aims to investigate the segmentation of blood vessels from retinal images, which is the first step in the disease diagnosis process. For this purpose, existing articles in the literature were examined and the methods used in retinal vessel segmentation were systematically compiled. Various solution approaches for vessel segmentation have been evaluated since the first studies until today. During this evaluation process, Linknet, Feature Pyramid Network (FPN), Pyramid Scene Parsing Network (UNET PSPNet) and YOLO v8 segmentation models were examined using the DRIVE, CHASEBASE and ACRIMA dataset. Comparisons were made using various underlying architectures ('vgg16', 'efficientb0', 'resnet50') for each model. The consistency and performance of each model in retinal vessel segmentation was evaluated comparatively. In the light of the results obtained, a model that is effective under different conditions was determined. This study aims to guide future studies by systematically evaluating the success of different models for retinal vascular segmentation.
Benzer Tezler
- Hücre-damar segmentasyonunda kullanılan derin sinir ağı modellerinin hiper-parametre optimizasyonu
Hyper-parameter optimization of deep neural networks for cell-vessel segmentation
ZEKİ KUŞ
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih Sultan Mehmet Vakıf ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BERNA KİRAZ
- Deep learning based adaptive resizing of high resolution images for improved segmentation performance
Gelişmiş segmentasyon performansı için yüksek çözünürlüklü görüntülerin derin öğrenme tabanlı uyarlanabilir yeniden boyutlandırılması
EKREM FİDAN
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİzmir Yüksek Teknoloji EnstitüsüElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ABDURRAHMAN GÜMÜŞ
- Sürü zekâsına dayalı metasezgisel algoritmalar ile retinal damar segmentasyonu
Retinal vessel segmentation by using swarm intelligence based metaheuristic algorithms
HAKAN DURAN
Doktora
Türkçe
2025
Mekatronik MühendisliğiErciyes ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET BAHADIR ÇETİNKAYA
- Sığırlarda retina biyometrisi ile görüntü işleme tabanlı kimliklendirme ve tanıma
Image processing-based identification and recognition in cattle using retinal biometrics
MUHAMMED AKYÜZLÜ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTekirdağ Namık Kemal ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. PINAR CİHAN
DOÇ. DR. AHMET SAYGILI
- Retina görüntülerinde bilgisayar destekli damar segmentasyonu
Computer assisted vessel segmentation from retinal images
ESİN UYSAL
Yüksek Lisans
Türkçe
2019
Mühendislik BilimleriAfyon Kocatepe ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜR EMRE GÜRAKSIN