Diyabetik retinopati hastalığının teşhisi için derin öğrenme ile retinal fundus görüntülerinin sınıflandırılması
Classification of retinal fundus images with deep learning for diagnosis of diabetic retinopathy
- Tez No: 885776
- Danışmanlar: DOÇ. DR. PINAR TÜFEKCİ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Computer Engineering and Computer Science and Control, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Tekirdağ Namık Kemal Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 95
Özet
Bu çalışmada, diyabetik retinopati hastalığının teşhisi ve hastalığın seviyesinin belirlenmesi, bir sınıflandırma problemi olarak ele alınmış ve tahmin edilmeye çalışılmıştır. Bu amaçla, popüler bir veri seti olan APTOS 2019 veri setinin 224x224 filtrelenmiş versiyonu seçilmiş olup, bu veri setinden, çok sınıflı ve az sınıflı olmak üzere toplamda 5 adet yeni veri seti daha oluşturulmuştur. Orijinal veri seti ve yeni oluşturulan yeni veri setlerine, CNN tabanlı mimariler (5 Layer CNN, EfficientNetB0, EfficientNetB1, VGG16, VGG16-TL, VGG19-TL, MobilNet, MobileNet V2, bizim tasarladığımız CNN, GoogleNet, DenseNet121 ve ResNet50) uygulanarak ve farklı veri bölümlendirmeleri seçilerek (80-20 eğitim-test, 3,5 ve 10 kez çapraz doğrulama) geniş çaplı bir modelleme çalışması yapılmıştır. Sonuç olarak, hastalık seviyesinin sınıflandırması için en iyi model, %94.82 test doğruluk başarısı ile MobilNet V2 modeli olarak; hastalık tahmini için de en iyi model, %99.26 test doğruluk başarısı ile DenseNet121 modeli olarak bulunmuştur.
Özet (Çeviri)
In this study, the diagnosis of diabetic retinopathy and the determination of the level of the disease is considered as a classification problem and prediction is attempted. For this purpose, the 224x224 filtered version of the APTOS 2019 dataset, which is a popular dataset, was selected and a total of 5 new datasets were created from this dataset, including multi-class and low-class datasets. A large-scale modeling study was conducted by applying CNN-based architectures (5 Layer CNN, EfficientNetB0, EfficientNetB1, VGG16, VGG16-TL, VGG19-TL, MobilNet, MobileNet V2, our designed CNN, GoogleNet, DenseNet121 and ResNet50) to the original dataset and the newly created new datasets and by choosing different data partitions (80-20 training-testing, 3,5 and 10 times cross-validation). As a result, the best model for disease level classification was found to be the MobilNet V2 model with 94.82% test accuracy and the best model for disease prediction was found to be the DenseNet121 model with 99.26% test accuracy.
Benzer Tezler
- Diyabetik retinopati hastalığının erken teşhisi için retina görüntülerinin derin öğrenme tabanlı sınıflandırılması
Deep learning based classification of retinal images for earlydiagnosis of diabetic retinopathy disease
YUSUF BAHRİ ÖZÇELİK
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiZonguldak Bülent Ecevit ÜniversitesiElektrik-Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYTAÇ ALTAN
- Retinal fundus görüntülerinde sınıflandırma ve bölütleme
Classification and segmentation in retinal fundus images
SAADET AYTAÇ ARPACI
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SONGÜL VARLI
- 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
- Fundus görüntülerinin sınıflandırılarak diyabetik retinopati hastalığının derin öğrenme ile tespiti
Detection of diabetic retinopathy disease by classifying fundus images using deep learning
HALİL İBRAHİM ŞAHİN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolİSTANBUL BEYKENT ÜNİVERSİTESİBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TALAT FİRLAR
- Evrişimli sinir ağları kullanılarak retina görüntülerinin segmentasyonu ve sınıflandırılması
Segmentation and classification of retina images using convolutional neural networks
MALI MOHAMMEDHASAN
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HARUN UĞUZ