DETR derin öğrenme tekniği ile göz tomografi görüntülerinin tanımlanması
Detection of retinal OCT images using DETR deep learning technique
- Tez No: 901506
- Danışmanlar: PROF. DR. EYYÜP GÜLBANDILAR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: DETR (Detection Transformer), Optik Koherens Tomografi (OCT), Retina Deformasyonu, Derin Öğrenme, Görüntü Tanımlama, Göz Hastalıkları, YOLO, DETR (Detection Transformer), Optical Coherence Tomography (OCT), Retinal Deformation, Deep Learning, Image Identification, Eye Disease, YOLO
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yapay Zeka Bilim Dalı
- Sayfa Sayısı: 60
Özet
Bu tez, optik koherens tomografi (OCT) görüntülerinin tanımlanması için derin öğrenme tabanlı bir yöntem olan DETR (Detection Transformer) kullanılarak yapılan bir araştırmayı sunmaktadır. Göz hastalıklarının erken teşhisinde önemli bir rol oynayan OCT görüntüleri, retina katmanlarının yüksek çözünürlüklü kesitlerini sağlar. Geleneksel yöntemlerin sınırlamaları göz önüne alındığında, derin öğrenme teknikleri bu alanda umut verici sonuçlar sunmaktadır. Bu çalışmada, veri setinden rastgele seçilen 435 görüntü, hem retina hastalıklarını içeren hem de kontrol amaçlı sağlıklı retina görüntülerini içermektedir .Bu sayede, hem hastalıklı hem de sağlıklı örneklerle modelin performansı değerlendirilmiştir. Eğitilen modelin doğruluğunu değerlendirmek için, eğitim ve test veri setlerine ayrılmış görüntüler üzerinde bir dizi deney gerçekleştirilmiştir. Elde edilen sonuçlar DETR modelinin hem kesinlik hem de duyarlılık olarak %98 oranı ile retina deformasyonlarını tespit edebildiğini göstermektedir. YOLO modelinin kesinlik ve duyarlılık olarak sırasıyla %91 ve %98 oranı ile retina deformasyonlarını tespit edebildiğini göstermektedir. Bu çalışma, derin öğrenme tabanlı DETR modelinin OCT görüntülerinin otomatik tanımlanmasında etkili bir araç olduğunu ve klinik uygulamalarda kullanılabilirliğini göstermektedir. Sonuçlar, daha geniş veri setleri ve farklı göz hastalıkları üzerinde yapılacak gelecekteki araştırmalar için de bir temel teşkil etmektedir.
Özet (Çeviri)
This thesis presents a study using a deep learning-based method, DETR (Detection Transformer), for the identification of optical coherence tomography (OCT) images. OCT images, which provide high-resolution cross-sections of the retinal layers, play a crucial role in the early diagnosis of eye diseases. Considering the limitations of traditional methods, deep learning techniques offer promising results in this field. In this study, 435 randomly selected images from the dataset, including both retina disease cases and control healthy retina images, were used. Thus, the model's performance was evaluated with both diseased and healthy samples.To assess the accuracy of the trained model, a series of experiments were conducted on images divided into training and test datasets. The results indicate that the DETR model is able to detect retinal deformations with 98% precision and recall. On the other hand, the YOLO model detects retinal deformations with 91% precision and 98% recall. This study demonstrates that the deep learning-based DETR model is an effective tool for the automatic identification of OCT images and its applicability in clinical settings. The results also provide a foundation for future research on larger datasets and various eye diseases.
Benzer Tezler
- Radar verilerinden derin öğrenme ile dron, araç ve insanların gerçek zamanlı tespiti ve sınıflandırılması
Real-time detection and classification of drones, vehicles and humans from radar data using deep learning
AHMET GÜNEY ŞENOCAKLI
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. SENİHA ESEN YÜKSEL ERDEM
- Derin öğrenme mimarileri ile savaş uçaklarının tespit edilmesi
Detection of military aircraft with deep learning architectures
FATİH ŞENGÜL
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSivas Bilim ve Teknoloji ÜniversitesiSavunma Teknolojileri (Disiplinlerarası) Ana Bilim Dalı
DOÇ. DR. KEMAL ADEM
- Nesne tespiti ve görüntü sınıflandırmada derin öğrenme modellerine dayalı yeni yöntemlerin geliştirilmesi
Development of novel deep learning-based methods for object detection and image classification
MALIKI MOUSTAPHA
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. CELAL ÖZTÜRK
- Biyomedikal görüntülerdeki hareketli nesnelerin derin öğrenme yöntemleri ile şekil ve yörünge analizi
Morphology and trajectory analysis of motile objects in biomedical images with deep learning methods
ABDULSAMET AKTAŞ
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HAMZA OSMAN İLHAN
DR. ÖĞR. ÜYESİ GÖRKEM SERBES
- Sera ortamındaki zararlı böceklerin derin öğrenme teknikleriyle tespiti
Detection of pests in greenhouses using deep learning techniques
FATMA ÖNCÜ
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FEHİM KÖYLÜ