Geri Dön

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

PDF İndir

  1. Tez No: 919204
  2. Yazar: HAMIDA ALI ABDUSALAM ALMESHRKY
  3. Danışmanlar: DOÇ. DR. ABDULKADİR KARACI
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Kastamonu Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Malzeme Bilimi ve Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 91

Özet

Glokom, optik sinirin hasar görmesiyle karakterize, genellikle geri dönüşü olmayan görme kaybıyla sonuçlanan yaygın bir göz hastalığıdır. Sinsi doğası, özellikle de minimal semptomlarla seyreden erken evrelerde, zamanında teşhis ve müdahaleyi zorlaştırmaktadır. Bu çalışma, retina görüntülerinde optik diski lokalize etme ve segmentlere ayırmanın yanı sıra tanı doğruluğunu artırmak için glokom varlığını sınıflandırmanın kritik zorluğunu ele almaktadır. Bunun yanı sıra, gri kurtların sosyal davranışlarını simüle eden doğadan ilham alan meta sezgisel bir algoritma olan Gri Kurt Optimizasyonunu (GKO) kullanarak insan retina görüntülerinde optik disk segmentasyonu için yeni bir yaklaşım önermekte ve bu yaklaşımı ilk defa bu amaçla kullanmaktadır. Ayrıca çalışma kapsamında gokom hastalığını sınıflandırma için iki model geliştirilmiştir: Model 1, ResNet50, Inception V3, VGG19, DenseNet201 ve Swin Transformer gibi gelişmiş ağlarla uçtan uca bir derin öğrenme mimarisi kullanırken, Model 2, Bi-LSTM, Destek Vektör Makinesi (DVM), Rastgele Orman (RO) ve k-enyakın komşu (k-NN) gibi geleneksel makine öğrenimi tekniklerini CNN modelleriyle entegre etmektedir. Bunun yanı sıra, araştırma sınıflandırma için iki yaklaşım uygulamaktadır: modellere tüm görüntüyü besleyen tek aşamalı bir yaklaşım ve YOLO segmentasyon yöntemi ile kırpılmış görüntüleri modellere besleyen iki aşamalı bir yaklaşım. Çalışmada, glokom hastalığının ve optic disk bölgesinin tespit doğruluğunu önemli ölçüde artıran optimum hiperparametreleri belirlemek için kapsamlı deneyler yapılmıştır. GKO ile segmentasyon için Drishti-GS1 veri setinde ortalama %96,04 duyarlılık, %99,58 özgüllük, %99,39 doğruluk, %94,15 DICE katsayısı ve %90,4 Jaccard indeksi elde etmiştir. Sınıflandırma için, Swin Transformer modeli Drishti-GS1 veri setinde dışarıda tutma doğrulaması ve üç kat çapraz doğrulama için sırasıyla %100 ve %88,18'lik yüksek test doğruluğu elde etmiştir. Ayrıca, ORIGA veri setinde dışarıda tutma doğrulamada Swin Transformer %96,15 ve beş kat çapraz doğrulamada ise InceptionV3 %93,84'lük yüksek test doğruluğu ile dikkate değer sonuçlar elde etmiştir. Sonuçlar önceki çalışmalarla karşılaştırıldığında önerilen bu modeller daha iyi performans göstermiştir.

Özet (Çeviri)

in irreversible vision loss. Its insidious nature, particularly in early stages with minimal symptoms, complicates timely diagnosis and intervention. This study addresses the critical challenge of localizing and segmenting the optic disc in retinal images, along with classifying Glokom's presence to enhance diagnostic accuracy. This study introduces a novel approach for optic disc segmentation in human retina images using Grey Wolf Optimization (GWO), a nature-inspired meta-heuristic algorithm that simulates the social behavior of grey wolves, marking its first application in this context. For classification, two models are developed: Model 1 employs an end-to-end deep learning architecture with advanced networks such as ResNet50, Inception V3, VGG19, DensNet201, and Swin Transformer, while Model 2 integrates Bi-LSTM and traditional machine learning techniques, including DVM, Random Forest, and K-Nearest Neighbour (KNN) with CNNs models. The research implements two classification approaches: a one-stage method that processes the entire image and a two-stage method that analyses cropped images using the YOLO framework. Comprehensive experiments are conducted to identify optimal hyperparameters, significantly enhancing the accuracy of Glokom detection. GWO achieved an average sensitivity of 96.04%, a specificity of 99.58%, an accuracy of 99.39%, a DICE coefficient of 94.15%, and a Jaccard index of 90.4% on the Drishti-GS1 dataset for segmentation. For classification, the Swin Transformer model achieved high test accuracy of 100% for hold-out validation and 88.18% for 3-fold cross-validation on the Drishti-GS1 dataset. Additionally, on the ORIGA dataset, the Swin Transformer model obtained remarkable results with 96.15% test accuracy for hold-out validation and InceptionV3 achieved 93.84% test accuracy for 5-fold cross-validation. Compared to previous studies, the proposed models in this work have demonstrated superior performance.

Benzer Tezler

  1. Tez No

    768890

    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

    İngilizce

    2022

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA

  2. Tez No

    830621

    Black widow optimization algorithm coupled with aes crypto for multilevel image thresholding with improved otsu thresholding

    Gelişmiş otsu eşiği ile çok düzeyli görüntü eşiği için aes crypto ile birleştirilen black wıdow optimizasyon algoritması

    ANFAL THAER HUSSEIN AL-RAHLAWEE

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. OĞUZ BAYAT

  3. Tez No

    698093

    A novel modified teaching-learning based algorithm and its applications

    Yeni bir değiştirilmiş öğretme-öğrenme tabanlı algoritma ve uygulamaları

    TAREQ MEQDAM TAREQ AL-BASHAQHA

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AHMET NUSRET TOPRAK

  4. Tez No

    961936

    Coupling different machine learning and meta-heuristic optimization techniques to generate the snow avalanche susceptibility map in French alps

    Makine öğrenmesi ve meta-sezgisel optimizasyon tekniklerinin birleştirilmesiyle Fransız alplerinde kar çığları duyarlılık haritası oluşturma

    ENES CAN KAYHAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ÖMER EKMEKCİOĞLU

  5. Tez No

    959014

    Afet yönetiminde geçici barınma alanlarının yer seçimi problemi için Afrika akbabası optimizasyon algoritması tabanlı bir yaklaşım

    An African vulture optimization algorithm-based approach for the problem of location temporary shelters in disaster management

    NAGİHAN YİĞİT

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolNecmettin Erbakan Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HÜSEYİN HAKLI

Geri Dön