Geri Dön

Derin öğrenme kullanarak optik sinir hipoplazisi hastalığının tespiti

Detection of optic nerve hypoplasia disease using deep learning

PDF İndir

  1. Tez No: 934595
  2. Yazar: CANAN ÇELİK
  3. Danışmanlar: PROF. DR. İBRAHİM YÜCEDAĞ
  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: Düzce Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Disiplinlerarası Elektrik-Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 212

Özet

İnsan retinal görüntülerinden optik disk konumunun doğru tespiti ve değerlendirilmesi, özellikle optik sinir hipoplazisi (ONH) gibi doğumsal anomalilerin erken teşhisinde kritik öneme sahiptir. Bu doktora çalışmasında, ONH'nin erken teşhisi için evrişimsel sinir ağları tabanlı özgün bir derin öğrenme sistemi geliştirilmiştir. ONH teşhisinde retinal görüntülerden optik disk ve foveanın tespiti, doğru ölçümü ve değerlendirilmesi kritik öneme sahiptir. ONH için ilk defa önerilen bu otomatik teşhis yaklaşımı, ResNet-18 ön öğretimli kodlayıcı ve U-Net mimarisinin birleşimiyle oluşturulan derin öğrenme modelini kullanmaktadır. Önerilen sistem, gradyan iniş optimizasyonu ve çoklu ölçekli özellik çıkarımı sayesinde geleneksel yöntemlerin karşılaştığı ışıklandırma farklılıkları, bulanık sınırlar ve damar örtüşmeleri gibi zorlukların üstesinden gelmektedir. Geliştirilen model, uluslararası Messidor, IDRID, DIARETDB1, HRF, DRIVE ve APTOS veri setleri üzerinde kapsamlı testlere tabi tutulmuş ve hem optik disk hem de fovea segmentasyonunda başarılı sonuçlar elde edilmiştir. Model performansını klinik koşullarda da değerlendirmek amacıyla Düzce Üniversitesi Göz Hastalıkları Anabilim Dalı'ndan alınan retinal görüntülerle ONH-NET adlı özgün bir veri seti oluşturulmuş ve sistemin gerçek klinik vakalardaki performansı doğrulanmıştır. Çalışmanın en önemli katkısı, optik disk çapı ve makula merkezi arası mesafe oranlarını otomatik olarak hesaplayarak ONH teşhisinde %99,58 başarı elde etmesidir. Sistem, klinisyenlere manuel ölçüm ve hesaplamalara gerek kalmadan, hızlı, objektif ve güvenilir bir karar destek mekanizması sunmaktadır. Optik disk ve fovea tespitinin yanı sıra, makula sınırlarının belirlenmesi ve ONH için kritik morfometrik ölçümlerin otomatik gerçekleştirilmesi, bu çalışmayı literatürdeki benzer çalışmalardan ayırmaktadır. Bu tez, retinal görüntüleme ve derin öğrenme alanlarındaki yenilikçi yaklaşımları birleştirerek, klinik uygulamalarda kullanılabilir bir çözüm sunmakta ve oftalmoloji alanına önemli katkılar sağlamaktadır.

Özet (Çeviri)

The accurate localization and evaluation of the optic disc position in human retinal images is critical for the early diagnosis of congenital anomalies such as optic nerve hypoplasia (ONH). This doctoral research presents a novel deep learning-based system utilizing convolutional neural networks for the early detection of ONH. The precise localization, measurement, and evaluation of the optic disc and fovea in retinal images are essential for ONH diagnosis. This automated diagnostic approach, proposed for the first time for ONH, leverages a deep learning model that combines a ResNet-18 pre-trained encoder with the U-Net architecture. The proposed system overcomes challenges associated with traditional methods, such as variations in illumination, blurred boundaries, and vascular occlusions, through gradient descent optimization and multi-scale feature extraction. The developed model has undergone extensive testing on international datasets, including Messidor, IDRID, DIARETDB1, HRF, DRIVE, and APTOS, achieving high performance in both optic disc and fovea segmentation. To evaluate its clinical applicability, an original dataset named ONH-NET was created using retinal images collected from the Department of Ophthalmology at Duzce University. The system's performance on real clinical cases was thoroughly validated. The most significant contribution of this study is achieving %99,58 accuracy in ONH diagnosis by automatically calculating the ratios of optic disc diameter to macular center distance. The system offers clinicians a fast, objective, and reliable decision support mechanism, eliminating the need for manual measurements and calculations. In addition to optic disc and fovea localization, the automatic determination of macular boundaries and critical morphometric measurements for ONH further distinguishes this study from similar works in the literature. By integrating innovative approaches in retinal imaging and deep learning, this doctoral thesis provides a practical solution for clinical applications and makes significant contributions to the field of ophthalmology.

Benzer Tezler

  1. Tez No

    915237

    Görsel dikkat tabanlı U-Net derin öğrenme modeli kullanılarak glokom için optik disk segmentasyonu

    Segmentation of optic disk for glaucoma using attention U-Net deep learning model

    MUHAMMET BEDİRHAN ÇAĞLAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilim ve TeknolojiAmasya Üniversitesi

    Teknoloji ve İnovasyon Yönetimi Ana Bilim Dalı

    DOÇ. DR. ŞABAN ÖZTÜRK

  2. Tez No

    753612

    Single-frame and multi-frame super-resolution on remote sensing images via deep learning approaches

    Derin öğrenme yaklaşımlarıyla uzaktan algılama görüntülerinde tek çerçeve ve çok çerçeve süper çözünürlük

    PEIJUAN WANG

    Doktora

    İngilizce

    İngilizce

    2022

    İletişim Bilimleriİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    PROF. DR. ELİF SERTEL

  3. Tez No

    903861

    Derin öğrenme kullanarak uçak tanıma

    Aircraft recognition with deep learning

    ZEYNEL ÜNAL

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTürk Hava Kurumu Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ŞADİ ŞEHAB

  4. Tez No

    933453

    Predicting pedestrian behavior in autonomous vehicles using hybrid deep learning

    Otonom araçlarda yaya davranışını ve hibrit derin öğrenme kullanarak tahmin etme

    LAITH MOHAMMED SALIM SALIM

    Doktora

    İngilizce

    İngilizce

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YÜKSEL ÇELİK

  5. Tez No

    810847

    Glokom hastalığının derin öğrenme yöntemiyle ön tanısı

    Pre-diagnosis of glaucoma disease with deep learning

    MAHMOUD NAES

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilim ve TeknolojiKarabük Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HAKAN YILMAZ

Geri Dön