Derin öğrenme kullanarak optik sinir hipoplazisi hastalığının tespiti
Detection of optic nerve hypoplasia disease using deep learning
- Tez No: 934595
- Danışmanlar: PROF. DR. İBRAHİM YÜCEDAĞ
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Düzce Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı (disiplinlerarası)
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
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
- Türkiye'de aile planlaması çalışmalarında erkeklerin önemi, hastane personeli ile fabrika işçilerinin doğum kontrol yöntemlerine karşı tutum ve davranranışlarında farklılığın araştırılması
Başlık çevirisi yok
KAMİL MALKOÇLU
Yüksek Lisans
Türkçe
1987
Demografiİstanbul ÜniversitesiAile Sağlığı Ana Bilim Dalı
DOÇ. DR. DERİN KÖSEBAY
- Değişik derim zamanı ve önsoğutmanın Bursa siyahı incir çeşidinin meyve kalitesi ve pazarlama süresi üzerine etkileri
Effects of haruest time and precooling on fruit quality and shelf-life of the fig variety“Bursa siyahı”
FÜSUN GÜRSEL ÇELİKEL
- Tekstil boyamacılığında atık flottede boyama imkanları üzerine araştırma
Başlık çevirisi yok
MEHMET YAKARTEPE
Yüksek Lisans
Türkçe
1985
Tekstil ve Tekstil MühendisliğiEge ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. KERİM DURAN
- Ön işlemenin ve askorbik asitin dondurularak depolanan yılan balıklarının (Anguilla anguilla) kalitesine etkileri
Başlık çevirisi yok
H.VOLKAN GÖKSEL
Yüksek Lisans
Türkçe
1985
Gıda MühendisliğiEge ÜniversitesiSu Ürünleri Ana Bilim Dalı
DOÇ. DR. AYDIN URAL
- Antakya tarihi ticaret merkezi mekansal yapı değişim ve gelişim sürecinin kent ticaret merkezi planlamasına etkinliği
The Effectiveness of spatial structural chance and development period of the historical trade center of Antakya in the urban trade planning
NEVİN TURGUT
Yüksek Lisans
Türkçe
1986
Şehircilik ve Bölge PlanlamaGazi ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
YRD. DOÇ. DR. NURCAN UYDAŞ