Glokom hastalığının derin öğrenme yöntemleri ile analiz edilmesi
Analyzing glaucoma disease with deep learning methods
- Tez No: 941426
- Danışmanlar: DR. ÖĞR. ÜYESİ AYŞE ELDEM
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Derin Öğrenme, Glokom Hastalığı, Optik Koherens Tomografi Anjiyografi, Sınıflandırma, Yapay Zekâ, Deep Learning, Glaucoma Disease, Optical Coherence Tomography Angiography, Classification, Artificial Intelligence
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Karamanoğlu Mehmetbey Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 135
Özet
Göz hastalıklarının başında gelen ve erken teşhisin büyük önem taşıdığı glokom hastalığı, göz tansiyonu olarak da bilinmektedir. Göz içi basıncının artması ile gözün arkasında bulunan sinirlerin hasar görmesi sonucu meydana gelen bu hastalık körlüğe sebep olmaktadır. Hastalığın erken ve doğru teşhisi için yapılan çalışmalar incelendiğinde özellikle görüntü işleme konusunda başarılı olan derin öğrenme yöntemlerinin sağlık sektöründe kullanımının önemli ölçüde arttığı gözlenmektedir. Bu tez çalışmasında, Optik Koherens Tomografi Anjiyografi (OCTA) görüntüleri kullanılarak, glokom hastalığının erken evrede tespit edilmesi için farklı derin öğrenme modellerinin etkilerinin incelenmesi amaçlanmıştır. Bu kapsamda, özgün bir veriseti oluşturulmuş olup Karaman Eğitim ve Araştırma Hastanesi göz polikliniğinden alınan OCTA görüntüleri kullanılmıştır. Önceden eğitilmiş derin öğrenme modellerinden olan SqueezeNet, MobileNet-V2, ResNet-18, ResNet-50, ResNet-101, AlexNet, GoogLeNet, EfficientNet-B0, DarkNet-19, DarkNet-53, ShuffleNet, NASNet-Mobile, NASNet-Large, Xception, Places365-GoogLeNet, DenseNet-201, Inception-ResNet-V2, Inception-v3, VGG-16 ve VGG-19 mimarileri kullanılarak glokom hastalığının tespit edilmesi sağlanmıştır. Çalışmada, epok sayısı, öğrenme hızı, yığın boyutu, optimizasyon algoritması, iterasyon ve doğrulama frekansı parametreleri kullanılarak 20 modelde parametre optimizasyonu yapılmıştır. En başarılı 5 model belirlenerek histogram eşitleme, yeniden boyutlama, gri tonlama, wiener filtreleme, morfolojik erozyon ve iskelet çıkarma gibi farklı ön işlem adımları ile deneysel çalışmalar yapılmıştır. Performans değerlendirmesi için doğruluk, duyarlılık, özgüllük, hassasiyet ve F1 skor metrikleri kullanılmıştır. Seçilen parametreler ve uygulanan ön işlemler sonucunda, erken evre glokom hastalığı tespitinde, ResNet-101 modeli doğruluk 0.94, hassasiyet 1.00, özgüllük 1.00, duyarlılık 0.89, AUC 0.94 ve F1 skor 0.94 ile en başarılı model olmuştur. Sonuç olarak bu tez çalışmasında, OCTA görüntülerini içeren özgün bir veriseti oluşturularak glokom hastalığının teşhisinde doktorlara yardımcı olabilecek derin öğrenme temelli bir öneri sistemi geliştirilmiştir.
Özet (Çeviri)
Glaucoma, one of the leading eye diseases where early diagnosis is of great importance, is also known as ocular hypertension. This disease occurs as a result of damage to the nerves located at the back of the eye due to increased intraocular pressure, ultimately leading to blindness. When examining studies conducted for the early and accurate diagnosis of the disease, it is observed that deep learning methods, which are particularly successful in image processing, have significantly increased their use in the healthcare sector. In this thesis study, the aim is to examine the effects of different deep learning models in the early-stage detection of glaucoma using Optical Coherence Tomography Angiography (OCTA) images. In this context, a unique dataset was created using OCTA images obtained from the ophthalmology clinic of Karaman Training and Research Hospital. For glaucoma detection, various pre-trained deep learning models were employed, including SqueezeNet, MobileNet-V2, ResNet-18, ResNet-50, ResNet-101, AlexNet, GoogLeNet, EfficientNet-B0, DarkNet-19, DarkNet-53, ShuffleNet, NASNet-Mobile, NASNet-Large, Xception, Places365-GoogLeNet, DenseNet-201, Inception-ResNet-V2, Inception-v3, VGG-16, and VGG-19. In the study, parameter optimization was performed on these 20 models using hyperparameters such as the number of epochs, learning rate, batch size, optimization algorithm, iterations and validation frequency. The five best-performing models were selected and experimental studies were conducted using various preprocessing techniques such as histogram equalization, resizing, grayscale conversion, Wiener filtering, morphological erosion and skeletonization. For performance evaluation, metrics such as accuracy, sensitivity, specificity, precision, and F1-score were used. As a result of selected parameters and applied preprocessing techniques, the ResNet-101 model was the most successful model with accuracy 0.94, sensitivity 1.00, specificity 1.00, sensitivity 0.89, AUC 0.94 and F1 score 0.94. In conclusion, this thesis study developed a deep learning-based recommendation system that can assist doctors in diagnosing glaucoma by creating a unique dataset containing OCTA images.
Benzer Tezler
- Derin öğrenme teknikleri ile fundus görüntülerinden glokom hastalığı tespiti
Detection of glaucoma from fundus images with deep learningtechniques
ÖZCAN YILDIRIM
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FEYZA ALTUNBEY ÖZBAY
- 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
- Derin öğrenme yöntemleri ile tomografi görüntülerinden kapalı açılı glokom göz hastalığının sınıflandırılması
Classification of closed-angle glaucoma eye disease from tomography images with deep learning methods
FATİH TEKE
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSivas Cumhuriyet ÜniversitesiYapay Zeka Ana Bilim Dalı
PROF. DR. OĞUZ KAYNAR
- Glokom hastalığının derin öğrenme yöntemiyle ön tanısı
Pre-diagnosis of glaucoma disease with deep learning
MAHMOUD NAES
Yüksek Lisans
Türkçe
2023
Bilim ve TeknolojiKarabük ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HAKAN YILMAZ
- 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
2024
Bilim ve TeknolojiAmasya ÜniversitesiTeknoloji ve İnovasyon Yönetimi Ana Bilim Dalı
DOÇ. DR. ŞABAN ÖZTÜRK