Diyabetik retinopati evrelerinin derin öğrenme tabanlı tespiti
Deep learning-based detection of diabetic retinopathy stages
- Tez No: 950941
- Danışmanlar: DR. ÖĞR. ÜYESİ FATİH BAYRAM
- Tez Türü: Yüksek Lisans
- Konular: Göz Hastalıkları, Mekatronik Mühendisliği, Eye Diseases, Mechatronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Afyon Kocatepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 120
Özet
Bu yüksek lisans tezinde, diyabetik retinopatinin (DR) beş evresinin otomatik olarak sınıflandırılmasına yönelik derin öğrenme tabanlı bir model geliştirilmiştir. Çalışmada, APTOS 2019 veri setinde bulunan retina görüntüleri kullanılarak MobileNetV2, DenseNet169, NASNet, VGG19, ConvNeXt Large, EfficientNetB5, EfficientNetB6 ve EfficientNetV2-S olmak üzere sekiz farklı derin öğrenme mimarisi, transfer öğrenme yöntemiyle eğitilmiştir. Görüntü işleme ve veri artırma teknikleri ile sınıf dengesizliği problemleri azaltılmış, model performansı artırılmıştır. Elde edilen sonuçlara göre, EfficientNetV2-S modeli en yüksek başarıyı göstermiş ve ince ayar (fine-tuning) yöntemiyle performansı daha da iyileştirilmiştir. Test aşamasında, geliştirilen model test zamanı artırma (test-time augmentation) yöntemi ile %92,24 doğruluk, %96,77 özgüllük, %92,28 duyarlılık, %92,07 F1 skoru ve %98,99 AUC değerlerine ulaşmıştır. Elde edilen bulgular, geliştirilen sistemin diyabetik retinopatinin erken teşhisinde etkili bir yardımcı tanı aracı olabileceğini göstermektedir.
Özet (Çeviri)
In this master's thesis, a deep learning-based model was developed for the automatic classification of the five stages of diabetic retinopathy (DR). The study utilized retinal images from the APTOS 2019 dataset and employed eight different deep learning architectures—MobileNetV2, DenseNet169, NASNet, VGG19, ConvNeXt Large, EfficientNetB5, EfficientNetB6, and EfficientNetV2-S—trained using the transfer learning approach. Image processing and data augmentation techniques were applied to mitigate class imbalance issues and enhance model performance. Among the evaluated models, EfficientNetV2-S achieved the highest performance, which was further improved through fine-tuning. During the testing phase, the proposed model achieved 92.24% accuracy, 96.77% specificity, 92.28% sensitivity, 92.07% F1-score and 98.99% AUC by employing test-time augmentation. The findings indicate that the developed system can serve as an effective computer-aided diagnostic tool for the early detection of diabetic retinopathy.
Benzer Tezler
- İyileştirilmiş derin öğrenme modelleriyle fundus görüntülerinde diyabetik retinopatinin sınıflandırılması
Classification of diabetic retinopathy in fundus images with improved deep learning models
KÜBRA UÇAR
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BEKİR DİZDAROĞLU
- Diyabetik retinopati tanısına yönelik derin öğrenme tabanlı sınıflandırma
Deep learning based classification for diabetic retinopathy diagnosis
OSMAN CEYLAN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBurdur Mehmet Akif Ersoy ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ONUR SEVLİ
- Diabetic retinopathy detection using artificial intelligence
Diyabetik retinopati tespiti yapay zeka kullanmak
MOHAMED ASHRAF SAMY TANTAWY ELSERWY
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ OKATAN
- 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
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- Diyabet ve diyabetik retinopati olgularında retina ve koroid morfolojik özellikleri ve takibi
Follow-up of retinal and choroidal morphological features in diabetes and diabetic retinopathy
PINAR GÜRAN BEĞAR
Tıpta Uzmanlık
Türkçe
2024
Göz HastalıklarıAnkara ÜniversitesiGöz Hastalıkları Ana Bilim Dalı
PROF. DR. SİBEL DEMİREL