Derin öğrenme yöntemleriyle prematüre bebeklerin retina görüntülerinin analizi
Analysis of retinal images of premature infants using deep learning methods
- Tez No: 957834
- Danışmanlar: PROF. DR. AHMET YARDIMCI, DOÇ. DR. YİĞİT ALİ ÜNCÜ
- Tez Türü: Doktora
- Konular: Göz Hastalıkları, Biyoistatistik, Eye Diseases, Biostatistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Akdeniz Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Bu çalışmanın amacı, prematüre retinopatisi (ROP) tanısında klinik uzmanlara yardımcı olabilecek, derin öğrenme temelli bir karar destek sistemi geliştirmektir. Bu kapsamda, prematüre bebeklere ait retina görüntüleri, modern görüntü işleme teknikleri ve derin öğrenme algoritmaları kullanılarak analiz edilerek ve ROP hastalığına ilişkin evrelerin otomatik olarak sınıflandırılması amaçlanmaktadır. Geliştirilecek sistem ile tanı sürecinin hızlandırılması, uzman bağımlılığının azaltılması ve erken müdahale ile hastalığın ilerlemesinin önlenmesi hedeflenmektedir. Yöntem: Bu hedefte, retina görüntüleri üzerinde, görüntü işleme teknikleri ile görüntü optimizasyonu ve standartlaşması sağlanmıştır. Sınıflandırma işlemi için derin öğrenme yöntemleri kullanılmıştır. Özellikle konvolüsyonel sinir ağları (CNN) gibi derin öğrenme algoritmaları kullanılarak prematüre bebeklerin retina görüntüleri analiz edilerek ve hastalığın sınıflarının (Normal-ROP0, ROP1, ROP2) otomatik olarak tespit edilmesi sağlanmıştır. Bulgular: Akdeniz Üniversitesi Tıp Fakültesinden alınan ham veri setinde toplam 13779 retina görüntüsü bulunmaktadır. Bu görüntülerdeki veriler filtrelenmiş ve çoğaltılmıştır. Son olarak 25821 retina görüntüsü elde edilmiştir. Bu veri setine CNN algoritmalarından AlexNet'te %83,5, Inception-V3 %89,1, EfficientNet-B0 ise %89,9'luk bir doğruluk oranı tespit edilmiştir. Sonuç: Görüntü iyileştirme ve derin öğrenme yöntemlerinden sonra en iyi sonucu veren yöntemin %89,9 doğruluk oranı ile EfficientNet-B0 olduğu gözlemlenmiştir. Bu modelin sınıfları ayırt etmede AUC (Area Under Curve) değerlerinin Normal-ROP0 %99, ROP1 %97, ROP2 %98 olduğu tespit edilmiştir. Doğruluk oranlarının yükseltilmesi amacıyla veri miktarının artırılması ve elde edilen görüntülerin çözünürlük ve netlik düzeylerinin iyileştirilmesi gerekmektedir.
Özet (Çeviri)
Objective: The aim of this study is to develop a deep learning-based decision support system to assist clinical experts in the diagnosis of retinopathy of prematurity (ROP). In this context, retinal images of premature infants are analyzed using modern image processing techniques and deep learning algorithms, with the goal of automatically classifying the stages of ROP. The proposed system is intended to accelerate the diagnostic process, reduce reliance on expert interpretation, and enable early intervention to prevent the progression of the disease. Method: For this purpose, image optimization and standardization were achieved on retinal images with image processing techniques. Deep learning methods were used for the classification process. In particular, deep learning algorithms such as convolutional neural networks (CNN) were used to analyze the retinal images of premature babies and the classes of the disease (Normal-ROP0, ROP1, ROP2) were automatically detected. Results: There are a total of 13779 retinal images in the raw dataset obtained from Akdeniz University Faculty of Medicine. Then, the data in these images were filtered and multiplied. Finally, 25821 retinal images were obtained. An accuracy rate of %83,5 in AlexNet, %89,1 in Inception-V3, and %89,.9 in EfficientNet-B0 was determined for this dataset from CNN algorithms. Conclusion: Following image enhancement and deep learning-based classification, the highest performance was achieved by EfficientNet-B0, with an accuracy rate of %89,9. The AUC (Area Under the Curve) values for this model were determined to be 99% for the Normal-ROP0 class, 97% for ROP1, and 98% for ROP2. To further increase classification accuracy, it is recommended to enlarge the dataset and enhance the resolution and clarity of the retinal images.
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