Yapay zekâ yöntemleri ile multifokal elektroretinogram ve görme alanı verilerini kullanarak Retinitis Pigmentosa hastalığının değerlendirilmesi
Evaluation of Retinitis Pigmentosa disease using multifocal electroretinogram and visual field data with artificial intelligence methods
- Tez No: 963547
- Danışmanlar: PROF. DR. AYŞEGÜL GÜVEN
- Tez Türü: Doktora
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Bilgisayar destekli teşhis, Sayısal görüntü, Sayısal görüntü işleme, Teşhis-görüntüleme, Yapay zeka ve makine öğrenmesi dersi, Computer assisted diagnosis, Digital image, Digital image processing, Diagnostic imaging, Artificial intelligence and machine learning course
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Retinitis Pigmentosa (RP), fotoreseptör hücrelerinin kaybı sonucu oluşan kalıtsal bir retina hastalığıdır. Bu hastalığın otomatik teşhisi ve evrelemesi, erken müdahale ve etkili tedavi planlaması için önemlidir. Bu tez kapsamında, RP evrelerini sınıflandırmak için Görme Alanı (GA) ve Multifokal Elektroretinogram (MfERG) verilerine dayalı olarak derin öğrenme ve makine öğrenmesi yöntemleri kullanılarak üç farklı deneysel çalışma yapılmıştır. Birinci deneysel çalışmada, MfERG yanıtlarından elde edilen zamansal öznitelikler kullanılarak RP'nin evreleri ile sağlıklı bireyler değerlendirilmiş ve karşılaştırılmıştır. Daha sonra bu öznitelikler ilk kez makine öğrenmesi algoritmalarına giriş olarak verilerek RP'nin evreleri sınıflandırılmıştır. İkinci deneysel çalışmada, RP'nin otomatik tanımlanması ve evrelemesi için ilk kez MfERG'den elde edilen P1 dalga genlikleri haritaları kullanılmıştır. Ham verileri; görüntü önişleme, geleneksel görüntü artırma ve Üretken Çekişmeli Ağlar teknikleriyle geliştirerek kapsamlı veri kümeleri oluşturulmuş, ardından transfer öğrenme mimarileriyle sınıflandırma işlemleri gerçekleştirilmiştir. Üçüncü deneysel çalışmada, GA gri skala haritalarından (GLCM ve gri ton) ve MfERG P1 dalga genlikleri haritalarından (RGB ve HSV) çıkarılan istatistiksel özniteliklere dayalı RP evrelerinin makine öğrenmesi modelleriyle sınıflandırılması gerçekleştirilmiştir. Ayrıca Rastgele Orman algoritmasıyla öznitelik seçimi yapılarak sınıflandırma performansı yeniden değerlendirilmiştir. Elde edilen bulgular, önerilen deneysel çalışmaların, RP evrelerinin MfERG ve GA verileri kullanılarak yapay zekâ destekli yöntemlerle otomatik, hızlı ve doğru bir şekilde belirlenebileceğini ortaya koymuştur.
Özet (Çeviri)
Retinitis Pigmentosa (RP) is a hereditary retinal disease caused by the loss of photoreceptor cells. The automatic diagnosis and staging of the disease is important for early intervention and effective treatment planning. Within the framework of this thesis, three different experimental works were conducted using deep learning and machine learning methods based on Visual Field (VF) and Multifocal Electroretinogram (MfERG) data to classify RP stages. In the first experimental work, time-based features obtained from MfERG responses were used to evaluate and compare RP stages with healthy individuals. These features were then input into machine learning algorithms for the first time to classify RP stages. In the second experimental work, P1 wave amplitude maps obtained from MfERG were used for the first time for the automatic identification and staging of RP. Raw data were enhanced using image preprocessing, traditional image augmentation, and Generative Adversarial Networks techniques to generate comprehensive datasets, followed by classification using transfer learning architectures. In the third experimental work, RP stages were classified using machine learning models based on statistical features extracted from VF grayscale maps (GLCM and grayscale) and MfERG P1 wave amplitudes maps (RGB and HSV). Additionally, feature selection was performed using the Random Forest algorithm, and the classification performance was evaluated again. The findings revealed that the proposed experimental works demonstrate that RP stages can be automatically, quickly, and accurately determined using artificial intelligence-supported methods with MfERG and GA data.
Benzer Tezler
- Manisa yöresinde domateste anlaşmalı tarım ve karşılaşılan sorunlar
Başlık çevirisi yok
OSMAN MURAT KOÇTÜRK
Yüksek Lisans
Türkçe
1985
Gıda MühendisliğiEge ÜniversitesiTarım Ekonomisi Ana Bilim Dalı
PROF. DR. METİN TALİM
- Bir pamuk iplikhanesinde fiili çalışma metodlarının incelenmesi ve mevcut işlemlerin standart sürelerinin saptanması
Başlık çevirisi yok
MÜRŞİDE KESEROĞLU
Yüksek Lisans
Türkçe
1985
İşletmeEge ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA NAZMİ ERCAN
- Barajların hacim-verim ilişkisi üzerine bir araştırma
Başlık çevirisi yok
MEHMET KILIÇARSLAN
Yüksek Lisans
Türkçe
1987
İnşaat MühendisliğiÇukurova Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. TEFARUK HAKTANIR
- Çiğit ve ayçiçek yağlarının doğal antioksidan içerikleri ile bu yağların stabilitelerinin arttırılmaları üzerinde araştırmalar
Başlık çevirisi yok
ALİ KEMAL YALNIZ
Doktora
Türkçe
1985
Gıda MühendisliğiEge ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
PROF. DR. MAHİR ÇOLAKO¦LU
- Computer aided design of lumped and distributed broadband matching and filtering networks
Başlık çevirisi yok
ADNAN KÖKSAL
Yüksek Lisans
İngilizce
1987
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. NEVZAT YILDIRIM