Genişletilmiş lateral inhibisyon yöntemiyle oct verileri üzerinden retinal hastalıkların sınıflandırılması
Classification of retinal diseases based on oct data by extended lateral inhibition method
- Tez No: 966171
- Danışmanlar: PROF. DR. KEMAL TURHAN
- Tez Türü: Doktora
- Konular: Biyoistatistik, Biostatistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
- Bilim Dalı: Biyoistatistik ve Tıp Bilişimi Bilim Dalı
- Sayfa Sayısı: 104
Özet
Bu tez çalışması, Optik Koherens Tomografi (OCT) görüntüleri üzerinden retinal hastalıkların otomatik olarak sınıflandırılması amacıyla lateral inhibisyon prensibini entegre eden yenilikçi bir derin öğrenme modeli geliştirmeyi hedeflemektedir. Retina hastalıkları, küresel ölçekte ciddi görme kaybına yol açmakta olup, erken ve doğru tanının önemi büyüktür. Geleneksel yöntemlerle OCT görüntülerinin manuel analizi, zaman alıcı ve hata payı yüksek bir süreçtir. Bu durum, makine öğrenimi destekli analiz yöntemlerine olan ihtiyacı belirgileştirmiştir. Son yıllarda derin öğrenme teknikleri, retinal hastalıkların sınıflandırılması görevlerinde yüksek doğruluk oranları sağlamıştır. Ancak biyolojik esinlenmeli yaklaşımların bu alandaki potansiyeli yeterince incelenmemiştir. Bu çalışmada, biyolojik sinir ağlarında bulunan lateral inhibisyon mekanizmasından esinlenerek, bunun derin öğrenme mimarilerine entegre edilmesiyle, retinal hastalıkların daha etkin sınıflandırılmasına yönelik bir model geliştirilmiştir. DenseNet121, InceptionV3, ResNet50 ve Xception gibi popüler CNN mimarileri kullanılarak elde edilen sonuçlar, lateral inhibisyonun genel model performansını belirgin ölçüde artırdığını göstermiştir. Yapılan karşılaştırmalı analizlerde lateral inhibisyon uygulanan modellerin özellikle CNV ve DME sınıflarında daha yüksek F1-skorları ve doğruluk değerleri elde ettiği tespit edilmiştir. Sonuçlar, lateral inhibisyon prensibinin derin öğrenme modellerine entegrasyonunun OCT görüntülerinin sınıflandırılmasında önemli bir performans artışı sağladığını ortaya koymaktadır. Bu yaklaşımın klinik ortamlarda retinal hastalıkların erken ve doğru teşhisine katkıda bulunacağı düşünülmektedir. Gelecekte yapılacak çalışmaların, farklı tıbbi görüntüleme yöntemleri ve daha geniş veri setleri üzerinde lateral inhibisyon prensibinin etkisini inceleyerek, bu yöntemin klinik uygulamalarda yaygın olarak kullanılabileceği düşünülmektedir.
Özet (Çeviri)
This thesis aims to develop an innovative deep learning model that integrates the principle of lateral inhibition for the automatic classification of retinal diseases based on Optical Coherence Tomography (OCT) images. Retinal diseases are a major cause of vision loss worldwide, making early and accurate diagnosis critically important. Manual analysis of OCT images using traditional methods is time-consuming and prone to errors, which highlights the need for machine learning-assisted analytical techniques. In recent years, deep learning approaches have achieved high accuracy rates in the classification of retinal diseases. However, the potential of biologically inspired approaches in this domain remains insufficiently explored. In this study, inspired by the lateral inhibition mechanism found in biological neural networks, a model was developed that integrates this principle into deep learning architectures to achieve more effective classification of retinal diseases. The results obtained using popular CNN architectures such as DenseNet121, InceptionV3, ResNet50, and Xception demonstrate that the inclusion of lateral inhibition significantly enhances overall model performance. Comparative analyses revealed that models incorporating lateral inhibition achieved higher F1-scores and accuracy, particularly in the CNV and DME classes. The findings indicate that integrating the principle of lateral inhibition into deep learning models leads to a substantial improvement in the classification of OCT images. It is anticipated that this approach will contribute to the early and accurate diagnosis of retinal diseases in clinical settings. Future studies are expected to examine the impact of lateral inhibition across different medical imaging modalities and larger datasets, suggesting that this method could be widely adopted in clinical applications.
Benzer Tezler
- MTA fillapex® kanal dolgu patının antimikrobiyal etkinliğinin ve dentin tübüllerine penetrasyonunun değerlendirilmesi
The evaluation of antimicrobial activity and dentinal tubule penetration of MTA fillapex root canal sealer
ALİ TÜRKYILMAZ
- Tavşanda genişletilmiş lateral torasik arter bazlı fasyokutan flebin çok amaçlı kullanımı (deneysel çalışma)
The versatile use of extended lateral thoracic artery-pedicled fasciocutaneous flap: an experimental study
MEHMET SAĞIR
Tıpta Uzmanlık
Türkçe
2014
Plastik ve Rekonstrüktif CerrahiSağlık BakanlığıPlastik ve Rekonstrüktif Cerrahi Ana Bilim Dalı
DOÇ. DR. SAMET VASFİ KUVAT
- Sıçan lateral torasik arter perforatör ada flebinin tanımlanması
The definiton of lateral thoracic artery perforator island flap in rat
SEÇKİN AYDIN SAVAŞ
Tıpta Uzmanlık
Türkçe
2015
Plastik ve Rekonstrüktif CerrahiAkdeniz ÜniversitesiPlastik Rekonstrüktif ve Estetik Cerrahi Ana Bilim Dalı
YRD. DOÇ. DR. ARZU AKÇAL
- Kalkaneus kırıklarında minimal invaziv cerrahi orta dönem sonuçlarının retrospektif incelenmesi
Retrospective evaluation of the mid-term results of minimally invasive surgery in calcaneal fractures
NİYAZİ İĞDE
Tıpta Uzmanlık
Türkçe
2018
Ortopedi ve TravmatolojiSağlık Bilimleri ÜniversitesiOrtopedi ve Travmatoloji Ana Bilim Dalı
DOÇ. DR. MURAT ÇAKAR
- Deplase eklem içi kalkaneus kırıklarında cerrahi tedavi sonuçlarımız
Results of surgical treatment for deplased intraarticular calcaneal fractures
HAKAN TAŞKINÖZ
Tıpta Uzmanlık
Türkçe
2015
Ortopedi ve TravmatolojiYüzüncü Yıl ÜniversitesiOrtopedi ve Travmatoloji Ana Bilim Dalı
YRD. DOÇ. DR. MEHMET ATA GÖKALP