Derin öğrenme teknikleri kullanarak retina hastalığı sınıflandırması
Retinal disease classification using deep learning techniques
- Tez No: 977420
- Danışmanlar: DR. ÖĞR. ÜYESİ SOYDAN SERTTAŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Kütahya Dumlupınar Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışmasında, retina hastalıklarının tespiti amacıyla derin öğrenme temelli bir sınıflandırma yaklaşımı geliştirilmiştir. Çalışmada, RFMID adlı retina fundus görüntülerinden oluşan çok etiketli bir veri seti kullanılmıştır. İlk aşamada, özel olarak tasarlanmış bir Convolutional Neural Network (CNN) mimarisiyle ikili sınıflandırma gerçekleştirilmiş ve bu modelin başarımı EfficientNetB0, EfficientNetB4, NASNetMobile, VGG16, ResNet152 ve DenseNet169 gibi hazır transfer öğrenme modelleriyle karşılaştırılmıştır. İkinci aşamada ise aynı transfer öğrenme modelleri kullanılarak çoklu sınıflandırma yapılmış ve modellerin genel başarımı değerlendirilmiştir. İkili sınıflandırmada, veri setindeki hastalık dağılımı dikkate alınarak en sık rastlanan iki hastalık olan Diabetic Retinopathy (DR) ve Macular Hole (MH) sınıfları incelenmiştir. Karar eşik değerinin optimizasyonu için ROC eğrisi, Precision-Recall eğrisi ve ızgara arama yöntemleri kullanılmış; ayrıca modelin genellenebilirliğini değerlendirmek amacıyla 5-Fold çapraz doğrulama yöntemi uygulanmıştır. Elde edilen sonuçlar, özel olarak oluşturulan CNN modelinin ikili sınıflandırma görevinde transfer öğrenme modelleriyle rekabet edebilir düzeyde performans gösterdiğini; çoklu sınıflandırmada ise transfer öğrenme modellerinin daha yüksek doğruluk sunduğunu ortaya koymuştur. Bu çalışma, retina görüntüleri üzerinden yapılan sınıflandırmalarda derin öğrenme yöntemlerinin etkinliğini vurgulamakta ve gelecekteki araştırmalar için sağlam bir temel oluşturmaktadır.
Özet (Çeviri)
This thesis proposes a deep learning-based classification approach for detecting retinal diseases. The study utilizes the RFMID dataset, which includes multilabel retinal fundus images. In the first phase, a custom-designed Convolutional Neural Network (CNN) was implemented for binary classification, and its performance was compared against various pretrained transfer learning models, including EfficientNetB0, EfficientNetB4, NASNetMobile, VGG16, ResNet152, and DenseNet169. In the second phase, the same transfer learning models were applied to a multiclass classification task to evaluate their broader performance. For binary classification, the two most frequent diseases in the dataset—Diabetic Retinopathy (DR) and Macular Hole (MH)—were selected to address class imbalance and improve model stability. To optimize the decision threshold, ROC curve, Precision-Recall curve, and grid search techniques were employed. Additionally, 5-Fold Cross-Validation was applied to assess the model's generalizability. The results demonstrated that the custom CNN model achieved competitive performance in binary classification compared to transfer learning models, while pretrained networks yielded superior results in multiclass classification. This study highlights the effectiveness of deep learning approaches in retinal image analysis and provides a robust foundation for future research in the field.
Benzer Tezler
- 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
- Sezgisel optimizasyon yöntemi ile insan retina görüntülerinde optik disk segmentasyonu ve derin öğrenme ile hastalık teşhisi
Optic disc segmentation in human retina images with heuristic optimization method and disease diagnosis with deep learning
HAMIDA ALI ABDUSALAM ALMESHRKY
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKastamonu ÜniversitesiMalzeme Bilimi ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. ABDULKADİR KARACI
- Glaucoma disease detection using image processing and machine learning approach
Görüntü işleme ve makine öğrenme yaklaşımıyla glokom hastalığının tespiti
HUSSEIN ALAA MOHAMMED ATTAR BASH
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
Assist. Prof. Dr. AYÇA KURNAZ TÜRKBEN
- Derin öğrenme yöntemleriyle prematüre bebeklerin retina görüntülerinin analizi
Analysis of retinal images of premature infants using deep learning methods
EVREN SEZGİN
Doktora
Türkçe
2025
Göz HastalıklarıAkdeniz ÜniversitesiBiyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı
PROF. DR. AHMET YARDIMCI
DOÇ. DR. YİĞİT ALİ ÜNCÜ
- Diyabetik retinopatinin tespiti ve derecelendirilmesinde derin öğrenme teknolojilerinin kullanılması
Use of deep learning technologies for the detection and grading of diabetic retinopathy
ESMA FAZİLET KARAGÜLLE
Yüksek Lisans
Türkçe
2025
Göz HastalıklarıAtatürk ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ESRA ODABAŞ YILDIRIM
DR. ÖĞR. ÜYESİ MUSTAFA YILDIRIM