An investigation for glaucoma and optic disc segmentation and classification using deep learning with filters
Derin öğrenme ve filtre kullanılarak glokom ve optik disk segmentasyonu ve sınıflandırması için bir araştırma
- Tez No: 979194
- Danışmanlar: PROF. DR. OSMAN NURİ UÇAN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Yapay zeka, Artificial intelligence
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Dünya çapında kalıcı körlüğün başlıca nedenlerinden biri olan glokomun görülme sıklığı artmaktadır. Bu durum halk sağlığı açısından önemli bir endişe kaynağı olmaya devam etmektedir. Tanı süreçlerimiz ağırlıklı olarak klinik uzmanlığa dayanmaktadır; bu da yoğun iş gücü gerektirebilir ve gözden kaçan tanılara ve gecikmiş tedavilere yol açabilir. Sonuç olarak, araştırmamız tıbbi oküler görüntülemede derin evrişimli sinir ağlarını kullanarak akıllı glokom tanımlama ve optik disk segmentasyonu için yenilikçi bir metodoloji önermektedir. Bu girişimin amacı, gelişmiş veri ve görüntü işleme metodolojilerinin entegrasyonu yoluyla glokom tanı ve analizini iyileştirmektir. Önerilen yöntem, özellik çıkarımını geliştirmek ve kaliteyi artırmak için Tıbbi Oftalmik Görüntüleme'nin ön işleme tabi tutulması amacıyla özel olarak tasarlanmış bir Derin Evrişimli Sinir Ağı (DCNN) mimarisini kullanmaktadır. Optik diski segmente etmek için VGG-19 modeli kullanılmaktadır. Optik disk ve glokom tanısı için gelişmiş Derin Evrişimli Sinir Ağı (DCNN) modelini geleneksel görüntüleme teknikleriyle karşılaştıran etkinlik ölçütleri. DCNN modeli, glokomlu gözleri glokomsuz gözlerden ayırmada %98,69 doğruluk oranına ulaşarak önceki yaklaşımları geride bıraktı. Algoritma, %95,18'lik bir hatırlama oranına sahip olup, gerçek glokom vakalarının çoğunu doğru bir şekilde tespit etti. Model, %96,84'lük F1 Puanı ile kanıtlandığı üzere, hatırlama ve hassasiyet arasında mükemmel bir dengeye sahiptir. Model, sağlıklı ve hasta gözler arasında %97,63'lük bir AUC-ROC değeri elde ederek etkili bir şekilde ayrım yapmaktadır. Deneyler, önerilen yöntemin mevcut en son teknoloji tekniklerden daha hızlı ve hassas olduğunu göstermektedir. Bu keşif, otomatik glokom teşhis yöntemleri yelpazesini genişleterek tıbbi görüntüleme ve klinik uygulamaları geliştirebilir.
Özet (Çeviri)
Glaucoma, a predominant cause of permanent blindness worldwide, is increasing in prevalence. This continues to be a significant concern about public health. Our diagnostic processes predominantly depend on clinical expertise, which can be labour-intensive and result in overlooked diagnoses and delayed treatments. Consequently, our research proposes an innovative methodology for intelligent glaucoma identification and optic disc segmentation utilizing deep convolutional neural networks in medical ocular imaging. The objective of this initiative is to improve glaucoma diagnosis and analysis through the integration of advanced data and image processing methodologies. The suggested method utilizes a Deep Convolutional Neural Network (DCNN) architecture specifically designed for preprocessing Medical Ophthalmic Imaging to enhance feature extraction and increase quality. The VGG-19 model is employed to segment the optic disc. Effectiveness metrics comparing the advanced Deep Convolutional Neural Network (DCNN) model with traditional imaging techniques for the optic disc and glaucoma diagnosis. The DCNN model attained a 98.69% accuracy rate in differentiating glaucomatous from non-glaucomatous eyes, surpassing previous approaches. The algorithm had a recall rate of 95.18 percent, accurately identifying the majority of genuine glaucoma cases. The model has an excellent equilibrium between recall and precision, evidenced by an F1-Score of 96.84%. The model effectively distinguishes between healthy and sick eyes, achieving an AUC-ROC of 97.63%. Experiments indicate that the proposed method is more rapid and precise than existing state-of-the-art techniques. This discovery may enhance medical imaging and clinical applications by broadening the array of automated glaucoma diagnostic methods.
Benzer Tezler
- 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
- Ratlarda akut retinal iskemi-reperfüzyon modelinde dekspantenolün etkilerinin araştırılması
Investi̇gati̇on of the effects of dexpanthenol in acute reti̇nal ischemi̇a-reperfusi̇on model in rats
ÖZHAN KOÇ
Tıpta Uzmanlık
Türkçe
2021
Göz Hastalıklarıİnönü ÜniversitesiGöz Hastalıkları Ana Bilim Dalı
PROF. DR. PENPE GÜL FIRAT
- Psödoeksfoliasyon sendromu ve glokomu ile bağ dokusu büyüme faktörü (CTGF) genetik polimorfizmleri ve ctgf gözyaşı ve aköz seviyeleri arasındaki ilişkinin incelenmesi
Investigation of the relationship between genetic polymorphisms of connective tissue growth factor (CTGF) and its tear and aqueous humor levels in pseudoexfoliation syndrome and glaucoma
CANAN KOÇAN
Yüksek Lisans
Türkçe
2018
Moleküler TıpTobb Ekonomi ve Teknoloji ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. DR. BİRSEN CAN DEMİRDÖĞEN
- Takayasu arteriti hastalarında normotansif glokom belirti ve bulgularının araştırılması
Investigation of normotensive glaucoma symptoms andfindings in patients with takayasu arteritis"
ESRA BULUT KIZILAY
Tıpta Uzmanlık
Türkçe
2020
Göz Hastalıklarıİstanbul Medeniyet ÜniversitesiGöz Hastalıkları Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FEHİM ESEN
- Investigation of effects of Brimonidine tartrate loaded LMSC cells on in vitro injury model of neuron cells
Brimonidin tartarat yüklü LMSC hücrelerinin nöron hücrelerinin in vitro yaralanma modeli üzerindeki etkilerinin araştırılması
GÜLSÜM DENİZ
Yüksek Lisans
İngilizce
2022
Göz HastalıklarıKoç ÜniversitesiNörobilim Ana Bilim Dalı
PROF. DR. AFSUN ŞAHİN