Detection and classification of diabetic retinopathy disease using deep learning methods and embedded system
Diyabetik retinopati hastalığının derin öğrenme yöntemleri ve gömülü sistem kullanımıyla tespiti ve sınıflandırılması
- Tez No: 981538
- Danışmanlar: PROF. DR. UFUK BAL
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Electrical and Electronics Engineering, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Muğla Sıtkı Koçman Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Diyabetik retinopati, diyabetin bir komplikasyonu olup körlüğe neden olabilen önemli bir göz sağlığı sorunudur. Son yıllarda yapay zekâ teknolojilerinde görülen hızlı gelişmeler bu teknolojilerin sağlık alanında kullanımını her geçen gün arttırmaktadır. Benzer şekilde elektronik hesaplama donanımlarının kapasitesindeki hızlı artış yapay zekâ algoritmalarının gömülü sistemlerde kullanımını yaygınlaştırmaktadır. Bu nedenlerle, bu tez halk sağlığı açısından ciddi bir risk oluşturan diyabetik retinopatinin tespiti ve sınıflandırılmasına odaklanmaktadır. Çalışma, derin öğrenme modellerinin hiperparametre optimizasyonunu, bir sınıflandırma modelinin geliştirilmesini ve bir sınıflandırma cihazının tasarlanıp uygulanmasını içermektedir. Hiperparametre optimizasyonu çalışmalarında, literatürde bildiğimiz kadarıyla daha önce diyabetik retinopatinin tespiti ve sınıflandırılması amacıyla kullanılmamış olan Ergen Kimlik Arama Algoritması ve Büyük Patlama-Büyük Çöküş optimizasyon algoritmaları kullanılmış; elde edilen sonuçlar Bayesyen tabanlı hiperparametre optimizasyon sonuçları ile karşılaştırılmıştır. Her iki algoritma da Bayesyen tabanlı yaklaşımlara kıyasla doğruluk ve yakınsama hızı açısından daha üstün performans göstermiştir. Derin öğrenme modeli geliştirme sürecinde Büyük Patlama-Büyük Çöküş optimizasyon algoritması ile hiperparametre optimizasyonu yapılan ve odak kaybı fonksiyonu ile güçlendirilen evrişimsel sinir ağları kullanılarak bir istiflenmiş topluluk öğrenme modeli geliştirilmiştir. Geliştirilen model, literatürdeki benzer çalışmalardan daha iyi performans göstererek %86,55 doğruluk oranına ulaşmıştır. Ayrıca diğer metriklerde de önemli performans artışı sağlanmıştır. Son olarak, farklı bir derin öğrenme modeli gömülü sisteme yerleştirilmiş ve diğer bileşenler bir araya getirilerek kompakt bir sınıflandırma cihazı oluşturulmuş; cihazın performansı, çıkarım süresi ve saniyedeki kare sayısı değerleri kullanılarak analiz edilmiştir.
Özet (Çeviri)
Diabetic retinopathy is a complication of diabetes and a significant eye health issue that can lead to blindness. Rapid developments in artificial intelligence technologies in recent years are increasing the use of these technologies in the field of health day by day. Similarly, the rapid increase in the capacity of electronic computing hardware makes the use of artificial intelligence algorithms widespread in embedded systems. For these reasons, this thesis focuses on the detection and classification of diabetic retinopathy, a complication that poses a serious public health risk. The study includes hyperparameter optimization of deep learning models, the development of a classification model, and the design and implementation of a classification device. In hyperparameter optimization studies, the Adolescent Identity Search Algorithm and the Big Bang-Big Crunch optimization algorithm, which, to the best of our knowledge, have not previously been used in the literature for the detection and classification of diabetic retinopathy, were employed; the results obtained were compared with those of Bayesian-based hyperparameter optimization. Both algorithms outperformed Bayesian-based approaches in terms of accuracy and convergence speed. During the development of the deep learning model, a stacked ensemble learning model was constructed using convolutional neural networks that were hyperparameter-optimized using the Big Bang-Big Crunch optimization algorithm and enhanced with the focal loss function. The developed model achieved 86.55% accuracy, outperforming similar studies in the literature. Furthermore, significant performance improvements were achieved in other metrics. Finally, a different deep learning model was deployed to the embedded system, and a compact classification device was created by integrating other components; the device's performance was analyzed using inference time and frames per second metrics.
Benzer Tezler
- Fundus görüntülerinin sınıflandırılarak diyabetik retinopati hastalığının derin öğrenme ile tespiti
Detection of diabetic retinopathy disease by classifying fundus images using deep learning
HALİL İBRAHİM ŞAHİN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Beykent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TALAT FİRLAR
- Evrişimsel sinir ağları kullanarak diyabetik retinopati hastalığının tespiti
Detection of diabetic retinopathy disease using convolutional neural network
KEMAL AĞCA
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSivas Cumhuriyet ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HİDAYET TAKCI
- Diabetic retinopathy detection using ensemble transfer deep learning
Topluluk transferi derin öğrenme yöntemi kullanarak diyabetik retinopati tespiti
SHUHAD IMAD HADI AL-DUJAILI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NEHAD T.A RAMAHA
- 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
- The Implementation of Ensemble Voting in Deep Neural Networks for the Automated Classification of Diabetic Retinopathy
Diabetik Retinopatinin Otomatik Siniflandirilmasi Için Derin Sinir Ağlarinda Ensemble Oylama Yaklaşiminin Uygulanmasi
MOTHNA MEZHER ALRUBAYE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HAMZA OSMAN İLHAN