Prematüre retinopati (ROP) teşhisinde derin öğrenme tabanlı retina görüntü segmentasyonu ve sınıflandırması
Deep learning-based retinal image segmentation and classification for diagnosis of retinopathy of prematurity (ROP)
- Tez No: 987351
- Danışmanlar: DOÇ. DR. VASİF NABİYEV
- 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: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışması, prematüre retinopatisi (ROP) tanısında kullanılmak üzere iki aşamalı, derin öğrenme temelli bir yaklaşım önermektedir. Çalışmanın ilk aşamasında, retinal damar yapılarının hassas segmentasyonu için Attention U-Net mimarisini temel alan VesSegNet geliştirilmiş ve dikkat mekanizmalarıyla güçlendirilmiştir. Model, DRIVE veri seti üzerinde eğitilmiş; farklı damar yapılarının etkili şekilde öğrenilmesi için hibrit bir kayıp fonksiyonu kullanılmıştır. Elde edilen segmentasyon çıktıları, özellikle ince damar yapılarının ayrıntılı olarak ortaya konmasını sağlamış ve daha önce segmente edilmemiş FARFUM-ROP veri setinde başarılı damar haritaları üreterek ikinci aşamada kullanılmak üzere transfer edilmiştir. İkinci aşamada, segmente edilen damar maskeleri ve orijinal ROP fundus görüntüleri birlikte değerlendirilerek ROP plus hastalığı sınıflandırılması (no-plus, pre-plus, plus) hedeflenmiştir. Bu amaçla, EfficientNet tabanlı çift kollu (dual-branch) bir füzyon mimarisi tasarlanmıştır. Deneysel sonuçlar, VesSegNet'in DRIVE test setinde 0.807 F1 skoru, FusionROPNet'in ise ROP plus sınıflandırmasında 0.8137 makro F1 skoru ile yüksek performans gösterdiğini ortaya koymaktadır. ROP tanısında damar morfolojisinin klinik önemi göz önünde bulundurularak, segmentasyon bilgisi sınıflandırma sürecine entegre edilmiştir.
Özet (Çeviri)
This thesis proposes a two-stage, deep learning-based approach for the diagnosis of retinopathy of prematurity (ROP). In the first stage, VesSegNet, based on the Attention U-Net architecture, was developed and enhanced with attention mechanisms for precise segmentation of retinal vessel structures. The model was trained on the DRIVE dataset, utilizing a hybrid loss function to effectively learn different vessel structures. The obtained segmentation outputs enabled detailed representation of fine vessel structures and successfully generated vessel maps on the previously unsegmented FARFUM-ROP dataset, which were then transferred for use in the second stage. In the second stage, the segmented vessel masks and original ROP fundus images were evaluated together to classify ROP plus disease (no-plus, pre-plus, plus). For this purpose, an EfficientNet-based dual-branch fusion architecture was designed. Experimental results reveal that VesSegNet achieves an F1 score of 0.807 on the DRIVE test set, whereas FusionROPNet attains a macro F1 score of 0.8137 for ROP plus disease classification, demonstrating robust performance. Given the clinical importance of vascular morphology in ROP diagnosis, segmentation information was incorporated into the classification pipeline.
Benzer Tezler
- Takviyeli derin öğrenme yöntemi kullanılarak prematüre retinopatisinin erken teşhisi
Early diagnosis of retinopathy of prematurity using reinforcement deep learning method
EMİNE CIRIK
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ZEHRA AYSUN ALTIKARDEŞ
DOÇ. DR. AYŞE İPEK AKYÜZ ÜNSAL
- 2014-2017 yılları arasında yenidoğan yoğun bakım ünitemizde takip edilen ileri derecede düşük doğum ağırlıklı bebeklerin mortalite ve morbidite verilerinin retrospektif analizi
Retrospective analysis of mortality and morbidity data of high-grade low birth weight infants followed by our newborn intensive care unit between 2014-2017
ÖZLEM KESER
Tıpta Uzmanlık
Türkçe
2018
Çocuk Sağlığı ve HastalıklarıAtatürk ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
DOÇ. DR. KADİR ŞERAFETTİN TEKGÜNDÜZ
- Prematüre bebeklerde retinopati muayenesi sırasında uygulanan ters kanguru bakım pozisyonu ve ROP pozisyonunun ağrıya etkisi
The effect of reverse kangaroo care position and ROP position on pain during retinopathy examination in premature infants
SİNEM BAŞDEMİR
Doktora
Türkçe
2025
HemşirelikEge ÜniversitesiÇocuk Sağlığı ve Hastalıkları Hemşireliği Ana Bilim Dalı
PROF. DR. HATİCE BAL YILMAZ
- Prematüre bebeklere retinopati muayenesinde uygulanan anne sütü kokusunun bebeklerin konfor ve ağrı düzeylerine etkisinin incelenmesi
Investigation of the effect of breast milk scent applied to premature infants in retinopathy examination on comfort and pain levels of infants
TUĞÇE ALICI
Yüksek Lisans
Türkçe
2021
Çocuk Sağlığı ve HastalıklarıEge ÜniversitesiÇocuk Sağlığı ve Hastalıkları Hemşireliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NURDAN AKÇAY DİDİŞEN
- Van Yüzüncü Yıl Üniversıtesı Tıp fakültesi Yenidoğan Yoğun Bakım Ünitesi'nde prematürite retinopati tanısı alan hastaların risk faktörlerinin retrospektif olarak değerlendirilmesi
Retrospective evaluation of risk factors of patients diagnosed with retinopathy of prematurity in the neonatal intensive care unit of Van Yüzüncü Yil University, Faculty of Medicine
MEHMET ERTAŞ
Tıpta Uzmanlık
Türkçe
2022
Çocuk Sağlığı ve HastalıklarıVan Yüzüncü Yıl ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. OĞUZ TUNCER