An interpretable ai framework for oct-based retinal disease detection using multifractal features
Multifraktal analiz ve çok katmanlı perceptron sınıflandırması kullanarak oct görüntülerinden erken diyabetik retinopati tespiti
- Tez No: 990010
- Danışmanlar: PROF. DR. NECMİ SERKAN TEZEL
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez, multifraktal analizi makine öğrenimi teknikleriyle birleştirerek Optik Koherens Tomografi (OCT) görüntülerinden diyabetik retinopatiyi (DR) tespit etmek ve sınıflandırmak için otomatik bir çerçeve önermektedir. Diyabetik retinopati, dünya çapında önlenebilir körlüğün önde gelen nedenlerinden biri olmaya devam etmektedir ve geri dönüşü olmayan görme kaybını önlemek için erken teşhisi çok önemlidir. OCT görüntüleme, retina mikroyapılarına ilişkin yüksek çözünürlüklü bilgiler sağlasa da, manuel yorumlanması zaman alıcıdır ve özel uzmanlık gerektirir. Bu sınırlamaları aşmak için, bu araştırma, retina dokularının çok ölçekli karmaşıklığını ve özbenzerliğini ölçmek için sağlam bir matematiksel yaklaşım olarak multifraktal analizi sunmaktadır. İlk katkı, OCT görüntülerinden çıkarılan multifraktal özelliklere uygulanan güçlendirme tabanlı sınıflandırıcıların kullanımına odaklanmaktadır. Önerilen yaklaşım, toplu öğrenmeyi kullanarak geleneksel sınıflandırıcılara kıyasla doğruluk, hassasiyet ve özgüllüğü artırarak, güvenilir retina hastalığı tespiti için multifraktal tanımlayıcıların potansiyelini teyit etmektedir. İkinci katkı, DR'nin erken teşhisi için özel olarak tasarlanmış bir Çok Katmanlı Perceptron (MLP) sınıflandırıcısı ile multifraktal özellik çıkarımı entegre eden bir çerçeve sunmaktadır. Bu sistem, yapısal kalıplardaki ince farklılıkları kullanarak sağlıklı ve patolojik retina bölgelerini etkili bir şekilde ayırt etmektedir. Gerçek OCT veri kümeleri üzerinde yapılan kapsamlı deneyler, önerilen metodolojileri doğrulayarak geleneksel özellik çıkarma ve sınıflandırma tekniklerine göre üstün performans sergilemektedir. Sonuçlar, multifraktal analizin, standart yöntemler veya insan gözlemiyle genellikle görünmeyen ince retina anormalliklerini yakaladığını doğrulamaktadır. Genel olarak, bu tez, güçlü ve yorumlanabilir bir özellik çıkarma aracı olarak multifraktal analizi tanıtarak otomatik retina görüntü analizinin ilerlemesine katkıda bulunmaktadır. Bu özelliklerin makine öğrenimi modelleriyle entegrasyonu, diyabetik retinopati tespiti için doğru, ölçeklenebilir ve klinik olarak ilgili sistemlerin tasarlanmasını mümkün kılarak, oftalmolojide iyileştirilmiş tarama programları ve daha etkili karar destek sistemlerinin yolunu açmaktadır.
Özet (Çeviri)
This thesis proposes an automated framework for the detection and classification of diabetic retinopathy (DR) from Optical Coherence Tomography (OCT) images by combining multifractal analysis with machine learning techniques. Diabetic retinopathy remains one of the leading causes of preventable blindness worldwide, and its early detection is crucial to avoid irreversible vision loss. While OCT imaging provides high-resolution insights into retinal microstructures, its manual interpretation is time-consuming and requires specialized expertise. To overcome these limitations, this research introduces multifractal analysis as a robust mathematical approach for quantifying the multi-scale complexity and self-similarity of retinal textures. The first contribution focuses on the use of boosting-based classifiers applied to multifractal features extracted from OCT images. By leveraging ensemble learning, the proposed approach enhances accuracy, sensitivity, and specificity compared to traditional classifiers, confirming the potential of multifractal descriptors for reliable retinal disease detection. The second contribution introduces a framework that integrates multifractal feature extraction with a Multi-Layer Perceptron (MLP) classifier, specifically designed for the early detection of DR. This system effectively distinguishes between healthy and pathological retinal regions by exploiting subtle variations in structural patterns. Comprehensive experiments conducted on real OCT datasets validate the proposed methodologies, demonstrating superior performance over conventional feature extraction and classification techniques. The results confirm that multifractal analysis captures fine-grained retinal abnormalities that often remain invisible to standard methods or human observation. Overall, this thesis contributes to advancing automated retinal image analysis by introducing multifractal analysis as a powerful and interpretable feature extraction tool. The integration of these features with machine learning models enables the design of accurate, scalable, and clinically relevant systems for diabetic retinopathy detection, paving the way for improved screening programs and more effective decision-support systems in ophthalmology.
Benzer Tezler
- A systems approach to food safety: A framework for integrating systems engineering, interpretable AI, and AI-ready data infrastructure
Gıda güvenliğine sistem yaklaşımı: Sistem mühendisliği, yorumlanabilir yapay zekâ ve yapay zekâya hazır veri altyapısını bütünleştiren bir çerçeve
EMEL MİNE BUĞDALI
Doktora
İngilizce
2025
BiyoteknolojiYeditepe ÜniversitesiBiyoteknoloji Ana Bilim Dalı
DOÇ. DR. ÖZLEM GÜÇLÜ ÜSTÜNDAĞ
- Finansal sistemler için bütünleşik bir açıklanabilir yapay zekâ çerçevesi geliştirilmesi
Developing an integrated explainable artificial intelligence framework for financial systems
ABDULLAH EMİR ÇİL
Doktora
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. KAZIM YILDIZ
- Value-based guidelines for ai adoption in it: Findings from a means-end chain analysis
Bilgi teknolojileri bölümlerinde yapay zeka benimsenmesine yönelik değer temelli öneriler: Neden-sonuç zinciri analizinden bulgular
AYŞE NİSA AKGÜN
Yüksek Lisans
İngilizce
2025
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiVeri Mühendisliği ve İş Analitiği Ana Bilim Dalı (disiplinlerarası)
DOÇ. DR. UMUT ASAN
- IoMT ağlar için yapay zeka tabanlı yeni bir saldırı tespit sistemi
A new intrusion detection system for an iomt network based on artificial intelligence
YOUSIF HOSAIN DAKHIL AL-BEHADILI
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMET ÇAKMAK
- Explainable federated learning for IOT security systems: Balancing privacy, transparency, and performance
Explaınable federated learnıng for ıot securıty systems: balancıng prıvacy, transparency, and performance
RODAN ALSALEH
Yüksek Lisans
İngilizce
2025
Bilim ve TeknolojiÜsküdar ÜniversitesiSiber Güvenlik Ana Bilim Dalı
YRD. DOÇ. DR. AHMED ŞENOL