Diyabetik retinopatinin erken teşhisine yönelik derin öğrenme temelli lezyon tespit sistemi
Deep learning based lesion detection system for early diagnosis of diabetic retinopathy
- Tez No: 627604
- Danışmanlar: PROF. DR. AHMET ALKAN
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Kahramanmaraş Sütçü İmam Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektronik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Diyabetik Retinopati (DR) toplumda şeker hastalığı olarak bilinen diyabetik melitusa bağlı olarak gözün sinir tabakasında (retina) meydana gelen bozulmalardır. Bu bozukluklar erken evrede mikrohemoroji mikroanevrizma ve eksuda gibi lezyonlar olarak ortaya çıkmaktadır. Fakat ileri evrelerde körlüğe yol açan kanama ve yeni damarlar oluşabilmektedir. Bu nedenle DR'nin klinik değerlendirmesinde, retinada oluşan mikroanevrizma, kanamalar, yeni damar oluşumları gibi retinal bozuklukların olup olmadığına bakılmaktadır. Önerilen çalışmada, DR'nin otomatik teşhisine yönelik bir sistem oluşturulmuştur. Bu amaç doğrultusunda renkli fundus görüntülerinden derin öğrenme temelli bir lezyon tespit yazılımı geliştirilmiştir. Messidor ve Diaretdb1 veri kümelerindeki renkli retina görüntüleri çalışmada veri seti olarak kullanılmıştır. Mikroanevrizma tespitinde bir optimizasyon yöntemi olan karınca kolonisi, kanamalar ve eksudaların tespitinde ise U-Net tabanlı bir semantik bölütleme yapılmıştır. Uzman doktor gözetiminde elle tespit edilen lezyon görüntüleri, yazılım sayesinde otomatik olarak bölütlenen lezyon görüntüleri çakıştırılmıştır. Böylelikle Dice ve Jackard benzerlik indeksleri ile doğruluk duyarlılık ve özgüllük değerleri elde edilerek çalışmanın başarımı test edilmiştir. Çalışma, renkli fundus görüntülerinden DR lezyonlarının tespitinde, optimizasyon teknikleri ve derin öğrenme algoritmalarının başarımlarını ortaya çıkarmıştır. Çalışmada ayrıca optik disk de bölütlenerek uzmanların optik diske dayalı bir retina analizi yapabilmeleri sağlanmıştır. Lezyon tespitinde minimum %90'nın üzerinde başarım elde edilmiştir. Bu değerler, oluşturulan yazılımın, renkli fundus görüntülerinden DR teşhisinde uzman doktorlar tarafından güvenilir bir yardımcı sistem olarak kullanılabileceğini göstermiştir.
Özet (Çeviri)
Diabetic Retinopathy (DR) is the disorders in the nerve layer of the eye (retina) due to diabetic melitus, which is known as diabetes in the society. These disorders occur in the early stages as lesions such as microhemorrhage, microaneurysm and exudate. However, new vessel formations and bleeding occurring in later stages can lead to blindness. Therefore, in the clinical evaluation of DR, it is examined whether there are retinal disorders such as microaneurysm, hemorrhages, new vessel formations occurring in the retina. In the proposed study, a system for automatic diagnosis of diabetic retinopathy has been established. For this purpose, a deep learning based lesion detection software has been developed from color fundus images. Color retina images in Messidor and Diaretdb1 database were used as data set in the study. Ant colony, which is an optimization method for microaneurysm detection, U-Net based deep learning algorithm has been used to detect hemorrhages and exudates. The images of the lesions that were detected manually under the supervision of a specialist doctor, and the images of the lesions that were automatically segmented by the software were overlapped. Thus, the success of the study was tested by obtaining accuracy sensitivity and specificity values with Dice and Jackard similarity indexes. The study revealed the performance of optimization techniques and deep learning algorithms in the detection of diabetic retinopathy lesions from color fundus images. In the study, the optical disc was also segmented. In this way, experts are provided to perform a retinal analysis based on the optical disc. At least 90% performance was achieved in lesion detection. These values show that the software created can be used as a reliable aid system to specialist doctors for the diagnosis of diabetic retinopathy from color fundus images.
Benzer Tezler
- Diyabetik retinopati evrelerinin derin öğrenme tabanlı tespiti
Deep learning-based detection of diabetic retinopathy stages
HAVVA ÖZYILDIZ
Yüksek Lisans
Türkçe
2025
Mekatronik MühendisliğiAfyon Kocatepe ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FATİH BAYRAM
- 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
- Yapay zeka ile diyabetik retinopati tespiti
Diabetic retinopathy detection with artificial intelligence
RAVAN JARJANAZI
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. HAYDAR ÖZKAN
- Hibrit derin öğrenme yaklaşımları ile fundus görüntüleri üzerinden göz hastalıkları tespiti
Detecting eye diseases from fundus images using hybrid deep learning approaches
MUSTAFA YURDAKUL
Doktora
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAKİR TAŞDEMİR
DR. ÖĞR. ÜYESİ KÜBRA UYAR PINAR
- Tip 2 diabetes mellituslu hastalarda N-terminal beyin natriüretik peptid (NT-proBNP) düzeyleri
Başlık çevirisi yok
UZAY GÖRMÜŞ