Classification and prediction retinal oct images by CNN algorithm
CNN algoritmasıyla sınıflandırma ve tahmin eden retinal ekim görüntüleri
- Tez No: 791777
- Danışmanlar: prof. Dr. MUSTAFA YAĞCI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Derin öğrenme, Diabetik retinopati, Retina, Şeker hastalığı, Deep learning, Diabetic retinopathy, Retina
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Kırşehir Ahi Evran Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İleri Teknolojiler Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
DSÖ'ye göre DR, körlük ve görme bozukluğunun önde gelen nedenidir. Karmaşıklığı, sessizliği ve erken başlangıcı nedeniyle bu enfeksiyonu teşhis etmek zordur. DR'nin şiddeti tedaviyi belirler. Tedavi, hastalığın ilerlemesini durdurmayı veya geciktirmeyi amaçlar. Erken DR sadece rutin oftalmolog izlemesi gerektirebilir. DR hastaları doktorun diyetine, kan şekeri kontrolüne ve egzersiz yönergelerine uymalıdır. Bu, hastalığın ilerlemesini yavaşlatabilir. İntravitreal enjeksiyonlar DR'yi azaltabilir veya durdurabilir. Geç evre RD'de, arterler makulaya kan ve sıvı gönderir. Makula ödemi sonuçları. Fotokoagülasyon, kanamayı önlemek için retinayı kapatır. Lazerler kanamayı durdurmak için anormal kan damarlarına zarar verir. Birkaç karakterizasyon yöntemi önceki on veya yirmi yılda ilerlemiştir. Bu çalışma, erken diyabetik retinopati saptama stratejilerini karşılaştırmak için MATLAB'ın CNN'sini kullanır. CNN, popüler bir model yerleşim tekniğidir. CNN'nin ana yapısı, beyin gibi girdi, nöronlar ve depolama katmanlarına sahiptir. Sağlıklı ve diyabetik gözlerin fundus görüntüleri mükemmel aydınlatma koşulları altında alınır, böylece tüm gizli bileşenler tanımlanabilir. Kontrast, korelasyon, enerji, homojenlik, entropi ve standart hata ile birlikte standart sapma, varyans, çarpıklık ve basıklık verileri toplamak için kullanılır. Eleman çıkarıldıktan sonra veriler kaydedilir. Bir gizli katman, 16 veri nöronu ve iki katı veya katı olmayan çıktı, karmaşık bir evrişimli sinir ağı oluşturur. %70 planlama, %15 onay ve %15 test içindir. Bütçenin %15'i testlere ayrılacak. Sadece ağırlık ve yaş dikkate alındığında uygulama hızlı ve doğruydu (%98.93). Diyabetik retinopati %98,24 doğruluk, %98,93 doğruluk ve %99,42 inceleme oranı ile tanımlandı. EAA, sıkı testlerden sonra %98,91 idi
Özet (Çeviri)
DR is the leading cause of blindness and visual impairment, according to the WHO. Due to its complexity, silence, and early onset, this infection is difficult to diagnose. The severity of DR determines treatment. Treatment aims to stop or delay disease progression. Early DR may merely require routine ophthalmologist monitoring. DR patients must follow a doctor's diet, blood sugar control, and exercise guidelines. This may slow disease progression. Intravitreal injections can reduce or stop DR. In late-stage RD, arteries send blood and fluids to the macula. Macular edema results. Photocoagulation seals the retina to prevent bleeding. Lasers damage abnormal blood vessels to stop bleeding. Several characterization methods have advanced in the previous decade or two. This study uses MATLAB's CNN to compare early diabetic retinopathy detection strategies. CNN is a popular model layout technique. CNN's master structure has input, neurons, and storage layers like the brain. Fundus images of healthy and diabetic eyes are taken under excellent lighting conditions so all hidden components can be identified. Standard deviation, variance, skewness, and kurtosis are used to collect data along with contrast, correlation, energy, homogeneity, entropy, and standard error. After element extraction, data are recorded. One hidden layer, 16 data neurons, and two solid or unsolid outputs make up a sophisticated convolutional neural network. 70% is for planning, 15% for approval, and 15% for testing. 15% of the budget will go toward testing. Execution was quick and accurate (98.93%) when only weight and age were considered. Diabetic retinopathy was identified with 98.24% exactness, 98.93% accuracy, and 99.42% review rate. AUC was 98.91% after rigorous testing
Benzer Tezler
- Optik koherens tomografisi görüntüleri kullanarak evrişimsel sinir ağı tabanlı retinal hastalık tespiti
Convolutional neural network based retinal disease detection via optical coherence tomography images
İSMAİL KAYADİBİ
Yüksek Lisans
Türkçe
2021
Mühendislik BilimleriAfyon Kocatepe ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜR EMRE GÜRAKSIN
- Deep learning-based analysis of retinal OCT) scans for diagnosis of alzheimer's disease
Optik koherens tomografi taramaları ve derin ögrenme tabanlı alzheimer hastalıgı teshisi
YASEMİN TURKAN
Doktora
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolIşık ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. FAİK BORAY TEK
- Retina hastalıkları tespiti için yapay zekâ destekli yeni bir hesaplamalı modelin geliştirilmesi
Development of a new computational model supported by artificial intelligence for detection of retinal diseases
HASAN MEMİŞ
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiBatman ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMRULLAH ACAR
- Makula deliklerinde cerrahi tedavi sonuçlarımız
Our surgical treatment outcomes in macular holes
AHMET TAŞKIN
Tıpta Uzmanlık
Türkçe
2026
Göz HastalıklarıAnkara ÜniversitesiGöz Hastalıkları Ana Bilim Dalı
PROF. DR. FİGEN ŞERMET
- Pigment epitel dekolmanı olan rekürren yaşa bağlı makula dejenerasyonu olgularında pigment epitel dekolmanının anti-vegf yükleme dozuna yanıtını etkileyen klinik faktörlerin değerlendirilmesi
Evaluation of clinical factors affecting the response of pigment epithelial detachment to anti-VEGF loading dose in cases of recurrent age-related macular degeneration with pigment epithelial detachment
ÖMER YILDIZ
Tıpta Uzmanlık
Türkçe
2024
Göz HastalıklarıBolu Abant İzzet Baysal ÜniversitesiGöz Hastalıkları Ana Bilim Dalı
PROF. DR. FATİH ULAŞ