Diyabetik Retinopati Tespiti İçin Derin Öğrenmeye Dayalı Sınıflandırma-Reference-Cited by-同舟云学术

Diyabetik Retinopati Tespiti İçin Derin Öğrenmeye Dayalı Sınıflandırma

Published:2024-07-31 Issue:2 Volume:7 Page:13-19
ISSN:2651-5423
Container-title:Uluborlu Mesleki Bilimler Dergisi
language:tr
Short-container-title:

Author:

Polater Seda Nur¹^ORCID,Isık Ali Hakan¹^ORCID

Affiliation:

1. BURDUR MEHMET AKİF ERSOY ÜNİVERSİTESİ

Abstract

Diyabetik Retinopati (DR), yüksek kan şekeri seviyelerinin retinadaki kan damarlarında neden olduğu hasar sonucu oluşan bir göz hastalığıdır. Bu hastalık, erken teşhis edilmediği ve tedavi edilmediği durumlarda ciddi göz sorunlarına ve görme kaybına yol açabilir. Genellikle kan şekeri kontrolü ve erken tedavi ile bu komplikasyonlar önlenebilir, ancak DR'nin karmaşıklığı nedeniyle manuel teşhis zorlu olabilir. Uzmanlar, bu tür zorlu teşhislerde Evrişimsel Sinir Ağları (ESA) gibi derin öğrenme modellerinin başarılı bir şekilde kullanıldığını göstermişlerdir. Bu çalışma, DR'nin teşhisi ve sınıflandırılması üzerine makine öğrenme algoritmaları kullanılarak tamamlanmıştır. Araştırma, Aptos 2019 veri setini kullanarak gerçekleştirilmiştir. Bu veri seti, farklı DR şiddetlerine sahip retina görüntülerini içermektedir, bu da "Proliferatif," "Şiddetli," "Orta," "Hafif," ve "Diyabetik retinopati yok" gibi sınıflandırmaları içerir. Hastalığın teşhisi için DenseNet121, MobileNetV2, DenseNet169, InceptionV3, VGG16, MobileNet, VGG19, ResNet50, ResNet101 modelleri kullanılmıştır. DenseNet121 modelinde %97 doğruluk değeri hesaplanmıştır.

Publisher

Isparta Uygulamali Bilimler Universitesi

Reference15 articles.

1. Blindness detection. (2019, 25 Aralık). In Kaggle. https://www.kaggle.com/competitions/aptos2019-blindness-detection

2. Cangöz, G. B. (2022). Köpeklerin uzun kemiklerinin ve uzun kemiklerindeki kırıkların sınıflandırılması. (Tez No. 718172) [Yüksek Lisans Tezi, Başkent Üniversitesi, Fen Bilimleri Enstitüsü]. YÖK Ulusal Tez Merkezi.

3. Gulshan, V., Peng, L., Coram, M., Stumpe, C.,Wu, M., Narayanaswamy, D., & Webster, D. R. (2016). Development and validation of a deep learning algorithm for detection of diabetic retinopathy in retinal fundus photographs. Jama, 316(22), 2402-2410. https://www.doi.org/10.1001/jama.2016.17216

4. Günay Şener, A. B., & Şener, H. (2022, 26 Ekim - 29 Kasım). Diyabetik Gözlerde Multifokal Elektroretinografide Halka Amplitüdünün ve Halka Amplitüdünü Etkileyen Faktörlerin Değerlendirilmesi [Bildiri sunumu]. 23. Ulusal ve 6. Uluslararası Biyoistatistik, Ankara. https://www.medicine.ankara.edu.tr/2022/10/07/23-ulusal-ve-6-uluslararasi-biyoistatistik-kongresi-26-29-ekim-2022/

5. Metin, B., & Karasulu, B. (2022). Derin Öğrenme Modellerini Kullanarak İnsan Retinasının Optik Koherans Tomografi Görüntülerinden Hastalık Tespiti. Veri Bilimi, 5(2), 9-19. https://dergipark.org.tr/en/pub/veri/issue/74116/1183777