Günümüzde en yaygın körlük nedenlerinden biri olan Diyabetik Retinopati (DR), gözün retina ağ tabakasında yer alan kan damarlarında diyabete bağlı olarak oluşan hasarlanmalardır. Hastaların görme yetisini kaybetmemesi için DR’nin erken teşhis ve tedavisi hayati önem taşımaktadır. Bu çalışmada, DR’nin erken teşhis ve tedavisi için fundus görüntüleri kullanılarak derin öğrenme tabanlı bir model geliştirilmiştir. Geliştirilen model iki aşamadan oluşmaktadır. İlk aşamada, modelin aşırı öğrenmesinin engellenebilmesi için fundus görüntülerine iki boyutlu sinyal işleme teknikleri uygulanmıştır. İkinci aşamada, derin öğrenme tekniklerinden Evrişimli Sinir Ağı (ESA) ve transfer öğrenmesi yöntemleri kullanılarak sınıflandırma modeli oluşturulmuştur. Modelin eğitiminde 5100 fundus görüntü verisi kullanılmıştır. Elde edilen model sağlıklı (DR yok), hafif Non-Proliferatif DR (NPDR), orta NPDR, şiddetli NPDR ve Proliferatif DR (PDR) gibi 5 sınıfı içeren 900 fundus görüntü verisi üzerinde test edilmiştir. Modelin sağlamlığı 10-kat çapraz doğrulama yöntemi kullanılarak doğrulanmıştır. Önerilen modelin sınıflandırma performansı %97.8 olarak ölçülmüştür. Ayrıca, modelin sınıflandırma performansı literatürde yer alan üç model ile kıyaslanmıştır. Elde edilen sonuçlar, önerilen modelin, DR’yi teşhis etmek için çok etkili ve başarılı olduğunu göstermektedir.
Diabetic retinopathy (DR), which is one of the most common causes of blindness today, is the damage that occurs due to diabetes in the blood vessels located in the layer of the retina network of the eye. Early diagnosis and treatment of DR is vital to ensure that patients do not lose vision. In this study, a deep learning-based model was developed using fundus images for early diagnosis and treatment of DR. The developed model consists of two stages. In the first stage, two-dimensional signal processing techniques were applied to fundus images to prevent the model's overlearning. In the second phase, a classification model was created using the evolutionary nerve network (ESA) and transfer learning methods from deep learning techniques. 5100 fundus image data has been used in the model training. The obtained model has been tested on 900 fundus image data containing 5 classes such as healthy (no DR), light Non-Proliferative DR (NPDR), medium NPDR, severe NPDR and proliferative DR (PDR). The solidity of the model has been verified using the 10-cross verification method. The classification performance of the proposed model was measured at 97.8%. Also, the classification performance of the model is compared with the three models presented in literature. The achieved results show that the recommended model is very effective and successful in diagnosing DR.
Diabetic Retinopathy (DR), one of the most common causes of blindness today, is damage to the blood vessels in the retinal mesh layer of the eye due to diabetes. Early diagnosis and treatment of DR is vital so that patients do not lose their sight. In this study, a deep learning-based model is developed using fundus images for the early diagnosis and treatment of DR. The developed model consists of two stages. In the first stage, two-dimensional signal processing techniques are applied to the fundus images to prevent overfitting of the model. In the second stage, the classification model is created by using deep learning techniques, Convolutional Neural Network (CNN) and transfer learning methods. 5100 fundus image data is used in the training of the model. The validity of the obtained model is tested on 900 fundus image data containing 5 classes such as No DR, mild Non-Proliferative DR (NPDR), moderate NPDR, severe NPDR and Proliferative DR (PDR). The robustness of the model is verified using the 10-fold cross validation method. The classification performance of the proposed model is measured as 97.8%. Moreover, the classification performance of the model is compared with the three models in the literature. The obtained results show that the proposed model is very effective and successful for diagnosing DR.
Alan : Fen Bilimleri ve Matematik; Mühendislik
Dergi Türü : Uluslararası
Benzer Makaleler | Yazar | # |
---|
Makale | Yazar | # |
---|