Derin Öğrenme Modellerini Kullanarak İnsan Retinasının Optik Koherans Tomografi Görüntülerinden Hastalık Tespiti

Authors : Batuhan METİN, Bahadir KARASULU

Pages : 9-19

View : 11 | Download : 5

Publication Date : 2022-12-25

Article Type : Research Paper

Abstract :Bireylerin yaşamını olumsuz etkileyen aynı zamanda bireylerin yaşlarının ilerlemesi ile yaşamın kaçınılmazlarından olan en önemli sorunlardan birisi de retina hastalıkları sebebi ile meydana gelen görme bozukluklarıdır. Bu hastalıkların oluşmasının önüne geçmek için erken dönemlerde teşhis etme sayesinde yaşamın olumsuz etkilenmesinde ve sonraki evresi olan görme kaybı riskini en aza indirmek için çok önemlidir. Gelişen teknolojik yöntemler ile doğru orantılı olarak kullanımı yaygınlaşan makine öğrenmesi ve derin öğrenme yöntemleri Optik Koherans Tomografisi insert ignore into journalissuearticles values(OKT); görüntüleme yöntemi üzerinde çalışmayı yaygınlaştırmıştır. Bu çalışmada halkın kullanımına açık OKT veri kümesi üzerinden deneyler gerçekleştirilmiştir. Yüksek sınıflandırma performansları göz önüne alınarak Evrişimli Sinir Ağı insert ignore into journalissuearticles values(ESA); tabanlı ResNet50 ve MobileNetV2 modelleri çalışmamızda kullanılmıştır. Oluşturulan derin öğrenme tabanlı yapılar çalışmamızda gerçekleştirilen deneylerde çeşitli retina hastalıklarının sınıflandırılmasında test edilmiştir. Deneylerde farklı parametreler oluşturulan modeller üzerinde girdi olarak verilerek sınıflandırma başarımındaki doğruluk ölçümleri gerçekleştirilmiştir. Yapılan testlerin sonucunda, her iki model de dikkate alınarak makro ortalama doğruluk değerleri olarak yaklaşık %81 ile %94 aralığında bir başarım elde edilmiştir. Bu test sonuçlarına göre; deneylerde kullanılan ResNet50 ve MobileNetV2 modelleri birlikte dikkate alındığında ortalama F1 skoru; CNV için 0,75, Drusen için 0,86, DME için 0,90 ve normal yapıdaki retinalar için ise 0,96 olarak elde edilmiştir. Elde edilen sonuçlar ile literatürdeki çalışmalar karşılaştırıldığında yüksek doğrulukta başarım elde edildiği görülmüştür. Çalışmada sonuçlara ilişkin tartışma ve bilimsel bulgulara da yer verilmiştir.
Keywords : Derin Öğrenme, Optik Koherans Tomografi, Evrişimli sinir ağı