EVRİŞİMSEL SİNİR AĞLARI KULLANARAK DİYABETİK RETİNOPATİ HASTALIĞININ TESPİTİ

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Sivas Cumhuriyet Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği , Türkiye

Tezin Onay Tarihi: 2022

Tezin Dili: Türkçe

Öğrenci: Kemal Ağca

Danışman: Hidayet Takcı

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Diyabetik Retinopati (DR), diyabet kaynaklı yüksek kan şekerinin retinadaki kan damarlarının geçirgenliğinde oluşturduğu hasar nedeniyle meydana gelen hastalığa verilen isimdir. Hastalığa erken tanı konmadığı ve tedavi edilmediği durumlarda ileri derecede göz bozuklukları ve görme kaybı meydana gelebilmektedir. Komplikasyonların çoğu kan şekeri kontrolü ve erken tedavi ile önlenebilmekte ancak DR'nin karmaşıklığı ve çeşitliliği nedeniyle manuel yöntemlerle tespiti zor olmaktadır. Bu çalışmada DR'nin tespiti ve derecelendirilmesi için derin öğrenme ve makine öğrenmesinin beraber kullanıldığı hibrit bir model önerilmektedir. Derin öğrenme modeli olarak ESA mimarisine sahip transfer öğrenme modeli olan ResNET-50 kullanılmaktadır. Makine öğrenme algoritmaları olarak; Karar Ağaçları, K-En Yakın Komşu, Rastgele Orman, Torbalama ve Ekstra Ağaçlar Algoritmaları uygulanmıştır. Deneysel çalışmalar Aptos 2019 veri seti üzerinde yapılmıştır. ResNet-50 modeli, makine öğrenme algoritmalarında kullanılmak üzere veri setine ait görüntülerden özellik çıkarma amaçlı kullanılmıştır. Ayrıca özellik çıkarımından elde edilen verilerde sınıf dengesizliği bulunduğundan veri artırma (SMOTE) tekniği kullanılarak sınıflar arasındaki dengesizlik giderilmiştir. Elde edilen yeni veri seti makine öğrenme algoritmalarına ayrı ayrı uygulanarak 5'li sınıflandırma işlemi yapılmıştır. Sınıflandırma işlemi sonucunda %95 doğruluk, %95 kesinlik, %95 duyarlılık ve %95 F1 skoru elde edilmiştir.