Derin Öğrenme ve Özellik Seçimi Yaklaşımları Kullanılarak Göz Hastalıkları Tespiti

Ahmet Ciran; Erdal Özbay

Makale detayları

Derin Öğrenme ve Özellik Seçimi Yaklaşımları Kullanılarak Göz Hastalıkları Tespiti

Yazarlar:

Ahmet Ciran | Erdal Özbay

Yayıncı:

Dicle University

Ana Başlıklar:

Derin Öğrenme | Memnuniyet ve Optimizasyon

Dergi:

Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi Vol.15 Issue 2, pp.421-433

Belge Tipi:

Makale

Yayın Tarihi:

6/2024

Belge Dili:

Türkçe

Document ID (Org No.):

2001320921

pISSN:

1309-8640

Anahtar kelimeler:

Özet:

 Göz sağlığı, önemli bir halk sağlığı konusudur ve göz hastalıkları dünya çapında ciddi sağlık sorunlarına neden olmaktadır. Göz hastalıkları, görme yeteneğini etkileyebilen ve yaşam kalitesini önemli ölçüde azaltabilen çeşitli sağlık sorunlarıdır. Bunlar arasında normal göz sağlığı, glukom, diyabetik retinopati ve katarakt önemli yer tutmaktadır. Bu hastalıkların erken tanınması ve uygun tedavi yöntemlerinin uygulanması, göz sağlığının korunması ve görme kayıplarının en aza indirilmesi açısından hayati öneme sahiptir. Son dönemlerde, göz hastalıklarının teşhisi için yapay zekâ tekniklerinin kullanımı yaygınlaşmaktadır. Bu teknikler, görüntü analizi ve derin öğrenme gibi ileri algoritmaları içerir ve hastalıkların erken teşhisi ve tedavisi için önemli bir araç haline gelmektedir. Bu çalışmada, göz hastalıklarının fundus görüntülerinden doğru teşhis edilmesi için derin öğrenme ve özellik seçimi yöntemlerinin kombinasyonu yoluyla metasezgisel yöntemlerle optimize edilmiş bir metodoloji geliştirilmiştir. Bu çalışmada, dört sınıflı bir veri setinden elde edilen görüntüler üzerinde özellik çıkarımı için önceden eğitilmiş derin öğrenme mimarileri olan ResNet101, DenseNet201 ve DarkNet53 kullanılmıştır. Bu mimarilerden elde edilen özellikler birleştirilerek bir hibrit özellik havuzu oluşturulmuştur. Oluşturulan bu havuz, görüntülerin daha etkili bir şekilde temsil edilmesini sağlamak için kullanılmıştır. Elde edilen özelliklerin içinden önemsiz olanları elemek için metasezgisel bir optimizasyon yöntemi olan parçacık sürü optimizasyonu PSO kullanılmıştır. Görüntülerin sınıflandırılması için makine öğrenmesi yöntemlerinden olan destek vektör makinesi SVM tercih edilmiştir. SVMin performansını artırmak amacıyla, hiperparametrelerin seçimi için Bayesian optimizasyon yöntemi kullanılmıştır. Bu optimizasyon tekniği, SVMnin daha iyi bir şekilde ayarlanmasına ve veri setine uyum sağlamasına yardımcı olmuştur. Deneysel çalışmaların sonuçlarına göre, sınıflandırma doğruluğu 93.8 olarak belirlenmiştir. Bu sonuçlar, önerilen yöntemin göz hastalıklarının tespitinde etkili bir araç olarak kullanılabileceğini göstermektedir. Bu çalışma, yapay zeka tekniklerinin tıbbi görüntüleme alanında önemli bir rol oynayabileceğini ve göz hastalıklarının erken teşhisinde kullanılabilecek potansiyel bir araç olduğunu vurgulamaktadır.

 Göz sağlığı, önemli bir halk sağlığı konusudur ve göz hastalıkları dünya çapında ciddi sağlık sorunlarına neden olmaktadır. Göz hastalıkları, görme yeteneğini etkileyebilen ve yaşam kalitesini önemli ölçüde azaltabilen çeşitli sağlık sorunlarıdır. Bunlar arasında normal göz sağlığı, glukom, diyabetik retinopati ve katarakt önemli yer tutmaktadır. Bu hastalıkların erken tanınması ve uygun tedavi yöntemlerinin uygulanması, göz sağlığının korunması ve görme kayıplarının en aza indirilmesi açısından hayati öneme sahiptir. Son dönemlerde, göz hastalıklarının teşhisi için yapay zekâ tekniklerinin kullanımı yaygınlaşmaktadır. Bu teknikler, görüntü analizi ve derin öğrenme gibi ileri algoritmaları içerir ve hastalıkların erken teşhisi ve tedavisi için önemli bir araç haline gelmektedir. Bu çalışmada, göz hastalıklarının fundus görüntülerinden doğru teşhis edilmesi için derin öğrenme ve özellik seçimi yöntemlerinin kombinasyonu yoluyla metasezgisel yöntemlerle optimize edilmiş bir metodoloji geliştirilmiştir. Bu çalışmada, dört sınıflı bir veri setinden elde edilen görüntüler üzerinde özellik çıkarımı için önceden eğitilmiş derin öğrenme mimarileri olan ResNet101, DenseNet201 ve DarkNet53 kullanılmıştır. Bu mimarilerden elde edilen özellikler birleştirilerek bir hibrit özellik havuzu oluşturulmuştur. Oluşturulan bu havuz, görüntülerin daha etkili bir şekilde temsil edilmesini sağlamak için kullanılmıştır. Elde edilen özelliklerin içinden önemsiz olanları elemek için metasezgisel bir optimizasyon yöntemi olan parçacık sürü optimizasyonu PSO kullanılmıştır. Görüntülerin sınıflandırılması için makine öğrenmesi yöntemlerinden olan destek vektör makinesi SVM tercih edilmiştir. SVMin performansını artırmak amacıyla, hiperparametrelerin seçimi için Bayesian optimizasyon yöntemi kullanılmıştır. Bu optimizasyon tekniği, SVMnin daha iyi bir şekilde ayarlanmasına ve veri setine uyum sağlamasına yardımcı olmuştur. Deneysel çalışmaların sonuçlarına göre, sınıflandırma doğruluğu 93.8 olarak belirlenmiştir. Bu sonuçlar, önerilen yöntemin göz hastalıklarının tespitinde etkili bir araç olarak kullanılabileceğini göstermektedir. Bu çalışma, yapay zeka tekniklerinin tıbbi görüntüleme alanında önemli bir rol oynayabileceğini ve göz hastalıklarının erken teşhisinde kullanılabilecek potansiyel bir araç olduğunu vurgulamaktadır.

 Göz sağlığı, önemli bir halk sağlığı konusudur ve göz hastalıkları dünya çapında ciddi sağlık sorunlarına neden olmaktadır. Göz hastalıkları, görme yeteneğini etkileyebilen ve yaşam kalitesini önemli ölçüde azaltabilen çeşitli sağlık sorunlarıdır. Bunlar arasında normal göz sağlığı, glukom, diyabetik retinopati ve katarakt önemli yer tutmaktadır. Bu hastalıkların erken tanınması ve uygun tedavi yöntemlerinin uygulanması, göz sağlığının korunması ve görme kayıplarının en aza indirilmesi açısından hayati öneme sahiptir. Son dönemlerde, göz hastalıklarının teşhisi için yapay zekâ tekniklerinin kullanımı yaygınlaşmaktadır. Bu teknikler, görüntü analizi ve derin öğrenme gibi ileri algoritmaları içerir ve hastalıkların erken teşhisi ve tedavisi için önemli bir araç haline gelmektedir. Bu çalışmada, göz hastalıklarının fundus görüntülerinden doğru teşhis edilmesi için derin öğrenme ve özellik seçimi yöntemlerinin kombinasyonu yoluyla metasezgisel yöntemlerle optimize edilmiş bir metodoloji geliştirilmiştir. Bu çalışmada, dört sınıflı bir veri setinden elde edilen görüntüler üzerinde özellik çıkarımı için önceden eğitilmiş derin öğrenme mimarileri olan ResNet101, DenseNet201 ve DarkNet53 kullanılmıştır. Bu mimarilerden elde edilen özellikler birleştirilerek bir hibrit özellik havuzu oluşturulmuştur. Oluşturulan bu havuz, görüntülerin daha etkili bir şekilde temsil edilmesini sağlamak için kullanılmıştır. Elde edilen özelliklerin içinden önemsiz olanları elemek için metasezgisel bir optimizasyon yöntemi olan parçacık sürü optimizasyonu PSO kullanılmıştır. Görüntülerin sınıflandırılması için makine öğrenmesi yöntemlerinden olan destek vektör makinesi SVM tercih edilmiştir. SVMin performansını artırmak amacıyla, hiperparametrelerin seçimi için Bayesian optimizasyon yöntemi kullanılmıştır. Bu optimizasyon tekniği, SVMnin daha iyi bir şekilde ayarlanmasına ve veri setine uyum sağlamasına yardımcı olmuştur. Deneysel çalışmaların sonuçlarına göre, sınıflandırma doğruluğu 93.8 olarak belirlenmiştir. Bu sonuçlar, önerilen yöntemin göz hastalıklarının tespitinde etkili bir araç olarak kullanılabileceğini göstermektedir. Bu çalışma, yapay zeka tekniklerinin tıbbi görüntüleme alanında önemli bir rol oynayabileceğini ve göz hastalıklarının erken teşhisinde kullanılabilecek potansiyel bir araç olduğunu vurgulamaktadır.

 Göz sağlığı, önemli bir halk sağlığı konusudur ve göz hastalıkları dünya çapında ciddi sağlık sorunlarına neden olmaktadır. Göz hastalıkları, görme yeteneğini etkileyebilen ve yaşam kalitesini önemli ölçüde azaltabilen çeşitli sağlık sorunlarıdır. Bunlar arasında normal göz sağlığı, glukom, diyabetik retinopati ve katarakt önemli yer tutmaktadır. Bu hastalıkların erken tanınması ve uygun tedavi yöntemlerinin uygulanması, göz sağlığının korunması ve görme kayıplarının en aza indirilmesi açısından hayati öneme sahiptir. Son dönemlerde, göz hastalıklarının teşhisi için yapay zekâ tekniklerinin kullanımı yaygınlaşmaktadır. Bu teknikler, görüntü analizi ve derin öğrenme gibi ileri algoritmaları içerir ve hastalıkların erken teşhisi ve tedavisi için önemli bir araç haline gelmektedir. Bu çalışmada, göz hastalıklarının fundus görüntülerinden doğru teşhis edilmesi için derin öğrenme ve özellik seçimi yöntemlerinin kombinasyonu yoluyla metasezgisel yöntemlerle optimize edilmiş bir metodoloji geliştirilmiştir. Bu çalışmada, dört sınıflı bir veri setinden elde edilen görüntüler üzerinde özellik çıkarımı için önceden eğitilmiş derin öğrenme mimarileri olan ResNet101, DenseNet201 ve DarkNet53 kullanılmıştır. Bu mimarilerden elde edilen özellikler birleştirilerek bir hibrit özellik havuzu oluşturulmuştur. Oluşturulan bu havuz, görüntülerin daha etkili bir şekilde temsil edilmesini sağlamak için kullanılmıştır. Elde edilen özelliklerin içinden önemsiz olanları elemek için metasezgisel bir optimizasyon yöntemi olan parçacık sürü optimizasyonu PSO kullanılmıştır. Görüntülerin sınıflandırılması için makine öğrenmesi yöntemlerinden olan destek vektör makinesi SVM tercih edilmiştir. SVMin performansını artırmak amacıyla, hiperparametrelerin seçimi için Bayesian optimizasyon yöntemi kullanılmıştır. Bu optimizasyon tekniği, SVMnin daha iyi bir şekilde ayarlanmasına ve veri setine uyum sağlamasına yardımcı olmuştur. Deneysel çalışmaların sonuçlarına göre, sınıflandırma doğruluğu 93.8 olarak belirlenmiştir. Bu sonuçlar, önerilen yöntemin göz hastalıklarının tespitinde etkili bir araç olarak kullanılabileceğini göstermektedir. Bu çalışma, yapay zeka tekniklerinin tıbbi görüntüleme alanında önemli bir rol oynayabileceğini ve göz hastalıklarının erken teşhisinde kullanılabilecek potansiyel bir araç olduğunu vurgulamaktadır.

Makale detayları

Derin Öğrenme ve Özellik Seçimi Yaklaşımları Kullanılarak Göz Hastalıkları Tespiti

Yazarlar:

Ahmet Ciran | Erdal Özbay

Yayıncı:

Dicle University

Ana Başlıklar:

Derin Öğrenme | Memnuniyet ve Optimizasyon

Dergi:

Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi Vol.15 Issue 2, pp.421-433

Belge Tipi:

Makale

Yayın Tarihi:

6/2024

Belge Dili:

Türkçe

Document ID (Org No.):

2001320921

pISSN:

1309-8640

Göz hastalıkları

Derin öğrenme

Özellik seçimi

PSO

Bayesian

Sayı

Makale detayları

Derin Öğrenme ve Özellik Seçimi Yaklaşımları Kullanılarak Göz Hastalıkları Tespiti

Yazarlar: Ahmet Ciran | Erdal Özbay

Yayıncı: Dicle University

Ana Başlıklar: Derin Öğrenme | Memnuniyet ve Optimizasyon

Dergi: Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi Vol.15 Issue 2, pp.421-433

Belge Tipi: Makale

Yayın Tarihi: 6/2024

Belge Dili: Türkçe

Document ID (Org No.): 2001320921

pISSN: 1309-8640

Göz hastalıkları

Derin öğrenme

Özellik seçimi

PSO

Bayesian

Sayı

Yazarlar:

Ahmet Ciran | Erdal Özbay

Yayıncı:

Dicle University

Ana Başlıklar:

Derin Öğrenme | Memnuniyet ve Optimizasyon

Dergi:

Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi Vol.15 Issue 2, pp.421-433

Belge Tipi:

Makale

Yayın Tarihi:

6/2024

Belge Dili:

Türkçe

Document ID (Org No.):

2001320921

pISSN:

1309-8640