Derin öğrenme yöntemleri ile tomografi görüntülerinden kapalı açılı glokom göz hastalığının sınıflandırılması

Basit Öğe Kaydı
dc.contributor.advisorKaynar, Oğuz
dc.contributor.authorTeke, Fatih
dc.date.accessioned2024-10-19T19:27:13Z
dc.date.available2024-10-19T19:27:13Z
dc.date.issued2024
dc.departmentEnstitüler, Fen Bilimleri Enstitüsü, Yapay Zeka Ana Bilim Dalıen_US
dc.descriptionFen Bilimleri Enstitüsü, Yapay Zeka Ana Bilim Dalı, Yapay Zeka ve Veri Bilimi Bilim Dalıen_US
dc.description.abstractBu çalışmada bir derin yapay zekâ modelinin kullanılması yoluyla kapalı açılı glokomun saptanması ve sınıflandırılmasına yeni ve gelişmiş bir yaklaşım sunulmaktadır. Giriş verileri olarak Ön Segment Optik Koherens Tomografi (AS-OCT) görüntülerini kullanarak geliştirilen model, %95'lik yüksek bir genel doğruluk sergilemiştir. Metodoloji, kapalı açılı glokomun yüksek derecede hassasiyetle otomatik olarak tanımlanmasına ve sınıflandırılmasına olanak tanıyan en son teknolojiye sahip derin öğrenme tekniklerinin entegrasyonunu içermektedir. Bu araştırmanın bulguları, oftalmik teşhislerde yapay zekânın uygulanmasına ilişkin giderek artan literatüre katkıda bulunmayı ve oküler patoloji alanında daha iyi klinik karar verme ve hasta sonuçları için umut verici çıkarımlar sunmayı hedeflemektedir. Sınıflandırma için toplamda 1600 adet AS-OCT görüntüsü ile geliştirilen model performans değerleri, peripapiller OCT görüntülerinin, glokomun peripapiller tabaka haritalarında oldukça iyi bir sonuç verdiğini ve glokomun erken safhada yakalanması için kullanılmasını desteklemektedir. Geliştirilen yöntem ile AS-OCT görüntülerinin kapalı açılı glokom tespitinde ve teşhisinde doktorlara yardımcı olması amaçlanmaktadır.en_US
dc.description.abstractThis study introduces an enhanced paradigm for the detection and classification of closedangle glaucoma, leveraging a sophisticated deep artificial intelligence model. Notably, the model, constructed with Anterior Segment Optical Coherence Tomography (ASOCT) images, attains an high overall accuracy of 95%. The methodology encompasses the incorporation of cutting-edge deep learning techniques, enabling the automated and precise identification and classification of closed-angle glaucoma. The research findings aims to contribute substantively to the burgeoning literature on the application of artificial intelligence in ophthalmic diagnostics, holding promise for improved clinical decisionmaking and enhanced patient outcomes in ocular pathology. The model's exemplary performance, evaluated with a dataset of 1600 AS-OCT images, particularly underscores the efficacy of peripapillary OCT images in generating robust peripapillary layer maps for glaucoma classification, thereby advocating for its utility in early-stage glaucoma detection. Ultimately, the developed methodology aspires to facilitate clinicians in the timely and accurate detection and diagnosis of closed-angle glaucoma utilizing AS-OCT images.en_US
dc.identifier.endpage75en_US
dc.identifier.startpage1en_US
dc.identifier.urihttps://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=cr4SkWLaRMhkDRBjqthpsYtoFLZdkkksiBvN8WyvKdcG4LtKK2XGeFltO6LiUUzh
dc.identifier.urihttps://hdl.handle.net/20.500.12418/17655
dc.identifier.yoktezid851183en_US
dc.language.isotren_US
dc.publisherSivas Cumhuriyet Üniversitesien_US
dc.relation.publicationcategoryTezen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.snmzYK_20241019en_US
dc.subjectBilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolen_US
dc.subjectComputer Engineering and Computer Science and Control ; Göz Hastalıklarıen_US
dc.titleDerin öğrenme yöntemleri ile tomografi görüntülerinden kapalı açılı glokom göz hastalığının sınıflandırılmasıen_US
dc.title.alternativeClassification of closed-angle glaucoma eye disease from tomography images with deep learning methodsen_US
dc.typeMaster Thesisen_US

Dosyalar

Koleksiyon

Fen Bilimleri Enstitüsü Tez Koleksiyonu