DETR derin öğrenme tekniği ile göz tomografi görüntülerinin tanımlanması

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Eskişehir Osmangazi Üniversitesi, Fen Bilimleri Enstitüsü, Fen Bil.Enst.Md.Lüğü, Türkiye

Tezin Onay Tarihi: 2024

Tezin Dili: Türkçe

Öğrenci: EFE EROĞLU

Danışman: Eyyüp Gülbandılar

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu tez, optik koherens tomografi (OCT) görüntülerinin tanımlanması için derin öğrenme tabanlı bir yöntem olan DETR (Detection Transformer) kullanılarak yapılan bir araştırmayı sunmaktadır. Göz hastalıklarının erken teşhisinde önemli bir rol oynayan OCT görüntüleri, retina katmanlarının yüksek çözünürlüklü kesitlerini sağlar. Geleneksel yöntemlerin sınırlamaları göz önüne alındığında, derin öğrenme teknikleri bu alanda umut verici sonuçlar sunmaktadır. Bu çalışmada, veri setinden rastgele seçilen 435 görüntü, hem retina hastalıklarını içeren hem de kontrol amaçlı sağlıklı retina görüntülerini içermektedir .Bu sayede, hem hastalıklı hem de sağlıklı örneklerle modelin performansı değerlendirilmiştir. Eğitilen modelin doğruluğunu değerlendirmek için, eğitim ve test veri setlerine ayrılmış görüntüler üzerinde bir dizi deney gerçekleştirilmiştir. Elde edilen sonuçlar DETR modelinin hem kesinlik hem de duyarlılık olarak %98 oranı ile retina deformasyonlarını tespit edebildiğini göstermektedir. YOLO modelinin kesinlik ve duyarlılık olarak sırasıyla %91 ve %98 oranı ile retina deformasyonlarını tespit edebildiğini göstermektedir. Bu çalışma, derin öğrenme tabanlı DETR modelinin OCT görüntülerinin otomatik tanımlanmasında etkili bir araç olduğunu ve klinik uygulamalarda kullanılabilirliğini göstermektedir. Sonuçlar, daha geniş veri setleri ve farklı göz hastalıkları üzerinde yapılacak gelecekteki araştırmalar için de bir temel teşkil etmektedir.

Anahtar Kelimeler:DETR (Detection Transformer), Optik Koherens Tomografi (OCT), Retina Deformasyonu, Derin Öğrenme, Görüntü Tanımlama, Göz Hastalıkları,YOLO