Segmentation of multi class retinal lesions from fundus images
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Fen Bilimleri Enstitüsü, ELEKTRİK VE ELEKTRONİK MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: İngilizce
Öğrenci: ELİF KÜBRA ÇONTAR
Danışman: GÖZDE AKAR
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Diyabetik retinopati, yetişkinlerde görülen önlenebilir körlüğün en önemli nedenlerinden biridir. Diyabetik retinopati(DR) ile ilişkili retina lezyonlarının tespiti, DR'nin otomatik teşhisi için önemli bir basamaktır. Hastalıkla ilgili birden fazla farklı lezyon tipi bulunmaktadır. Bunlar sırasıyla: mikroanevrizma, hemoraji, sert eksüda ve yumuşak eksüdadır. Lezyon tipleri renk, boyut ve şekil açısından farklı görsel özelliklere sahiptir. Literatürde retina lezyonlarının tespiti lokalizasyon veya segmentasyon problemi olarak incelenmiştir. Geleneksel görüntü işleme yöntemlerinin yanı sıra, makine öğrenmesi tabanlı ve sinir ağları tabanlı yöntemler son yıllarda yaygın olarak geliştirilmiştir. Çalışmaların bir çoğu tek lezyon tipini tespit etmeye odaklanmıştır. Tek tip üzerinde geliştirilmiş yöntemler, lezyonların farklı özellikleri nedeniyle başka bir lezyon türünü saptamakta kullanılamıyor. Ek olarak, retina lezyonu segmentasyonu veri dağılımı sebebiyle dengesiz bir sınıflandırma problemidir. Görev, hem ön plan-arka plan dengesizliğini hem de pozitif sınıflar arasındaki dengesizliği içermektedir. Bu çalışmada, fundus görüntülerinden çok sınıflı retina lezyonlarının bölütlemesi için örnek temelli kesişim bölü bileşim(IB\_IoU) hata fonksiyonunu geliştirdik. Hata fonksiyonu, aşağıdaki iki sorunu hedef almıştır. İlk olarak, IoU puanı her bir sınıf için ayrı ayrı hesaplanarak ortalaması alınır. Bu şekilde dengesizlik sorununu çözmek amaçlanmıştır. İkinci olarak, kapalı çevreli şekle sahip her örnek için IoU puanı hesaplanır. Amaç, küçük piksel alanlarına sahip örneklerin de tespit edilebilmesi ve kaçırılmaması için hata fonksiyonuna katkı yapmalarını sağlamaktır. Kapalı çevreli şekle sahip örnekleri bulmak için bağlantılı bileşen analizi uygulanmıştır. Sonuçlar, geliştirilen algoritmanın performansının, tek lezyon tipini tespit etmeye odaklanan son teknoloji yöntemlerle karşılaştırılabilir bir seviyede olduğunu göstermektedir. Ek olarak, önerilen hata fonksiyonu, çok sınıflı retina lezyonu segmentasyonunda kullanılan diğer hata fonksiyonlarına göre mikroanevrizma ve eksüda lezyonlarının tespit performansını iyileştirmiştir.