Göz, insanoğlunun en önemli organlarından biri olmasına rağmen birçok hastalığa da maruz kalabilmektedir. Bu hastalıklardan bazılarına toplumda sıklıkla rastlanmaktadır. Bunlardan ikisi katarakt ve glakom olarak bilinen çok önemli göz hastalıklarıdır. Evrişimli Sinir Ağları (ESA), bu hastalıkların erken tanı ve uzman teşhisine yardımcı olmak için kullanılabilir. Bu çalışmada derin öğrenme yöntemlerinden biri olan Evrişimli Sinir Ağları kullanılarak katarakt, glakom ve normal göz dibi görüntüleri sınıflandırılmıştır. Eğitilmiş Ağlar kullanılarak Googlenet, Densenet-201, Xception ve Inception-V3 ağlarının performansları karşılaştırılmıştır. Her ağ için adam, rmsprop ve sgdm optimizasyon yöntemleri uygulanmıştır. Bu çalışma, datasetteki 262 Katarakt, 200 Glakom ve 2816 normal göz dibi görüntüsü kullanılarak yapılmıştır. Görüntüler, yeniden boyutlandırma, arka planı kaldırma, rastgele döndürme ve yeniden boyutlandırma ile önceden işlenmiştir. Matlab ortamında yapılan simülasyonlar sonucunda, diğer ağlara göre en iyi sonuçlar rmsprop optimizasyonlu Xception ağ mimarisi ile elde edilmiştir.
Although the eye is one of the most important organs of human beings, it can also be exposed to many diseases. Some of these diseases are frequently encountered in society. Two of these are very important eye diseases known as cataracts and glaucoma. Convolutional Neural Networks (CNN) can be used to aid in the early detection and expert diagnosis of these diseases. In this study, cataract, glaucoma and normal eye fundus images have been classified using Convolutional Neural Networks, which is one of the deep learning methods. The performances of Googlenet, Densenet-201, Xception and Inception-V3 networks have been compared using Transfer Learning. Adam, rmsprop and sgdm optimization methods have been applied for each network. This study has been performed using 262 Cataracts, 200 Glaucoma and 2816 normal fundus image data in the Dataset. Images have pre-processed with resizing, background removal, random rotation and resizing. As a result of the simulations made in the Matlab environment, the best results have obtained with the Xception network architecture with rmsprop optimizer compared to other network ones.
Primary Language | Turkish |
---|---|
Subjects | Deep Learning |
Journal Section | Research Article |
Authors | |
Early Pub Date | November 15, 2023 |
Publication Date | October 2, 2024 |
Submission Date | August 22, 2023 |
Published in Issue | Year 2024 |
Bu eser Creative Commons Atıf-AynıLisanslaPaylaş 4.0 Uluslararası ile lisanslanmıştır.