RETİNA HASTALIKLARININ OCT GÖRÜNTÜLERİNDEN HİBRİT TABANLI CNN YÖNTEMİ İLE TESPİT EDİLMESİ

Abstract

İnsan hayatı için en önemli organlardan biri de hiç şüphesiz gözdür. Göz insanoğlunun dış dünyayı görmek için kullandığı bir araçtır. Hayatı olumsuz etkileyen mühim sebeplerden biri de gözde bulunan retinada meydana gelen hastalıklarıdır. Retinada oluşan hastalıklar görme fonksiyonunu etkilediğinden ve retinada oluşan hasar geri döndürülemez olduğundan hassas bir şekilde ele alınması gereken bir durumdur. Zamanında yapılmayan bir müdahale veya geciktirilmiş bir durum söz konusu olduğunda gözde kalıcı hasarlara sebep olabilmektedir. Söz konusu hastalıkların takip edilmesi için ihtiyaç duyulan doktor sayısı ve her geçen gün artan hasta sayısı arasında dengesizlikler oluşmakla birlikte bu hastaları takip etmek oldukça güç duruma gelmiştir. Bu sebeple hastalar için hem zaman hem ekonomik anlamda yardımcı olunması, diğer taraftan doktorların işini kolaylaştırması noktasında erken teşhis ve bunun neticesinde başlayacak hayat kurtarıcı tedaviler için yapay zekâ yöntemleri kullanılarak Optik Koherens Tomografi(OCT) görüntülerinden retina hastalıkları tespitinin yapılması mümkün hale gelmiştir. Bu çalışmada yapay zekânın bir alt alanı olan makine öğrenimi, makine öğreniminin bir alt dalı olan ve günümüzde popüler hale gelen derin öğrenme mimarileri kullanılarak Yaşa Bağlı Makula Dejenerasyonu (AMD), Koroid Neovaskülarizasyonu (CNV), Diyabetik Makula Ödem (DME), Diyabetik Retinopati (DR), Santral Seröz Retinopati (SSR), Makula Deliği (MH) gibi retina hastalıkları ve Drusen retina hastalıkları OCT görüntülerinde hibrit tabanlı Convolutional neural networks(CNN) yöntemi kullanılarak hastalığın tespit edilmesi ve bu görüntülerin sınıflandırılması gerçekleştirilmesi amaçlanmıştır.

One of the most important organs for human life is undoubtedly the eye. The eye is a window that human beings use to see the outside world. One of the important causes that negatively affect life is the diseases that occur in the retina of the eye. Since diseases in the retina affect visual function and the damage to the retina is irreversible, it is a situation that should be seriously considered. In the case of a timely intervention or a delayed situation, it can cause permanent damage to the eye. Although there are imbalances between the number of doctors needed for the follow-up of these diseases and the number of patients increasing day by day, it has become very difficult to follow these patients. For this reason, it has become possible to detect retinal diseases from Optical Coherence Tomography (OCT) images by using artificial intelligence methods for early diagnosis and life-saving treatments that will begin as a result of helping patients both in terms of time and economy, and on the other hand, facilitating the work of doctors In this study, machine learning, which is a sub-field of artificial intelligence, is a sub-branch of machine learning and using deep learning architectures that have become popular today, Age-Related Macular Degeneration (AMD), Choroid Neovascularization (CNV), Diabetic Macular Edema (DME), Diabetic Retinopathy (DR), Central Serous Retinopathy (CSR), Macular Hole (MH) and Drusen retinal diseases are aimed to detect the disease and classify these images by using the hybrid-based Convolutional neural networks(CNN) method in OCT images.