Hibrit Bir Model Oluşturarak Diyabetik Retinopati Sınıflandırılması

Authors : Kemal AĞCA, Hidayet TAKCI

Pages : 227-236

Doi:10.31590/ejosat.1112980

View : 26 | Download : 9

Publication Date : 2022-05-31

Article Type : Research Paper

Abstract :Diyabetik Retinopati (DR), diyabet kaynaklı yüksek kan şekerinin retinadaki kan damarlarının geçirgenliğinde oluşturduğu hasar nedeniyle meydana gelen hastalıktır. Hastalığa erken tanı konmadığı ve tedavi edilmediği durumlarda ileri derecede göz bozukları ve görme kaybına neden olmaktadır. Komplikasyonların çoğu kan şekeri kontrolü ve erken tedavi ile önlenebilmekte ancak DR’nin karmaşıklığı ve çeşitliliği nedeniyle manuel yöntemlerle tespiti zor olmaktadır. Uzmanlar tarafından tespiti zor olan hastalıkların teşhisinde bir derin öğrenme modeli olan Evrişimsel Sinir Ağı (ESA) ile günümüzde büyük başarı elde edilmiştir. Bu çalışmada DR’nin tespiti ve derecelendirilmesi için ESA ve makine öğrenmenin beraber kullanıldığı hibrit bir model önerilmektedir. Modelimizde ESA mimarisine sahip transfer öğrenme modeli otomatik özellik çıkarıcı olarak görev yapmakta ve ResNET-50 kullanılmaktadır. Makine öğrenme algoritmaları ise sınıflandırıcı olarak görev yapmakta ve K-En Yakın Komşu Algoritması, Rastgele Orman Algoritması ve Ekstra Ağaçlar Algoritması ayrı ayrı kullanılmaktadır. Çalışmada hastalığın şiddetine göre 'Proliferatif ', 'Şiddetli', 'Orta', 'Hafif' ve 'Diyabetik retinopati yok' retina görüntülerinin yer aldığı Aptos 2019 veri seti kullanılmıştır. Veri setinde sınıf dengesizliği bulunduğundan sentetik veri artırma (SMOTE) tekniği kullanılarak sınıflar arasındaki dengesizlik giderilmiş ve veri artırımı sağlanmıştır. Eğitim ve test işlemi için veri setimize 10 kat çapraz doğruluma işlemi uygulanarak sınıflandırma işlemi gerçekleştirilmiştir. Sınıflandırma işlemi sonucunda %93 lük doğruluk ve %93 F1-skoru elde edilmiştir.
Keywords : Evrişimsel Sinir Ağları, Görüntü İşleme, Diyabetik Retinopati, K NN, Random Forest, Derin öğrenme, makine öğrenmesi, transfer öğrenme, resnet