Son zamanlarda şeker hastalığı hızla artıyor. Şeker hastalığının farklı organları etkileyen birçok türü vardır. Diyabetik retinopi, diyabet türlerinden biridir. Diyabetik retinopi ve glokom, körlüğe yol açabilen göz hastalıklarıdır. Optik disk segmentasyonu bu hastalıkların belirlenmesinde faydalıdır. Ancak burada aydınlatma varyasyonları gibi bazı engeller ortaya çıkmaktadır. Fundus görüntülerinde kan damarlarının etkisi giderilmelidir. Bunun nedeni, kan damarlarının optik diskin (OD) kenarlarını kesebilmesidir. Bu çalışmada amaç, kan damarlarını görüntülerden çıkarmak ve ardından optik diski başarılı bir şekilde bölütlemektir. LinkNet'e dayalı LinkNetRCB7 adlı yeni bir yaklaşım geliştirdik. LinkNetRCB7 başarılı sonuçlar elde etti. Kan damarları segmentasyonu ve OD doğruluğu, STARE veri setinde %98,5 ve DRISHTI GS'de %98.850 olarak hesaplandı. Bu aşamaları içeren bir karar destek sistemi çalışma kapsamında önerilmiştir. Hastalık teşhisinde karar destek sistemlerinin kullanımı yaygınlaşmaktadır. Literatürde diyabetik retinopi için derin öğrenme ve görüntü işleme algoritmalarını içeren bir karar destek sistemi görülmemektedir. Önerilen karar destek sistemi ile diyabetik retinopi’nin teşhis sürecinde karar vericilere yardımcı olabilecek bir sistem tasarlanmıştır.
Recently, diabetes is rapidly increasing. Diabetes has many types that infect different organs. Diabetic retinotopic is one of them. Diabetic retinotopic and glaucoma are eye diseases that can lead to blindness. Optic disc segmentation helps identify these diseases. However, here some obstacles arise, such as illumination variations. The effect of blood vessels in fundus images should be removed. This is because blood vessels can incise the edges of the optic disc (O.D.). This study aimed to remove blood vessels from images and then successfully segment the optic disc. We developed a new approach called LinkNetRCB7 based on LinkNet. LinkNetRCB7 has achieved successful results. The accuracy for blood vessel segmentation and O.D. was calculated to be 98.5% on the Stare dataset and 98.850% on DRISHTI GS. A decision support system (DSS) including these stages has been proposed within the scope of the study. The use of DSS in disease diagnosing is becoming widespread. No decision support system in the literature includes deep learning and image processing algorithms for diabetic retinopia. With the proposed decision support system, a system that can help decision-makers diagnose diabetic retinotopic has been designed.
Primary Language | English |
---|---|
Subjects | Computer Software |
Journal Section | Research Articles |
Authors | |
Publication Date | April 30, 2023 |
Submission Date | September 12, 2022 |
Acceptance Date | December 3, 2022 |
Published in Issue | Year 2023 Volume: 9 Issue: 1 |