Diyabetik retinopatinin gerçek zamanlı tespiti için karar destek sistemi

Abstract

Retina ışığa duyarlı hücreler içeren bir ağ katmanıdır. Görme işlemini icra eden bu katmanda oluşan hastalıklar doğrudan görme yeteneğimizi tehdit eder. Diyabetik retinopati, şeker hastalığının temel komplikasyonlarından bir tanesidir ve bu hastalığın ilerleyen evrelerinde körlüğe en önemli katkısı olan bir hastalıktır. Bu yüzden bu hastalığın otomatik tespiti ve takibi büyük önem taşımaktadır. Uzun zamandan bu yana medikal görüntü işleme alanında bu hastalık üzerine yapılmış birçok çalışma vardır. Tıp bilimlerinde, kararların hızlı ve doğru şekilde verilmesi hayati öneme sahiptir ve bu hastalığın ilerlemesinin durdurulmasında en önemli yöntem erken tanının tespitidir. Bu amaç doğrultusunda bu çalışmada, bu hastalığın erken evresinde ortaya çıkan sert ve yumuşak eksuda, hemoraji ve mikroanevrizma lezyonlarının tespiti için uzman hekime karar desteği sağlayan görüntü işleme teknikleri ve makine öğrenmesine dayalı bir uygulama geliştirilmiştir. Öznitelik verisetleri ve sınıflandırıcı algoritmalarının en iyi uyumu ile sistemin öğrenmesi gerçekleştirilmiştir. Bu süreçte, önişlemden geçirilen görüntüdeki ilgi noktalarından öznitelikler çıkartılarak lezyonları temsil eden anlamlı bilgi elde edilmiştir. İlgi alanına ait özniteliklerin çıkarımı sürecinde Gabor ve Ayrık Fourier Dönüşümü öznitelikleri ile çalışılmış ve Yinelemeli Öznitelik Elemesi ve Spektral Regresyon Diskriminant Analizi algoritmaları kullanılarak en iyi öznitelik kümeleri elde edilmiştir. Ardından her bir öznitelik veriseti üzerinde Rastgele Orman ve Lojistik Regresyon sınıflandırıcı algoritmalarının performansları karşılaştırmalı olarak değerlendirilmiştir. Ayrıca deneysel çalışmalarda öznitelik seçimi veya öznitelik indirgeme ile elde edilen verisetleri üzerinde yapılan sınıflandırmanın orijinal veriseti ile yapılan sınıflandırmaya göre daha başarılı olduğu görülmüştür. Sistemin modellenmesi sürecinde DIARETDB1 verisetinden bir örneklem kümesi oluşturulmuştur. Hem DIARETDB1 hem de Ankara Atatürk Eğitim ve Araştırma Hastanesi Göz hastalıkları anabilim dalından temin edilen retinal fundus görüntüleri kullanılarak yeni retinal görüntülerin analizi gerçekleştirilmiştir.Her bir lezyon grubu için en iyi performans sunan iki model bilgisi ile geliştirilmiş olan hibrid karar verici sistemin mevcut retinal görüntü cihazları ile bütünleştirilerek alan uzmanlarına destek vereceği düşünülmektedir.

Retina is a network layer containing light-sensitive cells. Diseases that occur in this layer which performs the eye-sight threaten our eye-sight directly. Diabetic retinopathy is one of the main complications of diabetes mellitus and it is a progressive ocular disease, the most significant factor contributing to blindness in the later stages of the disease. Therefore, this disease's automatic detection and monitoring is of great importance. There have been many studies on this subject in the medical image processing field for a long time. In medical science, deciding quickly and accurately is vital and the most important method is the detecting of early diagnosis in stopping the progression of the disease. For this purpose, in this study, an application, which provides decision support to specialist, has been developed based on image processing techniques and machine learning for the detection of hard exudates, cotton spots, hemorrhage and microaneurysm lesions which appeared in the early stages of this disease. Learning of system has been performed with feature datasets and classifier algorithms' best fit. In this process, the meaningful information, which represents the lesions has been obtained by extracting the attributes from the points of interest on the preprocessed image. In the process of extraction of attributes belonging to areas of interest, it has been studied with Gabor and Discrete Fourier Transform attributes and the best feature sets have been obtained by using Recursive Feature Elimination and Spectral Regression Discriminant Analysis algorithms. Then, Logistic Regression and Random Forest classifier algorithms' performances have been evaluated on each attribute dataset comparatively. In addition, it has been seen that the classification on the datasets which are obtained with feature selection or reduction has been more successful than with the classification on the original datasets in experimental studies. A sample set from DIARETDB1 dataset has been created in the process of the modeling of the system. The analysis of new retinal fundus images has been performed using the images which were provided via both DIARETDB1 dataset and the department of Ophthalmology, Ataturk Training and Research Hospital in Ankara.It is assumed that a hybrid deciding system developed with knowledge of two models which offer the best performance for group of each lesion will give support to the field specialists by integrating with the existing retinal imaging device.