Keratokonus hastalığının yapay zekâ teknikleriyle teşhis edilmesi

Basit Öğe Kaydı
dc.contributor.advisorŞen, Baha
dc.contributor.authorUçar, Murat
dc.date.accessioned2024-09-29T18:28:42Z
dc.date.available2024-09-29T18:28:42Z
dc.date.issued2016
dc.departmentLisansüstü Eğitim Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalıen_US
dc.descriptionFen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalıen_US
dc.description.abstractKeratokonus gözün en önde yerleşimli saydam tabakasının yani korneanın, ilerleyici incelme ve sivrileşmesiyle görülen hastalığıdır. Bir başka deyişle gözün önünde yer alan ve bir kubbe bombeliğinde olması gereken kornea tabakasının bombeliğinin ilerleyici şekilde bozulması ve konik şekil almasıdır. Bu çalışmada amaç keratokonus hastalığının teşhisi için istatistiksel analizlere dayalı yeni bir sınıflandırma metodu tanımlamak ve hastalığın teşhisinin yüksek performanslı zeki bir sistem tarafından gerçekleştirilmesini sağlamaktır. Çalışmada Ankara Atatürk Eğitim ve Araştırma Hastanesi'nden alınan 159 keratokonus hastasının 301 gözü ile kontrol grubu olarak 265 refraktif cerrahi adayının 394 gözü kullanılmıştır. Uygulamada öncelikle istatistiksel analizlere dayalı yeni bir sınıflandırma tanımlanmış ve keratokonus hastalığının teşhisi için yüksek performanslı zeki bir sistem tasarlanmıştır. Çalışmada sınıflandırma konusunda en çok tercih edilen yöntemlerden yapay sinir ağları ve destek vektör makineleri kullanılmıştır. Çalışmanın amacı bu yöntemlerin doğruluk oranları ve performanslarını karşılaştırarak en uygun yöntemi bulmaya çalışmaktır.en_US
dc.description.abstractKeratoconus is an eye disease characterised by progressive thinning of the cornea, which is a transparent layer of tissue in the front of the eye. In other words, it is the progressive distortion of the corneal layers into a conical shape. Vision progressively deteriorates as the cornea becomes more conical. The main focus of the study was to define a new classification method for detecting keratoconus disease based on statistical analysis and to diagnose the keratoconus disease by using high performance intelligent system. In this study, 301 eyes of 159 patients were enrolled as the subject group and 394 eyes of 265 refractive surgery candidates were enrolled as the control group. In our application primarily a new classification which based on statistical analysis was defined and a high performance intelligent system was designed for predicting keratoconus disease. Artificial neural networks and support vector machines, which are among the most preferred classification techniques, were used in this study. The aim of the study is finding the most appropriate method by comparing the accuracy and performance of these methods.en_US
dc.identifier.endpage124en_US
dc.identifier.startpage1en_US
dc.identifier.urihttps://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=cbOXH84ZayrLjc0tI-QXKrP04kBs2p4R3bTW3BzQCVNSrT53hDKl7ZOL7V2xFn6F
dc.identifier.urihttps://hdl.handle.net/20.500.14619/13116
dc.identifier.yoktezid430975en_US
dc.language.isotren_US
dc.publisherKarabük Üniversitesien_US
dc.relation.publicationcategoryTezen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectBilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolen_US
dc.subjectComputer Engineering and Computer Science and Control ; Göz Hastalıklarıen_US
dc.titleKeratokonus hastalığının yapay zekâ teknikleriyle teşhis edilmesien_US
dc.title.alternativeDiagnosing keratoconus disease with artificial intelligence techniquesen_US
dc.typeDoctoral Thesisen_US

Dosyalar

Koleksiyon

Lisansüstü Eğitim Enstitüsü Tez Koleksiyonu