Deep Learning Approach For Detection Of Retinal Abnormalities Based On Color Fundus Images

Bulut, Batuhan; Kalin, Volkan; Gunes, Burcu Bektas; Khazhin, Rim

doi:10.1109/asyu50717.2020.9259870

Cited by 12 publications

(21 citation statements)

References 4 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Birincil olarak konvolusyonel katmanları, ReLu(Rektifiye Doğrusal Birim) katmanları ve havuzlama katmanları uygulanarak görüntü üzerindeki özellik haritası çıkarılmaktadır. Özellik haritası çıkarıldıktan sonra tam bağlantılı katmanlar ve Softmax katmanından meydana gelen bir dizi sınıflandırma katmanları kullanılmaktadır [20]. Bu aşamada her pikselin her bir sınıfa ait ihtimal değerleri hesaplanmaktadır.…”

Section: Derin öğRenmeunclassified

Dinamik Ortamlarda Derin Takviyeli Öğrenme Tabanlı Otonom Yol Planlama Yaklaşımları için Karşılaştırmalı Analiz

Tan

Karaköse

2022

Adıyaman Üniversitesi Mühendislik Bilimleri Dergisi

View full text Add to dashboard Cite

Takviyeli öğrenme, içinde bulunduğu ortamı algılayan ve kendi kendine kararlar verebilen bir sistemin, mevcut problemin çözümünde doğru kararlar almayı nasıl öğrenebileceği bir yöntemdir. Bu makalede, bir robotun haraketli engellerin(yayalar) olduğu bir ortamda engellere çarpmadan belirtilen alanda otonom bir şekilde hareket etmeyi öğrenmesi için derin takviyeli öğrenme tabanlı bir algoritma önerilmektedir. Oluşturulan simülatör ortamında derin öğrenme algoritmalarından Convolutional Neural Network(CNN), Long-short Term Memory(LSTM) ve Recurrent Neural Network(RNN) ayrı ayrı kullanılıp performansları test edilerek raporlanmıştır. Buna göre bu makale kapsamında literatüre üç önemli katkı sunulmaktadır. Birincisi etkili bir otonom robot algoritmasının geliştirilmesi, ikincisi probleme uygun olarak uyarlanabilen derin öğrenme algoritmasının belirlenmesi, üçüncü olarak otonom bir robotun hareketli engellerin olduğu kalabalık ortamlardaki hareket eylemini gerçekleştirmesi için genelleştirilmiş bir derin takviyeli öğrenme yaklaşımının ortaya konulmasıdır. Geliştirilen yaklaşımların doğrulanması için derin takviyeli öğrenme algoritmaları ayrı ayrı simüle edilerek eğitimi gerçekleştirilmiştir. Yapılan eğitim sonuçlarına göre, LSTM algoritmasının diğerlerinden daha başarılı olduğu tespit edilmiştir.

show abstract

Section: Derin öğRenmeunclassified

Dinamik Ortamlarda Derin Takviyeli Öğrenme Tabanlı Otonom Yol Planlama Yaklaşımları için Karşılaştırmalı Analiz

Tan

Karaköse

2022

Adıyaman Üniversitesi Mühendislik Bilimleri Dergisi

View full text Add to dashboard Cite

show abstract

“…These diseases are prevalent in ageing populations, what make them suitable target for screening system 1,2,10 . Recently, there have been published several multiclass models that at least partially meet these conditions [11][12][13][14][15][16][17][18] . However, all these models had multiple limitations.…”

Section: Introductionmentioning

confidence: 99%

“…Most of the published multiclass models were developed on a single dataset 11,13,[15][16][17] , mainly Ocular Disease Intelligent Recognition (ODIR) database 13,15,17,19 . This could lead to a potential bias in machine learning model development.…”

Section: Introductionmentioning

confidence: 99%

“…Merging multiple different datasets could even potentiate this issue. Most of the published studies 11,12,14,16,17 did not address the problem, what could in uence the results.…”

Section: Introductionmentioning

confidence: 99%

“…Three out of the eight most recently published works 9,11,14 utilized private datasets. These are often formally available upon correspondence with a reasonable request.…”

Section: Introductionmentioning

confidence: 99%

See 2 more Smart Citations

Counteracting data bias and class imbalance – towards useful and reliable retinal disease recognition system

Karanowski

Chłopowiec

Skrzypczak

et al. 2023

Preprint

View full text Add to dashboard Cite

Fundus images play a fundamental role in the early screening of eye diseases. On the other hand, as deep learning provides an accurate classification of medical images, it is natural to apply such techniques for fundus images. There are many developments in deep learning for such image data but are often burdened with the same common mistakes. Training data are biased, not diverse and hidden to the public. Algorithms classify diseases, which suitability for screening could be questioned. Therefore, in our research, we consolidate most of the available public data of fundus images (pathological and non-pathological) taking into consideration only image data relevant to the most distressing retinal diseases. Next, we apply some well-known state-of-the-art deep learning models for the classification of the consolidated image data addressing class imbalance problem occurring in the dataset and clinical usage. In a conclusion, we present our classification results for diabetic retinopathy, glaucoma, and age- related macular degeneration disease, which are urgent problem of ageing populations in developed countries.

show abstract

Performance of Evaluation of Diagnosis of Various Thyroid Diseases Using Machine Learning Techniques

2022

Data Analysis and Related Applications 1

View full text Add to dashboard Cite

Deep Learning Approach For Detection Of Retinal Abnormalities Based On Color Fundus Images

Cited by 12 publications

References 4 publications

Dinamik Ortamlarda Derin Takviyeli Öğrenme Tabanlı Otonom Yol Planlama Yaklaşımları için Karşılaştırmalı Analiz

Dinamik Ortamlarda Derin Takviyeli Öğrenme Tabanlı Otonom Yol Planlama Yaklaşımları için Karşılaştırmalı Analiz

Counteracting data bias and class imbalance – towards useful and reliable retinal disease recognition system

Performance of Evaluation of Diagnosis of Various Thyroid Diseases Using Machine Learning Techniques

Contact Info

Product

Resources

About