Unet üzerinden transfer öğrenmeyi kullanarak retınal kan damar segmentasyonu

Retina kan damarının manuel segmentasyonu zaman alıcıdır ve oftalmologlar arasında farklı sonuçlar vardır, bu nedenle otomatik bir yaklaşım oluşturmak, hipertansiyon gibi hastalıkları tespit etmek için görüntülerin analizini iyileştirebilir. Derin Öğrenme modelleri son on yılda mükemmel performans göstermiştir. Bu tezde, ağı, özellikle tıbbi görüntüler için verimli olan Evrişimli Sinir Ağı tabanlı bir mimari olan UNET ile kurduk. Ücretsiz olarak erişilebilen DRIVE veri kümesi yetersiz sayıda eğitim ve test örneğini içerdiğinden, öğrenmeye rastgele değerlerle başlamak yerine önceden eğitilmiş ağdaki ağırlıkları kullanan bir yöntem olan Transfer Öğrenme kullanarak yöntemimizi oluşturduk. VGG, ResNet ve EfficientNet gibi son teknolojiye sahip önceden eğitilmiş ağ tasarımlarını iki farklı boyutta kullandık. VGG19 mimarisi ile ağın en üst 12 katmanını dondurarak %96.84 doğruluk elde edebildik. Bu umut verici sonuç, bu yaklaşımın gerçek dünya senaryolarında geliştirilmiş doğrulukla kullanılabileceğini göstermektedir.