Yapay zeka ile diyabetik retinopati tespiti

Diyabetik retinopati (DR), diyabetin neden olduğu göz hastalıkları arasında en yaygın ve ciddi olanlardan biridir ve retinadaki kan damarlarında mikroanevrizma, kanama ve eksudalar gibi mikrovasküler anormalliklere yol açar. DR'nin erken teşhisi, tedavi sürecinde büyük bir öneme sahip olup, manuel tanı yöntemlerinin zorlukları göz önüne alındığında, bilgisayar destekli tanı sistemlerinin geliştirilmesi oldukça önem kazanmıştır. Bu çalışmada, DR teşhisinde otomatik görüntü sınıflandırma ve lezyon tespitine yönelik farklı derin öğrenme mimarilerinin performansları değerlendirilmiştir. İlk olarak fundus görüntüleri ön işlemesiz VGG16, VGG19, CNN, Xception, InceptionV3 ve ResNet50 modelleri ile DR sınıflandırmasına tabi tutulmuştur. Daha sonra görüntüler, CLAHE (Contrast Limited Adaptive Histogram Equalization) algoritması ile ön işlemden geçirilerek iyileştirilmiş ve yeniden DR sınıflandırması yapılarak tüm sonuçlar karşılaştırılmıştır. Görüntü ön işleme yöntemi olarak kullanılan CLAHE'nin, özellikle küçük lezyonların daha görünür hale getirilmesine katkı sağladığı ve sınıflandırma performansını belirgin şekilde artırdığı gözlemlenmiştir. Elde edilen sonuçlar arasında, VGG16-CLAHE ve CNN-CLAHE modellerinin %99 doğrulukla en yüksek performansı sağladığı belirlenmiştir. Ek olarak bu çalışmada geliştirilen VGG16-CLAHE tabanlı derin öğrenme modeli, kullanıcı dostu bir ara yüz uygulamasına entegre edilmiş ve gerçek zamanlı DR teşhisi yapabilme imkânı sağlanmıştır. Uygulama, DR'nin beş sınıfını (No DR, Mild NPDR, Moderate NPDR, Severe NPDR, PDR) başarılı bir şekilde ayırt edebilmektedir. Gelecekte daha geniş veri setleri ve farklı derin öğrenme mimarileri üzerinde çalışılarak sistem performansının artırılabileceği öngörülmektedir.