Diagnosis of Glaucoma and Cataract Disease with Deep Learning Models

Abstract

Göz, insanoğlunun en önemli organlarından biri olmasına rağmen birçok hastalığa da maruz kalabilmektedir. Bu hastalıklardan bazılarına toplumda sıklıkla rastlanmaktadır. Bunlardan ikisi katarakt ve glakom olarak bilinen çok önemli göz hastalıklarıdır. Evrişimli Sinir Ağları (ESA), bu hastalıkların erken tanı ve uzman teşhisine yardımcı olmak için kullanılabilir. Bu çalışmada derin öğrenme yöntemlerinden biri olan Evrişimli Sinir Ağları kullanılarak katarakt, glakom ve normal göz dibi görüntüleri sınıflandırılmıştır. Eğitilmiş Ağlar kullanılarak Googlenet, Densenet-201, Xception ve Inception-V3 ağlarının performansları karşılaştırılmıştır. Her ağ için adam, rmsprop ve sgdm optimizasyon yöntemleri uygulanmıştır. Bu çalışma, datasetteki 262 Katarakt, 200 Glakom ve 2816 normal göz dibi görüntüsü kullanılarak yapılmıştır. Görüntüler, yeniden boyutlandırma, arka planı kaldırma, rastgele döndürme ve yeniden boyutlandırma ile önceden işlenmiştir. Matlab ortamında yapılan simülasyonlar sonucunda, diğer ağlara göre en iyi sonuçlar rmsprop optimizasyonlu Xception ağ mimarisi ile elde edilmiştir.