AI Summary & Key Takeaways
AI InsightThe experimental results underscore the significant contributions of diabetic retinopathy patients' diagnosis and treatment processes.
📌 3 Key Takeaways
Abstract
Diabetic retinopathy is a significant complication occurring in the retina of the eye as a result of prolonged diabetes. When not detected early, this condition can lead to vision loss. Advanced image processing techniques and artificial intelligence algorithms have enhanced the possibilities of early diagnosis and treatment. This article discusses current advancements in artificial intelligence-based diabetic retinopathy detection and explores future possibilities in this field. In the experimental studies of the article, the Kaggle Aptos 2019 dataset was utilized. This dataset comprises 5 classes and a total of 3662 images. The class distribution is as follows: No DR (No Diabetic Retinopathy): 1805, Mild: 370, Moderate: 999, Severe: 193, Proliferative DR: 295. The study consists of four fundamental stages. These stages are (1) Feature extraction from VGG16 and VGG19 pretrained models, (2) Feature selection using NCA, Relieff, and Chi2, (3) Classification with Support Vector Machine classifier, (4) Iterative Majority Voting. Using the proposed method, a high accuracy of 99.18% is achieved. Furthermore, sensitivity of 100% for the No DR class, sensitivity of 100% for the Moderate class, sensitivity of 98.80% for the Severe class, and an F1-Score of 99.89% for the No DR class are obtained. This study demonstrates the effective utilization of machine learning methods in diabetic retinopathy diagnosis. The experimental results underscore the significant contributions of diabetic retinopathy patients' diagnosis and treatment processes.
Özet
Diyabetik retinopati, uzun süreli diyabet hastalığının bir sonucu olarak gözün retinasında meydana gelen ciddi bir komplikasyondur. Erken teşhis edilmediğinde görme kaybına neden olabilen bu durum, gelişmiş görüntü işleme teknikleri ve yapay zeka algoritmalarının kullanımıyla erken teşhis ve tedavi imkanlarını artırmıştır. Bu makalede, yapay zeka tabanlı diyabetik retinopati tespiti alanındaki güncel gelişmeler ve geleceğe yönelik ihtimaller ele alınmıştır. Makalemizin deneysel çalışmalarında, Kaggle Aptos 2019 veri seti kullanılmıştır. Bu verisetinde 5 sınıf bulunmaktadır ve toplamda 3662 görüntü içerir. Sınıf dağılımı şu şekildedir: DR (Diyabet Retinopatisi) yok: 1805, Hafif: 370, Orta: 999, Şiddetli: 193, Proliferatif DR: 295. Çalışma dört temel yapıdan oluşur. Bu aşamalar (1) VGG16 ve VGG19 ön eğitimli modellerinden özellik çıkarma, (2) Nca, relieff ve chi2 ile özellik seçimi,(3) destek vektör makinesi sınıflandırıcı ile Sınıflandırma,(4) yinelemeli çoğunluk oylama'dır. Önerilen yöntem kullanılarak %99.18'lik yüksek bir doğruluk elde edilmiştir. Ayrıca, Dr yok sınıfı için %100 hassasiyet, Orta sınıfı için %100 duyarlılık, Şiddetli sınıfı için %98.80 duyarlılık ve Dr yok sınıfı için %99.89 F1-Skoru elde edilmiştir. Bu çalışma, diyabetik retinopati tanısında makine öğrenimi yöntemlerinin kullanılmasının etkili bir yaklaşım olduğunu göstermektedir. Deney sonuçları, diyabetik retinopati hastalarının tanı ve tedavi süreçlerine önemli katkılar sağladığını ortaya koymaktadır.