Geri Dön

Yakın kızılötesi yansıma görüntülerinde optik disk patolojilerinin derin öğrenme ile sınıflandırılması

Classification of optic disc pathologies in NEAR infrared reflectance images with DEEP learning

  1. Tez No: 802915
  2. Yazar: CUMHUR ÖZBAŞ
  3. Danışmanlar: PROF. DR. MEHMET HAKAN ÖZDEMİR
  4. Tez Türü: Tıpta Uzmanlık
  5. Konular: Göz Hastalıkları, Eye Diseases
  6. Anahtar Kelimeler: Yapay zeka, Derin öğrenme, Optik disk ödemi, Psödopapilödem, Yakın kızılötesi yansıma, Artificial intelligence, Deep learning, Optic disc edema, Pseudopapilledema, Near infrared reflectance
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Bezm-i Alem Vakıf Üniversitesi
  10. Enstitü: Tıp Fakültesi
  11. Ana Bilim Dalı: Göz Hastalıkları Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 70

Özet

Amaç: Bu çalışmada optik disk ödemi ve psödopapilödeme ait Spektral Domain Optik Kohorens Tomografi (SD)-OKT çekimlerinin yakın kızılötesi yansıma (YKY) görüntüleri kullanılarak derin öğrenme (DÖ) ile uygun bir algoritma oluşturulması ve geliştirilen modelin etkinliğinin değerlendirilmesi hedeflenmektedir. Gereç ve Yöntem: Çalışmaya detaylı oftalmolojik muayenesinde optik disk ödemi mevcut olan, 24 papilödem, 16 nonarteritik iskemik optik nöropati (NAİON), 12 santral retina ven oklüzyonu (SRVO), 3 demiyelinizan optik nöropati ve 5 diyabetik papillopatili hastanın toplam 158 görüntüsü, optik disk druseni mevcut olan 70, peripapiller hiperreflektif ovoid kütle benzeri yapıları (PHOKY) olan 62 psödopapilödem hastasının toplam 346 görüntüsü ile herhangi bir optik disk patolojisi olmayan sağlıklı 168 kişiden 336 göze ait optik koherens tomografi (OKT)'den elde edilmiş YKY görüntüsü dahil edildi. Görüntülerin %85'i (714 görüntü) modelin eğitimi, %15'i (126 görüntü) ise eğitilmiş modelin test edilmesi için 2 gruba ayrıldı. Optik disk görüntülerini sınıflandırmak için evrişimsel sinir ağları (ESA) algoritması kullanılarak bir DÖ modeli oluşturuldu. Temel olarak eldeki veriler modele tanıtılarak kendini eğitmesi sağlandı ve test için ayrılan görüntüler ile test edildi. Bulgular: Geliştirilen model, eğitimde kullanılmayan 24 optik disk ödemi, 52 psödopapilödem ve 50 normal optik disk görüntüsüyle test edildi. Her grup için duyarlılık, özgüllük, doğruluk ve Receiver Operating Characteristic (ROC) eğrisi analizi ile eğri altında kalan alan (EAKA) hesaplamaları yapıldı. Modelin optik disk ödemini saptamadaki duyarlılığı %100, özgüllüğü %99, doğruluğu %99, EAKA 0,995 (%95 güven aralığı [GA]: 0,98-1); psödopapilödemi saptamadaki duyarlılığı %98, özgüllüğü %97, doğruluğu %98, EAKA 0,983 (%95 GA: 0,96-1); herhangi bir optik disk ödemi veya psödopapilödem bulgusu olmayan normal optik diskleri saptamadaki duyarlığı; %96, özgüllüğü %100, doğruluk oranı %98, EAKA ise 0,973 (%95 GA: 0,94-1) olarak bulundu. Sonuç: Elde edilen sonuçlar, optik disk patolojilerinin tanısı için geliştirilen DÖ modelinin optik disk ödemi ve psödopapilödem saptanmasında yüksek etkinlikte kullanılabileceğini göstermektedir. YKY görüntüleme yapabilen OKT cihazlarına, benzer YZ modellerinin entegrasyonu ile optik disk patolojilerine ait tanılar elde edilebilir. Modelin geliştirilebilmesi için diğer görüntüleme yöntemleriyle desteklenmesine ve daha fazla sayıda görüntüye ihtiyaç vardır.

Özet (Çeviri)

Objectives: The aim of this study is to develop an appropriate algorithm with artificial intelligence (AI) deep learning (DL) method by using near infrared reflectance (NIR) images of optic disc edema and pseudopapilledema and to evaluate the effectiveness of the developed model. Materials and Methods: NIR images of patients who underwent detailed ophthalmological examinations and were found to have optic disc edema or pseudopapilledema were examined. In the optic disc edema group, a total of 158 images of 24 patients with papilledema, 16 non-arteritic ischemic optic neuropathy (NAION), 12 central retinal vein occlusion (CRVO), 3 demyelinating optic neuropathy and 5 diabetic papillopathy patients were used. 346 pseudopapilledema images were obtained from the images of 70 patients with optic disc drusen and 62 patients with peripapillary hyperreflective ovoid mass-like structures (PHOMS). Also NIR images of 336 eyes of 168 healthy individuals without any optic disc pathology were included in the study. Infrared images were divided into 2 groups for training and testing of the model. 85% (714 images) of the images were used for training the model and 15% (126 images) for testing the trained model. A DL model was constructed using the convolutional neural networks (CNN) algorithm to classify optic disc images. Basically, the data was introduced to the model, allowing it to train itself and tested with the images reserved for testing. Results: The developed model was tested with 24 optic disc edema, 52 pseudopapilledema and 50 normal optic disc images not used in training. Sensitivity, specificity and accuracy of the model were calculated in detecting optic disc edema, pseudopapilledema and normal optic discs without optic disc edema or pseudopapilledema. Receiver Operating Characteristic (ROC) curve and area under the curve (AUC) values were also analyzed. Respectively; sensitivities were 100%, 98%, and 96% specificity, 99%, 97%, 100%, and accuracy rates were 99%, 98%, and 98%. In addition, the auc value of the groups was 0.995 (95% Confidence interval [CI]: 0.98-1); 0.983 (95% CI: 0.96-1); 0.973 (95% CI: 0.94-1). Conclusion: The results show that the DL model developed for the diagnosis of optic disc pathologies can be used with high efficiency in the detection of optic disc edema and pseudopapilledema. Optic disc pathologies can be diagnosed by integrating similar AI models into OCT devices capable of NIR imaging. In order to develop the model, it needs to be supported by other imaging methods and more images are needed.

Benzer Tezler

  1. Investigating the usability of LIDAR-derived intensity image in shoreline extraction studies

    LIDAR verisinden türetilen yoğunluk görüntüsünün kıyı çizgisi çıkarımı çalışmalarında kullanılabilirliğinin araştırılması

    ABDULLAH HARUN İNCEKARA

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. DURSUN ZAFER ŞEKER

  2. Retina dekolmanı sonrası makula yer değiştirmesinin preretinal kızılötesi görüntüler kullanılarak değerlendirilmesi

    Evaluation of macular displacement after retinal detachment using preretinal infrared imaging

    FURKAN ATALAY

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2024

    Göz HastalıklarıBezm-i Alem Vakıf Üniversitesi

    Göz Hastalıkları Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ FURKAN KIRIK

  3. Bazı tarım ürünlerinin bitki besin elementi noksanlıkları ile elektromanyetik enerji yansıtma özellikleri arasındaki ilişkiler

    Relationship between deficiency of nutritional elements in some agricultural products and electromagnetic energy reflection characteristics

    ECE EROĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2008

    ZiraatEge Üniversitesi

    Toprak Ana Bilim Dalı

    PROF. DR. YUSUF KURUCU

    PROF. DR. İZZET ZEKİ ATALAY

  4. Detecting ship tracks and estimating their microphysical properties in the atmosphere with MODIS data

    Gemi izlerinin saptanması ve atmosferdeki gemi izlerinin mikrofiziksel özelliklerinin MODIS verisi ile hesaplanması

    BURCU KABATAŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2011

    Denizcilikİstanbul Teknik Üniversitesi

    Deniz Ulaştırma İşletme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ATA BİLGİLİ

    PROF. DR. PAUL MENZEL

  5. Şeker pancarı yaprak alan indeksinin Landsat 8 uydu görüntüleri ile tahmin edilmesi

    Estimation of sugarbeet leaf area index by using Landsat 8 satellite images

    UFUK ÇOBAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    ZiraatOndokuz Mayıs Üniversitesi

    Tarımsal Yapılar ve Sulama Ana Bilim Dalı

    DOÇ. DR. EYÜP SELİM KÖKSAL