Koroidal vaskülarite indeksi ve koroid kalınlığının derin öğrenme tabanlıyöntemlerle SS-OCT ile ölçümü ve progresyon takibi
Deep learning model for identification and follow up of choroidal thickness and choroidal vascularity index progression by SS-OCT
- Tez No: 872856
- Danışmanlar: DOÇ. DR. AKIN ÇAKIR, DR. GAMZE KARATAŞ
- Tez Türü: Tıpta Uzmanlık
- Konular: Göz Hastalıkları, Eye Diseases
- Anahtar Kelimeler: Yapay zeka, derin öğrenme, koroid kalınlığı, koroidal vaskülarite indeksi, Artificial intelligence, Deep Learning, Choroidal thickness, Choroidal vascularity index
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Sağlık Bilimleri Üniversitesi
- Enstitü: İstanbul Prof. Dr. Cemil Taşcıoğlu Şehir Hastanesi
- Ana Bilim Dalı: Göz Hastalıkları Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Bu çalışmada Swept-Source Optik Kohorens Tomografi (SS-OKT)'den elde edilen görüntüler kullanılarak koroid kalınlığı ve koroidal vaskülarite indeksi (KVİ) hesaplanması için derin öğrenme (DÖ) ile uygun bir algoritma oluşturulması ve geliştirilen modelin etkinliğinin değerlendirilmesi hedeflenmektedir. Gereç ve Yöntem: Çalışmaya 652 hastanın elde edilen 791 adet SS-OKT görüntüsü dahil edilmiştir. Görüntü seçimine 18 yaş ve üstü sağlıklı ve hasta bireyler dahil edilmiştir. 791 adey görüntü etiketlenerek oluşturulan veri setinin 474 (%59) tanesi model eğitimi için kullanılmış olup 237 (%29) görüntü doğrulama, 80 (%10) görüntü ise test amacıyla kullanılmıştır. Koroidal bölgenin tespiti ile koroidal kalınlığın hesaplanması için evrişimsel sinir ağları (ESA) algoritması kullanılarak bir DÖ modeli oluşturuldu. Daha sonra threshold yöntemiyle KVİ hesaplandı. Temel olarak etiketli görüntüler modele tanıtılarak modelin kendini eğitmesi ve daha sonra test için ayrılan görüntülerle modelin test edilmesi sağlandı. Bulgular: Model 80 adet görüntüyle test edildi. Modeli değerlendirmek için accuracy, Mean Absolute Error (MAE), Intersection over Union (IoU), Area Under Curve (AUC) metrikleri kullanıldı. Modelin koroidal bölge kalınlık hesaplanmasındaki accuracy değeri 0.96955 olarak bulunurken MEA 0.0286, IoU 0.9249, AUC 0.9941 olarak bulunmuştur. Koroidal kalınlık için iki deneyimli oftalmolog ve DÖ modeli arasında yapılan değerlendirmede ICC değerinin 0.987(0.979-0.993) olduğu görüldü. Sonuç: Elde dilen sonuçlar koroidal kalınlığın ve KVİ hesaplanmasının yapay zeka yardımıyla otomatize edilerek yüksek etkinlikte bulunabileceğini göstermiştir.
Özet (Çeviri)
Purpose: In this study, the data obtained from Swept-Source Optical Coherence tomography (SS-OCT) to calculate choroidal thickness and choroidal vascularity index (CVI) using images creating a suitable algorithm with deep learning (DL) and evaluating the effectiveness of the developed model aimed to be. Materials and Methods: 791 SS-OCT images obtained from 652 patients were included in the study. OCT images of healthy people or patient with ocular disease aged 18 and over were included the study. Of the dataset created by labeling 791 images, 474 (59%) were used for model training, 237 (29%) images were used for validation and 80 (10%) images were used for testing model. An artificial intelligence model was created using the convolutional neural networks (CNN) algorithm to detect the choroidal region and calculate the choroidal thickness. Then, CVI was calculated with the threshold method. Labeled images were introduced to the model, allowing the model to train itself and then testing the model with the images reserved for testing. Results: The model was tested with 80 images. Accuracy, Mean Absolute Error (MAE), Intersection over Union (IoU), and Area Under Curve (AUC) metrics were used to evaluate the model. While the accuracy value of the model in calculating the choroidal region thickness was found to be 0.96955, MEA was found to be 0.0286, IoU was 0.9249, and AUC was 0.9941. In the evaluation made between two experienced ophthalmologists and the model for choroidal thickness, the ICC value was found to be 0.987 (0.979-0.993). Conclusion: The results obtained showed that the calculation of choroidal thickness and CVI can be automated with the help of artificial intelligence and be highly effective.
Benzer Tezler
- Bağ doku hastalıklarının tedavisinde klorokinin kullanımının orta ve uzun takip döneminde retina yapıları ve retinal mikrovaskülarite üzerine etkilerinin incelenmesi
Investigation of the effects of the use of chloroquin in the treatment of connective tissue diseases on retinal structures and retinal microvascularity in the medium and long follow-up period
BEGÜM KIRILMAZ
Tıpta Uzmanlık
Türkçe
2026
Göz Hastalıklarıİzmir Katip Çelebi ÜniversitesiGöz Hastalıkları Ana Bilim Dalı
DOÇ. DR. YUSUF ZİYA GÜVEN
PROF. DR. FAHRETTİN AKAY
- Diyabet ve diyabetik retinopati olgularında retina ve koroid morfolojik özellikleri ve takibi
Follow-up of retinal and choroidal morphological features in diabetes and diabetic retinopathy
PINAR GÜRAN BEĞAR
Tıpta Uzmanlık
Türkçe
2024
Göz HastalıklarıAnkara ÜniversitesiGöz Hastalıkları Ana Bilim Dalı
PROF. DR. SİBEL DEMİREL
- Hemifasiyal spazm olgularında sinir lifi kalınlığı, retinal vasküler dansite ve koroid kalınlıkları açısından iki gözün karşılaştırılması
Başlık çevirisi yok
ALTAN YANGIN
Tıpta Uzmanlık
Türkçe
2022
Göz HastalıklarıSağlık Bilimleri ÜniversitesiGöz Hastalıkları Ana Bilim Dalı
DR. KÜBRA ŞEREFOĞLU ÇABUK
- EVİSSERASYON CERRAHİSİ UYGULANAN HASTALARDA SAĞLAM GÖZLERİN MULTİMODAL GÖRÜNTÜLEME PARAMETRELERİ İLE İNCELENMESİ
Evaluation of Fellow Eyes in Patients Undergoing Evisceration Surgery Using Multimodal Imaging Parameters
ŞAKİR ARIMAN
Tıpta Uzmanlık
Türkçe
2026
Göz HastalıklarıSağlık Bilimleri ÜniversitesiGöz Hastalıkları Ana Bilim Dalı
PROF. DR. MUHİTTİN TAŞKAPILI
- ALZHEİMER HASTALARINDA OPTİK KOHORENS TOMOGRAFİ BULGULARI VE KOROİDAL VASKÜLARİTE İNDEKSİ ÖLÇÜMÜ
Optical Coherence Tomography Findings and Choroidal Vascularity Index Measurement in Alzheimer's Patients
GİZEM KÜÇÜKALPELLİ
Tıpta Uzmanlık
Türkçe
2024
Göz HastalıklarıAydın Adnan Menderes ÜniversitesiGöz Hastalıkları Ana Bilim Dalı
PROF. DR. SEMA DÜNDAR