Posteior üvea nevüsü, üvea melanomu ve koroid hemanjiomu hastalıklarının ayırıcı tanısında makine öğrenmesi temelli yapay zeka algoritması oluşturulması
Creation of a machine learning-based artificial intelligence algorithm for the differential diagnosis of posterior uveal nevus, uveal melanoma, and choroidal hemangioma diseases
- Tez No: 987836
- Danışmanlar: DOÇ. DR. İREM KOÇ, PROF. DR. HAYYAM KIRATLI
- Tez Türü: Tıpta Uzmanlık
- Konular: Eğitim ve Öğretim, Education and Training
- Anahtar Kelimeler: Posterior Üvea Nevüsü, Üvea Melanomu, Koroid hemanjiomu, Yapay Zeka, Makine Öğrenmesi, Yapay Sinir Ağları, Karar Ağacı, Posterior Uvea Nevus, Uveal Melanoma, Circumscribed Choroidal Hemangioma, Artificial Intelligence, Machine Learning, Artificial Neural Networks, Decision Tree
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Göz Hastalıkları Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Giriş ve Amaç: Posterior üvea nevüsü, üvea melanomu ve koroid hemanjiomu hastalıkları birbirleri ile karışabilen klinik durumlardır. Makine öğrenmesi, girdi verileriyle tanımlayıcı algoritmalar ile sonuç çıktıları üreten bir yapay zeka türüdür. Bu çalışmanın amacı, makine öğrenimi tabanlı iki farklı yapay zeka ayrıcı tanı algoritması oluşturmak ve bunların başarı oranlarını karşılaştırmaktır. Gereç ve Yöntem: Hacettepe Üniversitesi Oküler Onkoloji Birimi'nde takip edilen hastaların demografik verileri, ilk başvuru ve son kontrol muayene bulguları, yapılan klinik test analizleri bir veri seti oluşturularak değerlendirildi. Çalışmamızda 318 hastanın 320 gözü incelendi. Bunlardan 148 adedi üvea melanomu, 99 adedi posteior üvea nevüsü, 69 adedi koroid hemanjiomu ve 4 adedi pseudomelanom olarak kaydedildi. Tahmin sürecinde yapay sinir ağı (YSA) ve karar ağacı yaklaşımları benimsendi. Bulgular: Geliştirilen YSA'da, 471 eğitim ve 124 test verisinden 595 girdi üretmiştir. Yapay sinir ağı; toplam 57 girdi nöronu, 10 nöronlu bir gizli katman ve 4 çıktı veri noktası kullanılarak tasarlanmıştır. Sonuç olarak; 124 vakada 118 tanı doğru tahmin edilmiş ve %95,16 başarı oranına ulaşılmıştır. Yapay sinir ağı 1.000 yinelemeyi tamamlamış, 0,01 öğrenme oranı ve 0,85 momentum elde etmiştir. Karar ağacı için, aynı kümeler kullanılarak Çoklu Eklemeli Regresyon Ağaçları yaklaşımıyla 57 düğümden oluşan bir ağaç yapısı benimsenmiş ve %94,35 oranında başarılı doğru tahmin sonucu elde edilmiştir. Sonuç: Çalışmamız, makine öğrenmesi tabanlı yapay zekâ destekli tanı ve tedavi destek sistemlerinin ayırıcı tanıyı doğru bir şekilde değerlendirebileceğini ve daha ileri klinik rehberlik için daha ayrıntılı çoklu analitik bilgi sağlayabileceğini göstermiştir.
Özet (Çeviri)
Introduction and Objectives: Posterior uveal nevus, uveal melanoma, and circumscribed choroidal hemangioma are clinical entities can be confused. Machine learning is a type of artificial intelligence that produces descriptive algorithms with input data. The aim of this study is to create a diagnostic support system with a machine learning-based artificial intelligence algorithm. Materials and Methods: Demografic data, initial and final examination findings and test performed on patients followed at Hacettepe University Ocular Oncology Unit were evaluated using a new machine learning algorithm. In the study, 320 eyes of 318 patients were examined. Of the 320 eyes, the diagnosis was uveal melanoma in 148, posteior uvea nevus in 99, circumscribed choroidal hemangioma in 69, and pseudomelanoma in 4. The data were divided into training and test groups. Artificial neural network (ANN) and decision tree approaches were used in the estimation process. Results: The developed ANN generated 595 inputs from 471 training and 124 test data. The ANN was designed with a total of 57 input neurons, one hidden layer with 10 neurons, and 4 output data points. As a result, 118 diagnoses were correctly predicted in 124 cases, achieving a success rate of 95.16%. The neural networj completed 1.000 iterations, had a learning rate of 0.01, and a momentum of 0.85. For the decision tree, a tree structure consisting of 57 nodes was adopted Multiple Additive Regression Trees approach using the same clusters and 94.35% successful accurate prediction result was obtained. Conclusions: Our study demonstrated that machine learning-based artificial intelligence-supported diagnosis and treatment support systems can accurantly asses the differential diagnosis and provide more detailed multiple analytic information for further clinical guidance.
Benzer Tezler
- Uvea melanomuna yönelik radyoterapiye bağlı posterior segment komplikasyonu gelişmiş hastalarda inflamatuar kan parametrelerindeki değişikliklerin değerlendirilmesi
Evaluation of changes in inflammatory blood parameters in patients with posterior segment complications due to radiotherapy for uveal melanoma
MERVE ÖZGE ALGEDİK TOKYÜREK
Tıpta Uzmanlık
Türkçe
2024
Göz HastalıklarıHacettepe ÜniversitesiGöz Hastalıkları Ana Bilim Dalı
DOÇ. DR. İREM KOÇ
- Farklı üvea hastalıklarında arka vitre dekolmanı dinamiklerinin ve vitreomaküler arayüzey patolojilerinin incelenmesi
A comprehensive analysis of posterior vitreousdetachment dynamics and vitreomacular interfacepathologies in patients with different uveitis entities
MEDİNE ÇELEBİ
Tıpta Uzmanlık
Türkçe
2022
Göz Hastalıklarıİstanbul Medeniyet ÜniversitesiGöz Hastalıkları Ana Bilim Dalı
DOÇ. DR. FEHİM ESEN
- Non-enfeksiyöz üveit hastalarında katarakt cerrahisinde yeni bir tedavi yaklaşımı: Sistemik steroid yerine sadece intraoperati̇f posterior subtenon triamsinolon enjeksiyonu uygulanan hastaların klinik sonuçları
A novel approach in cataract surgery of non-infectious uveitis patients: Clinical result of patients treated with intraoperative posterior subtenon injection of trimacinolone acetonide instead of routine systemic steroids
ULVİYYA ASKAROVA
Tıpta Uzmanlık
Türkçe
2025
Göz Hastalıklarıİstanbul Medeniyet ÜniversitesiGöz Hastalıkları Ana Bilim Dalı
DOÇ. DR. FEHİM ESEN
- Etiyolojisi belli olmayan anterior ve posterior/panüveitli hastaların romatolojik açıdan prospektif takibi
Prospective follow up of patients with terior, posterior/panuveitis with unknown etiology
AYŞEGÜL LAÇİN
Tıpta Uzmanlık
Türkçe
2012
Fiziksel Tıp ve RehabilitasyonGazi ÜniversitesiFiziksel Tıp ve Rehabilitasyon Ana Bilim Dalı
PROF. DR. FERİDE GÖĞÜŞ
- Otoimmün oküler yüzey ve uvea hastalıklarında kornea epiteline karşı antikorlar ve dolaşan immün kompleksler
Başlık çevirisi yok
MERİH SOYLU
Tıpta Uzmanlık
Türkçe
1990
Göz HastalıklarıÇukurova ÜniversitesiGöz Hastalıkları Ana Bilim Dalı
Y.DOÇ.DR. T. REHA ERSÖZ