Diyabetik retinopatili hastaların optik koherens tomografi görüntülerindeki retina iç katlarının dezorganizasyonu, hiperreflektif nokta ve subfoveal nörosensöryel dekolmanın yapay zeka kullanılarak tanınması
Başlık çevirisi mevcut değil.
- Tez No: 987975
- Danışmanlar: DOÇ. DR. EREN ÇERMAN
- Tez Türü: Tıpta Uzmanlık
- Konular: Göz Hastalıkları, Eye Diseases
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Marmara Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Göz Hastalıkları Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Bu çalışmanın amacı diyabetik retinopati (DR) hastalarının optik koherens tomografi (OKT) görüntülemelerinde görülebilen hiperreflektif nokta (HRN), subfoveal nörosensöryel dekolman (NSD) ve retina iç katlarının dezorganizasyonu (disorganization of the retinal inner layers, DRIL) biyobelirteçlerinini yapay zeka ile oluşturulan klasifikasyon modeli tarafından tanınabilirliğinin ve modelin kararlarının göz hastalıkları hekimlerinin kararlarıyla uyumunun değerlendirilmesidir. Gereç ve Yöntem: Bu çalışmaya, DR tanısı almış hastalara ait 768 OKT görüntüsü dahil edilmiştir. Derin öğrenme (deep learning, DL) modelinin eğitiminde 10000'in üzerinde fovea görüntüsü kullanılmıştır. Bu verilerin sınıflandırılması iki retina uzmanı ve bir göz hekimi tarafından oluşturulan bir konsey tarafından yapılmıştır. Test grubunda ise 152 adet fovea görüntüsü kullanılmıştır. Test grubu verileri hem konsey hem de 4 farklı göz hekimi tarafından değerlendirilmiştir. Konseyde yer alan kişilerin kararlarına göre gözlemci içi ve gözlemciler arası güvenilirlik analizi yapılmıştır. Klasifikasyon yöntemiyle yapılan DL modelinin performansı, katılımcılar ve konseyin verdiği kararlar ile karşılaştırılarak değerlendirilmiştir. Bulgular: Gözlemci içi güvenilirlik analizinde elde edilen Kappa (𝛋) değerleri, HRN için 0,519, 0,513, 0,614, NSD için 0,876, 0,840, 0,925 ve DRIL için 0,598, 0,460, 0,628 olarak bulunmuştur. Gözlemciler arası güvenilirlik analizinde elde edilen Fleiss Kappa (𝛋) değerlerinin HRN için 0,408, 0,644, NSD için 0,859, 0,887 ve DRIL için 0,378, 0,655 olduğu görülmüştür. HRN sayısının“yok”(<2) olarak sınıflandırıldığı grupta modelin sensitivitesi %100,0, spesifitesi %94,0, eğri altındaki alan (EAA) 0,970 olarak bulunmuştur. HRN sayısının“az”(2-10) olduğu grupta sensitivitenin %82,6, spesifitenin %90,0, EAA'nın 0,863 olduğu görülmüştür. HRN sayısının“orta”(11-20) olduğu grupta sensitivite %78,4, spesifite %90,1, EAA 0,843 olarak ve“çok”(>20) olduğu grupta sensitivite %42,9, spesifite %97,9, EAA 0,704 olarak bulunmuştur. Modelin, NSD'nin tespitindeki sensitivitesi %94,7, spesifitesi %97,9, EAA'sı 0,963 iken DRIL'in tespitinde sensitivitenin %54,9, spesifitenin %93,8 ve EAA'nın 0,744 olduğu görülmüştür. Sonuç: NSD tanısında gözlemci içi ve gözlemciler arası uyumun yüksek olmasının yanında NSD'nin DL modeli ile de başarılı bir şekilde tespit edilebildiği görülmüştür. HRN sayısı ve DRIL'ın tanınmasında güvenilirlik daha düşük olmakta ve model ile daha az başarılı sonuç elde edilebilmektedir.
Özet (Çeviri)
Purpose: The aim of the study is to evaluate the recognizability of the biomarkers of hyperreflective dots (HRD), subfoveal neurosensorial detachment (NSD), and disorganization of the retinal inner layers (DRIL), which can be seen in optical coherence tomography (OCT) imaging of diabetic retinopathy (DR) patients, by the classification model created with artificial intelligence and to evaluate the compatibility of the model's decisions with the decisions of ophthalmologists. Material and Method: Seven hundred sixty-eight OCT images of DR patients were included in this study. Over 10000 foveal images were recruited to train the deep learning (DL) model. The classification of this data was based on the decisions of a council consisting of 2 retina specialists and one ophthalmologist. Afterward, a group of 152 foveal images was recruited as test data. The test data results were evaluated by the council members and four different ophthalmologists. Intra-rater and inter-rater reliability analysis was conducted based on the decisions of the council. Finally, the performance of the deep learning classification model was compared with human and council results. Results: Kappa (𝛋) values obtained in the intra-rater analysis are 0.519, 0.513, 0.614 for HRF, 0.876, 0.840, 0.925 for NSD, and 0.598, 0.460, 0.628 for DRIL. Fleiss Kappa (𝛋) values obtained in the inter-rater reliability analysis were 0.408, 0.644 for HRF, 0.859, 0.887 for NSD, and 0.378, 0.655 for DRIL. In the group where the number of HRF was classified as“absent”(<2), the model's sensitivity was 100.0%, the specificity was 94.0%, and the area under the curve (AUC) was 0.970. In the group with“few”(2-10) HRF, the sensitivity was 82.6%, the specificity was 90.0%, and the AUC was 0.863. The sensitivity was 78.4%, specificity 90.1%, AUC 0.843 in the group with“moderate”HRF number, sensitivity 42.9%, specificity 97.9%, and AUC 0.704 in the group with“many”number. While the model's sensitivity in detecting NSD was 94.7%, the specificity was 97.9%, and the AUC was 0.963, the sensitivity in detecting DRIL was 54.9%, the specificity was 93.8%, and the AUC was 0.744. Conclusion: In addition to high intra-rater and inter-rater reliability in the diagnosis of NSD, it has been observed that NSD can be successfully detected with the DL model. Reliability is lower in recognizing HRN number and DRIL, and less successful results can be obtained with the model.
Benzer Tezler
- Yeni diyabet tanısı almış ve diyabetik retinopatisi olmayan hastaların optik koherens tomografi anjiografi bulguları
Optical coherens tomography angiography findings of patients with new onset diabetes and no signs of diabetic retinopathy
BAHADIR ÖZELBAYKAL
Tıpta Uzmanlık
Türkçe
2020
Göz HastalıklarıSağlık Bilimleri ÜniversitesiGöz Hastalıkları Ana Bilim Dalı
UZMAN FİKRET ÜNAL
- Retinanın iç ve dış katlarında dezorganizasyon saptanan diyabetik maküla ödemi tedavisinde anti-vasküler endotelyal büyüme faktör etkinliklerinin değerlendirilmesi
Evaluation of the efficacy of anti-vascular endothelial growth factors in diabetic macular edema with retinal inner and outer layers disorganisation
YILDIRIM KOCAPINAR
Tıpta Uzmanlık
Türkçe
2021
Göz HastalıklarıSağlık Bilimleri ÜniversitesiGöz Hastalıkları Ana Bilim Dalı
UZMAN AYŞE SÖNMEZ
- Diyabetik retinopatili hastalarda retinal iskeminin fundus floresein anjiyografi ve optik koherans tomografi anjiyografi bulgularının yapay zeka yardımıyla karşılaştırılması
Comparison of fundus fluorescein angiography and optical coherence tomography angiography findings of retinal ischemia with the assistance of artificial intelligence in patients with diabetic retinopathy
FATMA TUĞBA BULANIK
Tıpta Uzmanlık
Türkçe
2024
Göz HastalıklarıKaradeniz Teknik ÜniversitesiGöz Hastalıkları Ana Bilim Dalı
PROF. DR. HİDAYET ERDÖL
- Yıllara bağlı olarak tip 2 diabetes mellitusun oluşturduğu retinal vasküler değişikliklerin optik koherens tomografi anjiografi ile değerlendirilmesi
Evaluation of retinal vascular changes caused by type 2 diabetes mellitus depending on years by optical coherens tomography angiography
PINAR İŞ KILIÇDOĞAN
Tıpta Uzmanlık
Türkçe
2023
Göz HastalıklarıMersin ÜniversitesiGöz Hastalıkları Ana Bilim Dalı
PROF. DR. ÖZLEM YILDIRIM
- Diyabetik makülar ödemde intravitreal ranibizumab tedavisinin posterior subtenon triamsinolon asetonid ile kombine tedavisiyle kısa süreli sonuçlarının karşılaştırılmalı etkinlik ve güvenilirliği
Comparison of efficacy and safety of intravitreal ranibizumab treatment and intravitreal ranibizumab combined with posterior subtenon triamcinolone acetonide therapy in diabetic macular edema: Short term outcomes
GAMZE MADEN
Tıpta Uzmanlık
Türkçe
2018
Göz HastalıklarıSağlık Bilimleri ÜniversitesiGöz Hastalıkları Ana Bilim Dalı
DR. BURAK ERDEN
DR. SERKAN ERDENÖZ