Optik Koherens tomografi görüntülerinden yaşa bağlı makular dejenerasyon tiplerinin yapay zekâ kullanılarak tespiti
Yükleniyor...
Tarih
2022
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Maltepe Üniversitesi, Lisansüstü Eğitim Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Bilim dünyasına girdiği ilk günden beri, yapay zekâ teknolojisi hızla gelişmeye devam etmektedir. Bilimsel araştırmalar ve çeşitli endüstrilerde olduğu gibi tıp teknolojileri de bu gelişmeden faydalanmaktadır. Bir tür yapay zekâ süreci olan derin öğrenme ise göz biliminde, veri analizi, bölümleme, otomatik teşhis ve olası sonuç tahminleri gibi amaçlar için kullanılmaktadır. Derin öğrenme ve Optik Koherens Tomografi (OKT) teknolojilerinin ilişkisi, göz hastalıklarının tespit edilmesi ve tanı koyma performansını iyileştirmek için güvenilir bir yöntemdir. Bu çalışmanın amacı, bir derin öğrenme uygulaması geliştirerek Yaşa Bağlı Makular Dejenerasyon (YBMD) hastalığının erken teşhisini sağlamaktır. YBMD; kuru tip ve yaş tip olmak üzere iki gruba ayrılmaktadır. Bu çalışma kapsamında kuru tip YBDM ile yaş tip YBMD’ nin Fibrovasküler PED ve Seröz PED olarak bilinen iki alt tipi incelenmiştir. Büyük hasarlara ve hatta körlüğe neden olabilecek bir hastalık olan yaş tip YBMD’ nin erken teşhisi tedavi için önem taşımaktadır. Bu hastalıkla ilgili derin öğrenme ile yapılan önceki çalışmalar, sadece hastalığın var olup olmaması ile kısıtlı kalmış ve buna yönelik bir uygulama da geliştirilmemiştir. Bu çalışmada geliştirilen uygulamada hem hastalığın erken teşhisi hem de bu teşhis esnasında hastalığın tipi tespit edilebilecektir. Bu amaç doğrultusunda, derin öğrenme metotlarından ResNet50, AlexNet, GoogLeNet, Xception kullanılarak gerekli testler yapılmıştır. Bu testler içerisinden en yüksek doğruluk oranını yüzde 93.80 ile ResNet50 vermiştir. Bu sebeple geliştirilen uygulamada, ResNet50 ağının sağladığı sınıflandırma dosyası kullanılmıştır. YBMD hastalığının erken teşhisi ve hastalık tipinin belirlenmesi için geliştirilen bu uygulamanın etkili bir yöntem olduğu tespit edilmiştir.
Since the first day it entered the world of science, artificial intelligence technology continues to develop rapidly. As with scientific research and various industries, medical technologies also benefit from this development. Deep learning, which is a kind of artificial intelligence process, is used in ophthalmology for purposes such as data analysis, segmentation, automatic diagnosis and possible outcome predictions. The relationship of deep learning and Optical Coherence Tomography (OCT) technologies is a reliable method for detecting eye diseases and improving diagnostic performance. The aim of this study is to develop a deep learning application to provide early diagnosis of Age-Related Macular Degeneration (AMD). AMD; It is divided into two groups as dry type and wet type. In this study, two subtypes of dry AMD and wet AMD, known as Fibrovascular PED and Serous PED, were investigated. Early diagnosis of wet AMD, which is a disease that can cause great damage and even blindness, is important for treatment. Previous studies with deep learning on this disease have been limited only to the presence or absence of the disease, and no application has been developed for this. In the application developed in this study, both the early diagnosis of the disease and the type of the disease can be determined during this diagnosis. For this purpose, necessary tests were carried out by using deep learning methods ResNet50, AlexNet, GoogLeNet, Xception. Among these tests, ResNet50 gave the highest accuracy rate with 93.80 percent. For this reason, the classification file provided by the ResNet50 network is used in the developed application. It has been determined that this application, which was developed for the early diagnosis of AMD disease and to determine the type of disease, is an effective method.
Since the first day it entered the world of science, artificial intelligence technology continues to develop rapidly. As with scientific research and various industries, medical technologies also benefit from this development. Deep learning, which is a kind of artificial intelligence process, is used in ophthalmology for purposes such as data analysis, segmentation, automatic diagnosis and possible outcome predictions. The relationship of deep learning and Optical Coherence Tomography (OCT) technologies is a reliable method for detecting eye diseases and improving diagnostic performance. The aim of this study is to develop a deep learning application to provide early diagnosis of Age-Related Macular Degeneration (AMD). AMD; It is divided into two groups as dry type and wet type. In this study, two subtypes of dry AMD and wet AMD, known as Fibrovascular PED and Serous PED, were investigated. Early diagnosis of wet AMD, which is a disease that can cause great damage and even blindness, is important for treatment. Previous studies with deep learning on this disease have been limited only to the presence or absence of the disease, and no application has been developed for this. In the application developed in this study, both the early diagnosis of the disease and the type of the disease can be determined during this diagnosis. For this purpose, necessary tests were carried out by using deep learning methods ResNet50, AlexNet, GoogLeNet, Xception. Among these tests, ResNet50 gave the highest accuracy rate with 93.80 percent. For this reason, the classification file provided by the ResNet50 network is used in the developed application. It has been determined that this application, which was developed for the early diagnosis of AMD disease and to determine the type of disease, is an effective method.
Açıklama
Anahtar Kelimeler
Yaşa bağlı makular dejenerasyon, Yapay zeka, Görüntü işleme, Age-Related macular degeneration, Artificial intelligence, Image processing
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Yenikaya, M. A. (2022). Optik Koherens tomografi görüntülerinden yaşa bağlı makular dejenerasyon tiplerinin yapay zekâ kullanılarak tespiti / Detection of age-related macular degeneration types from optical coherens tomography images using artificial intelligence. (Yayımlanmamış Doktora Tezi). Maltepe Üniversitesi, Lisansüstü Eğitim Enstitüsü, İstanbul.
