Building smart algorithm to extract features of topographic images of a human eye

İnsan gözünü etkileyen çok sayıda hastalıklar için kesin bir tanı koymak önemli bir sorumluluktur. Bu nedenle, doktorların teşhisle ilgili kararlarını geliştirmek için yeni, akıllı algoritmalar geliştirmek gereklidir. Yakın zamanda bulunan Pentacam, kornea için topoğrafik haritaları gösteren, bunlar üzerindeki değişiklikleri ölçebilen ve doktorların kesin bir teşhis yapmasına yardımcı olan bir ölçüm sistemidir. Bu çalışma, Pentacam sisteminin okumasını geliştirmek için kornea topoğrafisi haritalarından elde edilen özellikleri seçip çıkarmaktadır ve çıkarılmış özelliklerin analitik incelenmesiyle derin öğrenme tekniklerini kullanarak kesin teşhisi koymayı desteklemektedir. Kornea topoğrafik haritalarından güçlü özellikle elde etmek için VGG-16 ağı kullanılarak 16 katmanlı bir kıvrımlı sinir ağı (CNN) eğitilmiştir. Normal ve anormal olmak üzere iki gruba ayrılan her iki cinsiyetin (414 kadın, 318 erkek) genişletilmiş topoğrafik görüntülerinden 732 insan gözü örneği seçilmiştir. Hastaların yaşları 12 ile 76 arasında değişmektedir. Bu çalışmanın yöntemi üç ana adımdan oluşmaktadır: (1) Refraktif (Kırılma) harita türüne göre çıkarılmış özelliklerin sınıflandırılması (tahmin edilen doğruluk payı %96.6'dır); (2) her bir harita için klinik durumunun tahmini (normal veya anormal) (tahmin edilen doğruluk payı %88.8, %98.9, %94.8, ve Sagital harita için %94.5'dir, sırasıyla yükseklik ön haritası, yükseklik arka haritası, ve kornea yüksekliği haritası), ve (3) tahmini sonuçlar ve klinik karar vermedir. Aralarındaki uyum, önerilen algoritmanın gücünü ve kullanışlılığını gösteren %94.72 değerine ulaşmaktadır.