Retina hastalıkları tespiti için yapay zekâ destekli yeni bir hesaplamalı modelin geliştirilmesi

Retina hastalıkları, dünya genelinde artan diyabet ve yaşa bağlı sağlık sorunlarıyla birlikte ciddi görme kaybına neden olan önemli sağlık problemleri arasında yer almaktadır. Erken teşhis ve etkin tedavi, bu hastalıkların yol açtığı kalıcı görme kaybını önlemede kritik rol oynamaktadır. Optik Koherens Tomografi (OCT) görüntüleme teknolojisi, retina tabakasındaki mikroskobik yapısal değişimleri invaziv olmayan bir şekilde yüksek çözünürlükle ortaya koyarak tanı ve tedavi süreçlerinde yaygın olarak kullanılmaktadır. Ancak, bu görüntülerin manuel olarak değerlendirilmesi zaman alıcı ve uzmanlık gerektiren bir süreçtir. Bu çalışmada, retina hastalıklarının OCT görüntüleri üzerinden otomatik teşhisi amacıyla yapay zekâ destekli yeni bir hesaplamalı model geliştirilmiştir. Geliştirilen sistem; görüntü doğrulama, ön işleme, derin öğrenme tabanlı sınıflandırma ve karar destek modüllerini içeren çok katmanlı ve modüler bir mimari üzerine inşa edilmiştir. Model eğitiminde, OCT-2017 açık erişimli veri setinden faydalanılmış ve CNV (Koroid Neovaskülarizasyonu), DME (Diyabetik Makula Ödemi), Drusen ve Normal olmak üzere dört farklı retina hastalık sınıfı hedeflenmiştir. Derin öğrenme tabanlı sınıflandırıcı olarak dört farklı mimari yapı test edilmiştir (GoogleNet, ResNet50, EfficientNet-B0 ve DenseNet-201). Yapılan karşılaştırmalı deneyler sonucunda, katmanlar arası yoğun bağlantı mekanizması ile öne çıkan DenseNet-201 mimarisi, en yüksek doğruluk oranını elde etmiş ve modelin nihai versiyonunda tercih edilmiştir. Eğitim ve test sonuçları doğruluk, hassasiyet, özgüllük, F1 skoru ve ROC eğrileri gibi istatistiksel metriklerle detaylı şekilde değerlendirilmiştir. Ayrıca, sisteme entegre edilen kullanıcı dostu arayüz aracılığıyla sağlık personellerine grafiksel ve sayısal tahmin sonuçları sunularak klinik karar destek süreçlerine katkı sağlanması amaçlanmıştır. Geliştirilen sistemin sağlık yazılımları ve OCT cihazları ile entegrasyon potansiyeli de göz önünde bulundurularak gelecekte klinik uygulamalara yönelik genişletilebilir bir altyapı oluşturulmuştur. Bu tez çalışması, hem yapay zekâ temelli karar destek sistemlerinin retina hastalıklarının erken teşhisinde etkinliğini ortaya koymakta hem de literatüre özgün veri yönetimi, güvenlik ve kullanıcı arayüzü bileşenleri ile katkı sunmaktadır.