Yakın kızılötesi yansıma görüntülerinde optik disk patolojilerinin derin öğrenme ile sınıflandırılması

Amaç: Bu çalışmada optik disk ödemi ve psödopapilödeme ait Spektral Domain Optik Kohorens Tomografi (SD)-OKT çekimlerinin yakın kızılötesi yansıma (YKY) görüntüleri kullanılarak derin öğrenme (DÖ) ile uygun bir algoritma oluşturulması ve geliştirilen modelin etkinliğinin değerlendirilmesi hedeflenmektedir. Gereç ve Yöntem: Çalışmaya detaylı oftalmolojik muayenesinde optik disk ödemi mevcut olan, 24 papilödem, 16 nonarteritik iskemik optik nöropati (NAİON), 12 santral retina ven oklüzyonu (SRVO), 3 demiyelinizan optik nöropati ve 5 diyabetik papillopatili hastanın toplam 158 görüntüsü, optik disk druseni mevcut olan 70, peripapiller hiperreflektif ovoid kütle benzeri yapıları (PHOKY) olan 62 psödopapilödem hastasının toplam 346 görüntüsü ile herhangi bir optik disk patolojisi olmayan sağlıklı 168 kişiden 336 göze ait optik koherens tomografi (OKT)'den elde edilmiş YKY görüntüsü dahil edildi. Görüntülerin %85'i (714 görüntü) modelin eğitimi, %15'i (126 görüntü) ise eğitilmiş modelin test edilmesi için 2 gruba ayrıldı. Optik disk görüntülerini sınıflandırmak için evrişimsel sinir ağları (ESA) algoritması kullanılarak bir DÖ modeli oluşturuldu. Temel olarak eldeki veriler modele tanıtılarak kendini eğitmesi sağlandı ve test için ayrılan görüntüler ile test edildi. Bulgular: Geliştirilen model, eğitimde kullanılmayan 24 optik disk ödemi, 52 psödopapilödem ve 50 normal optik disk görüntüsüyle test edildi. Her grup için duyarlılık, özgüllük, doğruluk ve Receiver Operating Characteristic (ROC) eğrisi analizi ile eğri altında kalan alan (EAKA) hesaplamaları yapıldı. Modelin optik disk ödemini saptamadaki duyarlılığı %100, özgüllüğü %99, doğruluğu %99, EAKA 0,995 (%95 güven aralığı [GA]: 0,98-1); psödopapilödemi saptamadaki duyarlılığı %98, özgüllüğü %97, doğruluğu %98, EAKA 0,983 (%95 GA: 0,96-1); herhangi bir optik disk ödemi veya psödopapilödem bulgusu olmayan normal optik diskleri saptamadaki duyarlığı; %96, özgüllüğü %100, doğruluk oranı %98, EAKA ise 0,973 (%95 GA: 0,94-1) olarak bulundu. Sonuç: Elde edilen sonuçlar, optik disk patolojilerinin tanısı için geliştirilen DÖ modelinin optik disk ödemi ve psödopapilödem saptanmasında yüksek etkinlikte kullanılabileceğini göstermektedir. YKY görüntüleme yapabilen OKT cihazlarına, benzer YZ modellerinin entegrasyonu ile optik disk patolojilerine ait tanılar elde edilebilir. Modelin geliştirilebilmesi için diğer görüntüleme yöntemleriyle desteklenmesine ve daha fazla sayıda görüntüye ihtiyaç vardır. Anahtar kelimeler: Yapay zeka, Derin öğrenme, Optik disk ödemi, Psödopapilödem, Yakın kızılötesi yansıma