Dismorfik hastalıkların görüntü analizi ile ayırt edilmesi

Abstract

Dismorfiğin kelime anlamı insanın doğuştan şekil bozukluğu olaraktanımlanmaktadır. Dismorfik otozomal kromozom hastalıkların günümüzde en sıkrastlanan sendromu trizomi 21 yani down sendromudur. Bu nedenle downsendromunun klinik ön tanı tespiti önem arz etmektedir. Klinik ön tanı, referanskitaplardaki örnek resimlerden karşılaştırma yolu ile veya hekimden hekime değişiklikgösteren tecrübe faktörü sayesinde konulabilmektedir. Bu çalışmada, downsendromu şüphesine sahip kişilere farklı klinik ön tanıların konulmasınıengelleyebilmek ve bu işlemi hekimlerin tecrübelerinden bağımsız bir halegetirebilmek için karşılaştırma yönteminin niteliksel olarak incelenip görüntü analizi ileklinik ön tanının konulabilmesi hedeflenmiştir. Çalışmada 5-6 yaş grubundaki 18 adetdown sendromlu çocuğun yüz fotoğrafları ile 18 adet normal morfolojiye sahipçocuğun yüz fotoğraflarından bir veri tabanı oluşturulmuştur. Fotoğraflarıntamamında elastik yüz demet grafik yöntemi ile yüzdeki kritik noktalar tespit edilmiştir.Daha sonra bu kritik noktalardan klinik ön tanı için 10'ar adet öz nitelik vektörü eldeedilmiştir. Öz nitelik vektörleri, oluşturulan MATLAB tabanlı bilgisayar programınıneğitilmesinde kullanılmıştır. Bu eğitim işlemi yapay sinir ağları ile gerçekleştirilmiştir.Sonuç olarak, kullanılan iki farklı yapay sinir ağı metodu ile %68,7 doğrulukta downsendromlu kişinin klinik ön tanısı konulabilmektedir. ?lerleyen çalışmalarda dahageniş veri tabanları oluşturularak başarı oranının arttırılması mümkün olacaktır. Busayede dismorfik hastalıkların klinik ön tanısının konulmasında standardizasyonaulaşılması hedefi sağlanabilecektir.

The lexial meaning of the dysmorphic is defined as the congenital malformation ofhuman. At the present time, the most common syndrome of the dysmorphicautosomal chromosome diseases is Trisomy 21, in other words down syndrome.Therefore, clinic pre-diagnosis of down syndrome carries severity. Clinic prediagnosiscan be estimated by either comparison of the images on reference booksor experience which can show difference from one clinician to other. On this study, inorder to obstruct the dissimilarity of prediagnosis for the patients who are douptedlikely down syndrome and to render this process clinican independent, it is aimed todetermine the clinic prediagnosis by the image analysis subsequently qualitativelyobservation of the comparison method. Regarding our study, a database has beenconstituted with the face photos of 18 children who has already been diagnoseddown syndrome and 18 children who has normal morphology. At the MATLAB basedprogram which is written for our thesis, the fiducial points on faces are determined byusing the elastic face bunch graph method for all photos. Afterwards, 10 featurevectors for all faces are obtained from these fiducial points for cilinic prediagnosis.Feature vectors are used for training the program by artificial neural networks. Inconclusion, by using two different artificial neural network method, the determinationof clinic prediagnosis for a patient who has down syndrome can be done with anaccuracy of 68%. For further studies, it will be possible to increase the success ratioby creating larger databases. As a result of these studies, we will be able to reach astandardiazation for pre-diagnosis of dysmorphic diseases.