Automated grading and diagnosis system for evaluation of dry eye disease

Abstract

Bugün, gözyaşı eksikliğinden kaynaklanan bir gözyaşı filmi bozukluğu olan Kuru Göz Sendromu (KGS) yaygın olarak görülen bir sağlık sorunudur. Kornea yüzeyi üzerinde oluşan kuru noktaların sayısı KGS şiddetinin bir tanı göstergesi olarak kullanılabilir. KGS şiddetinin bu noktaların tam bir şekilde sayılmasıyla derecelendirilmesi insan gözü için fiilen zor bir işlemdir. Mevcut yöntemlerin yoğun bir şekilde zaman ve kaynak tüketmesinin yanı sıra aynı zamanda oldukça sübjektif bir şekilde hekimin algısına bağımlı olduğu düşünülerek, tanı tekniklerinin iyileştirilmesi klinik KGS analizine önemli ölçüde katkı sağlayacaktır.Bilgisayar destekli sistemler sağlık sistemleri için potansiyel olarak daha objektif ve güvenilir tanı sonuçları sağlayabilir. Dahası, bu sistemler iyi eğitimli göz hekimleri ve modern test teknikleri bulunmayan yerlerde uzaktan tanı sistemi olarak faydalı olacaktır. Bilgisayarlı bir teşhis sistemi görüntü işleme teknikleri kullanılarak geliştirilebilir ve klinik karar verme sürecinde otomatik bir derecelendirme şeması olarak kullanılabilir, ayrıca değerlendirme, tanı ve tedavi süreçlerini hızlandırabilir. Bu tezde sunulan çalışma KGS için daha güvenilir ve kesin tanısını sağlamak için otomatik bir derecelendirme sisteminin geliştirilmesini kapsar. Sistemin tanıma performansının belirlenmesi için orjinal bir klinik veri tabanı göz kliniğinde bir yıl boyunca oluşturulmuştur. Floresein-boyanmış kornea resimleri üzerinde bilgisayarlı methodlar uygulayarak ilgi bölgesi düzeyinde bilgisayarlı bir tanı sistemi gerçekleştirilmiştir. Bu görüntüler, sodyum floresein boyama yapıldıktan sonra biyomikroskop fotoğraflama aracılığıyla toplanmış ve göz hekimleri tarafından geleneksel uygulanan; 0-hiçbiri - 5-şiddetli derecelendirme skalası kullanan klinik Oxford derecelendirme şemasına dayalı olarak etiketlenmiştir. Açıkça görülebilir ki; ideal floresein boyanmış kornea görüntüleri üzerinde çalışarak ve bilgisayarlı yöntemleri uygulayarak gerçek hayatta araştırmacılara daha objektif ve daha hızlı KGS tanısında yardımcı olmak için otomatik KGS tanı kitleri geliştirilebilir.

Today, Dry Eye Syndrome (DES) is a widely seen health problem that is a disorder of the tear film due to tear deficiency. The number of dry punctate dots occurred on corneal surface can be used as a diagnostic indicator of DES severity. Grading of DES severity exactly by counting these dots is a really difficult task for human eye. Taking into account that current methods are also subjectively dependent on the perception of the ophtalmologists in addition to spending time and resource intensively, the enhancement of diagnosis techniques would significantly contribute to clinical DES analysis. Computer-aided diagnosis systems can potentially provide more objective and reliable diagnostic results for health care systems. Moreover, they would also benefit as remote diagnosis systems in places where there may not be well-trained ophtalmologists and modern testing techniques. A computerized diagnosis system by utilizing image processing techniques can be developed and used as an automated grading system in clinical decision making, also speed up evaluation, diagnosis and treatment processes. The work presented in this thesis consists of developing an automated grading system in order to provide more reliable and accurate diagnosis for DES. For determining the recognition performance of the system, an orginal clinical database has been formed during a year in eye clinic. A computerized diagnosis system is performed at the region of interest (ROI) level by applying computational methods on the fluorescein-stained corneal images. These images were gathered via slit lamp photography after sodium fluorescein staining and labeled based on the clinical Oxford Grading Schema (OGS) traditionally implemented by ophtalmologists that uses a 0-none to 5-severe grading scale. This study shows that automatic DES diagnostic kits can be developed by implementing computational methods on the fluorescein-stained cornea images to assist investigators for a more objective and faster DES diagnosis in real life.