Keratokonus hastalığının yapay zekâ teknikleriyle teşhis edilmesi

Abstract

Keratokonus gözün en önde yerleşimli saydam tabakasının yani korneanın, ilerleyici incelme ve sivrileşmesiyle görülen hastalığıdır. Bir başka deyişle gözün önünde yer alan ve bir kubbe bombeliğinde olması gereken kornea tabakasının bombeliğinin ilerleyici şekilde bozulması ve konik şekil almasıdır. Bu çalışmada amaç keratokonus hastalığının teşhisi için istatistiksel analizlere dayalı yeni bir sınıflandırma metodu tanımlamak ve hastalığın teşhisinin yüksek performanslı zeki bir sistem tarafından gerçekleştirilmesini sağlamaktır.Çalışmada Ankara Atatürk Eğitim ve Araştırma Hastanesi'nden alınan 159 keratokonus hastasının 301 gözü ile kontrol grubu olarak 265 refraktif cerrahi adayının 394 gözü kullanılmıştır. Uygulamada öncelikle istatistiksel analizlere dayalı yeni bir sınıflandırma tanımlanmış ve keratokonus hastalığının teşhisi için yüksek performanslı zeki bir sistem tasarlanmıştır. Çalışmada sınıflandırma konusunda en çok tercih edilen yöntemlerden yapay sinir ağları ve destek vektör makineleri kullanılmıştır. Çalışmanın amacı bu yöntemlerin doğruluk oranları ve performanslarını karşılaştırarak en uygun yöntemi bulmaya çalışmaktır.

Keratoconus is an eye disease characterised by progressive thinning of the cornea, which is a transparent layer of tissue in the front of the eye. In other words, it is the progressive distortion of the corneal layers into a conical shape. Vision progressively deteriorates as the cornea becomes more conical. The main focus of the study was to define a new classification method for detecting keratoconus disease based on statistical analysis and to diagnose the keratoconus disease by using high performance intelligent system. In this study, 301 eyes of 159 patients were enrolled as the subject group and 394 eyes of 265 refractive surgery candidates were enrolled as the control group. In our application primarily a new classification which based on statistical analysis was defined and a high performance intelligent system was designed for predicting keratoconus disease. Artificial neural networks and support vector machines, which are among the most preferred classification techniques, were used in this study. The aim of the study is finding the most appropriate method by comparing the accuracy and performance of these methods.