Patolojik Miyopi hastalığının tanısında VGG16 ve Resnet50 mimarilerinden esinlenerek oluşturulan yeni bir sinir ağı modeli

Abstract

Miyop uzağı görme yetisinin azalması sonucunda oluşan bir göz rahatsızlığıdır. Tüm seviyelerindeki prevelansı son 30 yılda hızlı bir artış göstermiştir. Aynı zamanda 2050 yılına kadar tüm dünya nüfusunun %49.8’ini oluşturması beklenmektedir. Küresel nüfusun büyük bir kısmını oluşturan miyop hastalığına ilişkin vakalar, genellikle aşırı eksenel göz büyümesi ile ilişkilendirilmektedir. Buna ek olarak keratoconus ve nükleer katarakt miyopa neden olan nadir diğer rahatsızlıklardır. Miyopa neden olan olası bu durumların yanı sıra patolojik miyopi isimli özel bir miyop kategorisi de mevcuttur. Görme yetisinde hızlı değişiklikler oluşturan patolojik miyopi, körlüğe neden olabilme ihtimaline sahiptir. Yaşam kalitesini ve üretkenliği olumsuz etkileyen patolojik miyopinin tespitinde yüksek maliyet gerekirken doğru tanı için dünyada yeterli uzman yoktur. İvedi teşhis gerektiren patolojik miyopi hastalığında yapay zekanın entegrasyonu ile karar destek sistemi inşa etmek gereklidir. Böylece kişisel hassasiyetlere takılmaksızın standart bir doğruluk oranı ile insanlığın faydasına olacak önemli bir görev gerçekleştirilecektir. Bu hususta sunulan çalışmada fundus görüntüleri vasıtasıyla CNN tabanlı bir sistem önerilmiştir. VGG16 ve Resnet50 mimarilerinden esinlenerek oluşturulan bu sinir ağı modeli ile gerçekleştirilen eğitim sonucunda %100 başarı oranı ve 1.0119e-05 kayıp değeri elde edilmiştir. VGG 16 ve Resnet 50 transfer öğrenme mimarilerine kıyasla daha kararlı, istikrarlı ve başarılı sonuçlar üreten bu mimarinin tıp alanında verilmesi planlanan kritik kararlar için bir karar destek sistemi oluşturması hedeflenmektedir.