TİMPANİK MEMBRAN GÖRÜNTÜ ANALİZİ VE YAPAY ZEKA KULLANILARAK SANAL OTİTİS MEDİA TANI SİSTEMİNİN GELİŞTİRİLMESİ

Abstract

ÖZET

Otitis media, orta kulakta bulunan kulak zarı arkasında sıvı birikmesi sonucu oluşan iltihaplanma olarak tanımlanmaktadır. Her yıl dünya genelinde yaklaşık 740 milyon insan bu rahatsızlığı geçirmektedir. Otitis media aynı zamanda klinik olarak, hastalara en fazla antibiyotik tedavisi reçete edilen hastalıklardan biridir. Bu hastalık erken teşhisi yapılmadığı ve tedavi edilmediği takdirde hayat kalistesinde düşüşlere, bilişsel rahatsızlıklara hatta işitme duyusunun bile yitirilmesine sebep olabilmektedir. Otitis media hastalığının teşhis edilebilmesi için uzman tarafından otoskop cihazı ile kulak zarının detaylı bir şekilde analiz edilmesi gerekmektedir. Hastaların her zaman deneyimli bir kulak burun boğaz uzmanına ulaşamaması ya da hatalı muayenelerden dolayı hatalı sonuçlar ya da yanlış yorumlamalar ortaya çıkabilmektedir. Bu çalışmada yapay zeka metodları kullanılarak orta kulak görüntülerinde zar bölgesinin tespit edilmesi ve otitis media hastalığının teşhis edilebilmesine çalışılmıştır. Yapılan çalışmada ilk olarak özgün bir veri seti oluşturulup, görüntülere ait öznitelikler gri seviyeli eş oluşum matrisi, yerel ikili örüntü, yönlü gradyanların histogramı ve renk kanallarının ortalaması elde edildilten sonra yapay sinir ağları, destek vektör makineleri, kNN gibi klasik makine öğrenme yöntemleri ile sınıflandırma yapılmıştır. Daha sonra zar bölgesinin tepit edilmesi için derin öğrenme tabanlı Faster R-CNN ve YOLO yöntemleri kullanılmıştır. Sonuç olarak; zar bölgesi %93 doğruluk oranı ile tespit edilmiştir. Özgün bir model önerisi literatüre kazandırılarak orta kulak görüntülerinde zar bölgesini otomatik tespit eden ve zar bölgesi parçaları ile beslenen derin öğrenme temelli transfer öğrenme modelleri ile görüntüler % 90 doğruluk oranı ile sınıflandırılmıştır.

ABSTRACT

Otitis media is the general name for inflammation caused by the accumulation of fluid behind the eardrum in the middle ear. Every year, 740 million people worldwide suffer from this ailment. Otitis media is also one of the most commonly prescribed antibiotic treatments in patients coming in clinically. This disease can cause loss of hearing even if it is not diagnosed and treated early. In order to diagnose otitis media disease, it is necessary to analyze the eardrum in detail with an otoscope device. Inaccurate results or misinterpretations may occur due to patients not always reaching an experienced otolaryngologist or due to incorrect examinations. In this study, it was tried to detect the membrane region of the middle ear images and to diagnose otitis media disease by using artificial intelligence methods. In this study, firstly, a unique data set was created, and after the attributes of the images were obtained with gray level co-matrix, local binary pattern, histogram of directional gradients and average of color channels, classification was done with classical machine learning methods such as artificial neural networks, support vector machines, kNN. Then, deep learning based Faster R-CNN and YOLO methods were used to cross the membrane region. As a result; The membrane region was determined with 93% accuracy rate. By introducing an original model proposal to the literature, images are classified with 90% accuracy rate with deep learning based transfer learning models that automatically detect the membrane region in the middle ear images and feed on the membrane region parts.