Normal ve Kronik Hastalıklı Orta Kulak İmgelerinin Evrişimsel Sinir Ağları Yöntemiyle Tespit Edilmesi

Diagnosis of Normal and Chronic Tympanic Memrane with Convolutional Neural Network

Yüksel ÇELİK, Abdulkadir ŞENGÜR, Erdal BAŞARAN, Mesut DOĞAÇAR, Ümit BUDAK, Zafer CÖMERT

Özet

Orta kulak iltihabı kulak zarının arkasında sıvı birikmesi olarak bilinmektedir. Orta kulak iltihabının uzun süreli tedaviye yanıt vermemesi ve kulak zarının delinmesi ile karakterize olan kronik orta kulak iltihabı işitme kaybına bile sebep olabilen ciddi bir rahatsızlıktır. Bu çalışmada gerekli etik kurulu izni alındıktan sonra Özel Van Akdamar Hastanesinde gönüllü hastalardan otoskop cihazı ile elde edilen 598 adet normal orta kulak görüntüsü ve kronik hastalıklı orta kulak görüntüleri ile sınıflandırma işlemi gerçekleştirilmiştir. Son yıllarda yapay zekâ kapsamında değerlendirilen algoritmalar hemen her alanda kullanılmaktadır. Sağlık alanında da tanı ve karar destek sistemleri geliştirilerek başarılı çalışmalar yapılmaktadır. Bu çalışmada yapay zekâ algoritmalarından olan ve özellikle biyomedikal görüntü sınıflandırma çalışmalarında da iyi sonuçlar elde edilen evrişimsel sinir ağı mimarilerinden olan AlexNet, VGG16, VGG19, GoogleNet, ResNet18, ResNet50, ResNet101 modelleri kullanılmıştır. Deneysel çalışmalar sonucu VGG19 mimarisi ile %97.2067 başarı oranı elde edilmiştir. Evrişimsel sinir ağları yöntemi normal ve kronik orta kulak görüntülerini ayırt etmede başarılı bir yöntemdir.

Abstract

Middle ear inflammation is known as the accumulation of fluid behind the eardrum. Chronic middle ear inflammation, which is characterized by the failure to respond to long-term treatment and perforation of the eardrum, is a serious condition that can even cause hearing loss. In this study, 598 normal middle ear images obtained from the volunteer patients with otoscope device and middle ear images with chronic disease were performed after obtaining the necessary ethics committee permission. In recent years, algorithms evaluated within the scope of artificial intelligence have been used in almost every field. In the field of health, diagnostic and decision support systems are developed and successful studies are carried out. In this study, AlexNet, VGG16, VGG19, GoogleNet, ResNet18, ResNet50, ResNet101 models which are one of the artificial intelligence algorithms and the convolutional neural network architectures which have good results especially in biomedical image classification studies are used. As a result of the experimental studies, 97.2067% success rate was achieved with VGG19 architecture. The convolutional neural network method is a successful method to distinguish between normal and chronic middle ear images.