Göz kapağı yüksekliği, kaş yüksekliği ve göz kapağı fonksiyonlarının fotoğrafik ölçümü: Transfer öğrenme tabanlı derin öğrenme yaklaşımı ile yeni bir programın geliştirilmesi ve klinik geçerliliğinin değerlendirilmesi
Photographic measurement of eyelid height, brow height, and eyelid function: Development and clinical validation of a novel program using a transfer learning–based deep learning approach
- Tez No: 1018199
- Danışmanlar: DOÇ. DR. VOLKAN DERİCİOĞLU
- Tez Türü: Tıpta Uzmanlık
- Konular: Göz Hastalıkları, Eye Diseases
- Anahtar Kelimeler: Brow height, computer vision, levator function, margin reflex distance, MediaPipe FaceMesh, transfer learning
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Marmara Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Göz Hastalıkları Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Fotoğraflar üzerinden göz kapağı ve kaş yüksekliği ölçümleri ile göz kapağı fonksiyonunu otomatik, objektif ve milimetrik hassasiyetle ölçebilen bir derin öğrenme modelinin geliştirilmesi ve klinik olarak doğrulanması amaçlanmıştır. Gereç ve Yöntem: Model geliştirme ve geçerliliğinin değerlendirilmesi amacıyla sağlıklı bireyler ve çeşitli göz kapağı patolojilerine (kapak retraksiyonu ve pitozis) sahip 190 katılımcının yüz fotoğrafları standardize edilmiş koşullarda üç farklı bakış pozisyonunda çekilmiştir. Çekilen fotoğrafların 330 tanesi modelin eğitimi için kullanılmış olup, 240 fotoğraf modelin test edilmesi için ayrılmıştır. Eğitim grubunda Google'ın açık erişimli uygulaması MediaPipe FaceMesh'ten elde edilen anatomik noktalar, referans veri setini oluşturmak amacıyla iki göz doktoru tarafından seçilerek göz çevresi için manuel olarak CVAT (Computer Vision Annotation Tool) etiketleme programı ile yeniden işaretlenmiştir. Modelin eğitiminde MobileNetV3-Large mimarisi kullanılmış olup, üç kanallı (red, green, blue; RGB) yapısı anatomik nokta koordinatlarının kategoriler halinde eklenmesiyle yedi kanallı olacak şekilde genişletilmiştir. FaceMesh tahminlerini regresyon yöntemiyle iyileştiren hibrit bir derin öğrenme sistemi geliştirilmiştir. Levator fonksiyonu ölçümü için yukarı ve aşağı bakış görüntüleri 'enhanced correlation coefficient; ECC' algoritması kullanılarak hizalanmıştır. ArUco (Augmented Reality University of Cordoba) işaretleyici kullanarak piksel milimetre dönüşümü yapılarak marjin refleks mesafesi 1 ve 2 (MRD 1, MRD 2), kaş yüksekliği, kapak yüksekliği, tarsal alan yüksekliği, marjin limbal mesafe (MLD) ve levator fonksiyonu ölçümleri milimetre cinsinden elde edilmiştir. Klinik geçerlilik değerlendirmesinde 80 katılımcının 160 gözüne ait model ölçümleri, iki göz doktorunun klinik ölçümleri ve yarı otomatik ImageJ ölçümleri ile karşılaştırılmıştır. Bulgular: Model–ImageJ korelasyonları kaş yüksekliği (ρ=0,883) ve MRD 2 (ρ=0,818) için gözlemci içi ve gözlemciler arası değerlerin üzerinde bulunmuştur. Model ile ImageJ ölçümleri arasında sınıflararası uyum katsayısı (intraclass correlation coefficient, ICC) MRD 1 için 0,815; MRD 2 için 0,791; kaş yüksekliği için 0,862; kapak yüksekliği için 0,771; tarsal alan yüksekliği için 0,755 değerleri ile 'iyi düzeyde', MLD için 0,515 değeri ile 'orta düzeyde' bulunmuştur. Levator fonksiyonunda model ile klinik ölçüm arasındaki ICC değeri ise 0,703 olarak bulunmuştur. Modelin tekrar ölçüm değerlendirmesinde ise tüm parametrelerde ICC değerinin 0,980'in üzerinde olduğu görülmüştür. Sonuç: Model; göz kapağı yüksekliği ve kaş yüksekliği ölçümleriyle beraber dinamik göz kapağı fonksiyonu ölçümlerini (levator fonksiyonu, MLD) fotoğraf üzerinden, gözlemciden bağımsız, milimetrik hassasiyetle hesaplayarak standardizasyon ve tekrarlanabilirlik açısından önemli bir boşluğu doldurmaktadır. MediaPipe FaceMesh üzerinde uygulanan transfer öğrenme yaklaşımı, genel amaçlı anatomik nokta modellerinin klinik düzeyde güvenilirliğe erişme potansiyelini göstermektedir. Modelin ek çalışmalarla geliştirilmesi ile rutin değerlendirme, ameliyat öncesi planlama ve takip süreçlerinde geçerli bir destekleyici olabileceği düşünülmektedir.
Özet (Çeviri)
ABSTRACT Photographic Measurement of Eyelid Height, Brow Height, and Eyelid Function: Development and Clinical Validation of a Novel Program Using a Transfer Learning–Based Deep Learning Approach Purpose: To develop and clinically validate a computer vision system that automatically and objectively measures eyelid and brow parameters and eyelid function from photographs with millimetric precision. Methods: Standardized facial photographs of 190 subjects (healthy and various eyelid pathologies) in three gaze positions were used for development and validation of model. MediaPipe FaceMesh landmarks were manually corrected in periocular regions by an experienced ophthalmologist to build the ground-truth dataset. A hybrid deep learning system refining FaceMesh predictions via delta regression was developed, using a pre-trained MobileNetV3-Large backbone with anatomical heatmaps added to RGB (red,green,blue) inputs. For levator function, upgaze and downgaze images were aligned via the enhanced correlation coefficient (ECC) algorithm within a region of interest (ROI) mask. ArUco-based pixel-to-mm conversion enabled measurement of margin reflex distance 1 and 2 (MRD 1, MRD 2), brow height, lid height, tarsal show, margin limbal distance (MLD), and levator function. For clinical validation, model measurements from 160 eyes of 80 subjects (retraction, ptosis, or healthy) were compared with two independent ophthalmologists' clinical measurements and semi-automated ImageJ measurements. Results: Model–ImageJ correlations for brow height (ρ=0.883) and MRD 2 (ρ=0.818) exceeded intra- and inter-observer values. Good model–ImageJ agreement was obtained for MRD 1 (Intraclass Correlation Coefficient, ICC=0.815), MRD 2 (ICC=0.791), brow height (ICC=0.862), lid height (ICC=0.771), and tarsal show (ICC=0.755). For levator function, model versus clinical measurements yielded ICC=0.703. In the repeatability assessment of the model, ICC values were found to be above 0.980 for all parameters. Conclusion: By computing static and dynamic eyelid-function measures (levator function, MLD) in a single, observer independent process with millimetric precision, the system fills a critical gap in standardization and reproducibility. Transfer learning on MediaPipe FaceMesh shows general purpose landmark models can be elevated to clinical-grade reliability, supporting the system as a valid alternative in routine oculoplastic assessment, preoperative planning, and follow-up.
Benzer Tezler
- 1985-1986 yıllarında Polatlı Devlet Hastanesine kaza nedeniyle başvuranların incelenmesi
Başlık çevirisi yok
FERHAN ŞENOL
Yüksek Lisans
Türkçe
1986
İlk ve Acil YardımGazi ÜniversitesiKazaların Çevresel ve Teknik Araştırması Ana Bilim Dalı (disiplinlerarası)
DOÇ. DR. HİKMET PEKCAN
- Diyabetus mellitus'da gözlenen mikrovasküler komplikasyonların prostaglandinler ile olan ilişkisi
The Relation of microvaskular complications observed in diabetes mellitus with prostoglandins
CANAN NEBİGİL
Doktora
Türkçe
1985
Eczacılık ve FarmakolojiCumhuriyet ÜniversitesiFarmakoloji Ana Bilim Dalı
YRD. DOÇ. DR. YUSUF SARIOĞLU
- Diesel motorları yakıt püskürtme sistemlerinin dinamik simülasyonu
Başlık çevirisi yok
İRFAN KARAGÖZ
Yüksek Lisans
Türkçe
1986
Makine MühendisliğiUludağ ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. OĞUZ BORAT
- Sivas yöresinde akraba evliliği yapan ve yapmayan çiftlerde dermatoglifik benzerlikler
Similarities of dermataoglyphies among individval of married relatives and married couples not related to each other in Sivas region
Y. SELMA SÜNGÜ
Yüksek Lisans
Türkçe
1984
Tıbbi BiyolojiCumhuriyet ÜniversitesiTıbbi Biyoloji ve Genetik Ana Bilim Dalı
YRD. DOÇ. DR. İLHAN SEZGİN
- Mus musculus türü farelerde gözün gelişimi
The Development of eve of the albino mus musculus species of mice
EMEL YOLAL
Yüksek Lisans
Türkçe
1984
MorfolojiCumhuriyet ÜniversitesiMorfoloji (histoloji ve Embriyoloji) Ana Bilim Dalı
DOÇ. DR. ERDOĞAN GÜRSOY