عنوان:ارزیابی تشخیص پزشکان و رضایت مندی آن ها با به کارگیری از روش های افزایش بهبود کیفیت تصاویر در بیماری رتینوپاتی نوزادان نارس

چكيده

اهميت موضوع:  رتینوپاتی نوزادان نارس  یک مشکل مرتبط با شبکیه چشم است که در اثر عدم رشد طبیعی عروق خونی شبکیه اتفاق می‌افتد. این بیماری در صورت عدم تشخیص و درمان مناسب می‌تواند به عوارضی مانند نزدیک‌بینی، آستیگماتیسم، انحراف چشم، کدورت عدسی، تغییرات اپی‌تلیوم و جداشدگی شبکیه منجر شود. در این مطالعه برآنیم با استفاده از روش های بهبود کیفیت تصاویر بتوانیم باعث بهبود کیفیت تصاویر شویم و در تشخیص بهتر و به موقع متخصصان آنها را یاری کنیم.

روش پژوهش:  در این مطالعه نیمه تجربی [NS1] از تصاویر مربوط به چهل نوزاد که از مرکز تخصصی چشم خاتم الانبیا مشهد جمع‌آوری شده بود استفاده کردیم. در ابتدا بیمار توسط چشم پزشک با سابقه 14 ساله کار در مرکز پایش شبکیه نوزادان نارس، با روش استاندارد افتالموسکوپی غیر مستقیم معاینه شده و شدت بیماری ثبت گردید. سپس بیمار تحت تصویربرداری با دستگاه Retcam قرار گرفت؛ تصاویر موجود توسط پنج چشم پزشک با سابقه کار حداقل 2 سال در کلینیک نوزادان نارس به صورت مستقل در سه قسمت Stage، Zone و Plus Disease مورد بررسی و لیبل گذاری قرار گرفت؛ سپس با استفاده از نظر متخصصین بالین از چهار متد بهبود کیفیت تصویر شامل CLAHE، Auto MSR، Machine Learning و CycleGAN در جهت بهبود کیفیت استفاده شد. از میان این متدها با ارزیابی‌های صورت گرفته متد یادگیری ماشین جهت بهبود انتخاب و بعد از بهبود کیفیت تصاویر، با گذشت حداقل 6 ماه از لیبل گذاری اولیه، تصاویر مورد نظر دوباره توسط همان چشم پزشکان لیبل گذاری شد. لیبل گذاری قبل و بعد بهبود کیفیت  نیز بر اساس  مقایسه با نتایج معاینه استاندارد اولیه، تحت ارزیابی های آماری قرار گرفت.

یافته ها: به طور کلی، استفاده از روش ذکر شده باعث بهبود کیفیت تصویر در تشخیص پزشکان شد. به طوری که در بررسی تشخیص Stage باعث بهبود تشخیص 12 درصدی، در تشخیص Zone بهبودی 11 درصدی و در تشخیص Plus Disease بهبود 15 درصدی داشتیم.  همچنین از منظر بررسی های آماری مدل ما باعث تفاوت معنی داری در بهبود تشخیص مراحل اول و دوم Stage و تشخیص افراد فاقد Plus Disease و افرادی که دچار Plus Disease بودند شد. همچنین مدل ما در بهبود تشخیص پزشکان نیز در تمامی دسته‌ها (به‌جز تشخیصZone 2)  عملکرد یکسانی را داشت.

بحث و نتیجه گیری: این مطالعه، با به کار بردن مدل افزایش کیفیت تصاویر توانست باعث بهبود تشخیص پزشکان در Stage،  Zone و  Plus Disease شود. که در مقایسه با مطالعات دیگر رویکرد تازه ای را در ارزیابی مدل‌های مختلف به کار برده است.

واژگان کلیدی: رتینوپاتی نوزادان نارس، بهبود کیفیت تصاویر، یادگیری ماشین، هوش مصنوعی