Amaç: “Random forest” (RF), “support vector machine” (SVM) ve “multilayer perceptrons” (MLP) algoritmalarının performansını karşılaştırarak maküler koroid kalınlığı (MKT) ve peripapiller koroid kalınlığının (PPKT) obez ve sağlıklı çocukların sınıflandırılması üzerindeki etkisini analiz etmek. Gereç ve Yöntem: Bu prospektif karşılaştırmalı çalışmada yaşları 6-15 arasında olan 59 obez çocuk ve 35 sağlıklı çocuk optik koherens tomografi kullanılarak incelendi. MKT ve PPKT, fovea ve optik diskten 500 μm, 1.000 μm ve 1.500 μm mesafelerde ölçüldü. Çıkarılan tüm özelliklerin en belirgin olanlarını belirlemek için üç farklı özellik seçim algoritması kullanıldı. Çıkarılan özelliklerin sınıflandırma etkinliği, RF, SVM ve MLP algoritmaları kullanılarak analiz edildi ve bunların obezleri sağlıklı çocuklardan ayırt etmedeki etkinlikleri gösterildi. Ölçümlerin kesinliği ve güvenilirliği kappa analizi kullanılarak değerlendirildi. Bulgular: Korelasyon özellik seçimi algoritması, farklı özellik seçim yöntemleri arasında en başarılı sınıflandırma sonuçlarını üretmiştir. Obez ve sağlıklı grupları birbirinden ayırmada en belirgin özellikler PPKT temporal 500 μm, PPKT temporal 1.500 μm, PPKT nazal 1.500 μm, PPKT inferior 1.500 μm ve subfoveal MKT idi. RF, SVM ve MLP algoritmaları için sınıflandırma oranları sırasıyla %98,6, %96,8 ve %89 idi. Sonuç: Obezite, özellikle subfoveal bölgede ve optik disk başından 1.500 μm uzaklıktaki dış yarım dairede olmak üzere çocukların koroidal kalınlıkları üzerinde etkilidir. Hem RF hem de SVM algoritmaları, obez ve sağlıklı çocukları sınıflandırmada etkili ve doğru yöntemlerdir.
Objectives: To analyze the effect of macular choroidal thickness (MCT) and peripapillary choroidal thickness (PPCT) on the classification of obese and healthy children by comparing the performance of the random forest (RF), support vector machine (SVM), and multilayer perceptrons (MLP) algorithms. Materials and Methods: Fifty-nine obese children and 35 healthy children aged 6 to 15 years were studied in this prospective comparative study using optical coherence tomography. MCT and PPCT were measured at distances of 500 μm, 1,000 μm, and 1,500 μm from the fovea and optic disc. Three different feature selection algorithms were used to determine the most prominent features of all extracted features. The classification efficiency of the extracted features was analyzed using the RF, SVM, and MLP algorithms, demonstrating their efficacy for distinguishing obese from healthy children. The precision and reliability of measurements were assessed using kappa analysis. Results: The correlation feature selection algorithm produced the most successful classification results among the different feature selection methods. The most prominent features for distinguishing the obese and healthy groups from each other were PPCT temporal 500 μm, PPCT temporal 1,500 μm, PPCT nasal 1,500 μm, PPCT inferior 1,500 μm, and subfoveal MCT. The classification rates for the RF, SVM, and MLP algorithms were 98.6%, 96.8%, and 89%, respectively. Conclusion: Obesity has an effect on the choroidal thicknesses of children, particularly in the subfoveal region and the outer semi-circle at 1,500 μm from the optic disc head. Both the RF and SVM algorithms are effective and accurate at classifying obese and healthy children.
