Derin öğrenme teknikleri ile gelişimsel kalça çıkıklığının ultrason görüntülerinden otomatik tespiti
No Thumbnail Available
Date
2024
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
ANKARA ÜNİVERSİTESİ
Abstract
Gelişimsel kalça displazisi, femur başı ile asetabulum arasındaki uyumsuzluktan kaynaklanan bir yapısal bozukluktur. Erken teşhis ve tedavi, uzuv kısalığı, topallama ve fonksiyonel özürlülük gibi olumsuz durumları önleyebilir. Bu rahatsızlık özellikle yenidoğan ve 0-3 aylık bebeklerde erken tanı konulması gereken bir durumdur. Tanıda gecikme durumunda, uzuv kısalığı gibi kalıcı sorunlar ortaya çıkabilir. Bu nedenle erken teşhis ve tedavi, yaşam kalitesini önemli ölçüde etkileyebilir. Tanıda iki temel yöntem olan fiziksel muayene ve ultrason ile görüntüleme yöntemi kullanılır. Özellikle ultrason görüntülerinin değerlendirilmesinde Graf yöntemi sıkça tercih edilir, ancak bu yöntemde uzman ve cihaz kaynaklı hatalar olabilmektedir. Günümüzde bilgisayar destekli tanı araştırmaları, tanı süreçlerini geliştirmek amacıyla yapılmaktadır. Ultrason görüntülerinin manuel işlenmesi, ölçümde zorluklara neden olabilir ve yanlış sonuçlara yol açabilir. Bu nedenle, bu çalışmada gelişimsel kalça displazisi tanısının ilk aşaması için farklı ağ mimarileri önerilmiştir: U-Net, Mask R-CNN ve YOLOv8. U-Net önerisi daha az veri ile ikili sınıflandırma olarak sunulmuştur, Mask R-CNN ve YOLOv8 ağ önerileri ise daha çok veriyle ve çok etiketli olarak eğitim süreçlerinden geçmişlerdir. Çalışmada öne çıkan YOLOv8, eğitim sonuçlarına göre en yüksek başarıya ulaşmıştır. Bölütleme, açı ölçümü ve istatiksel analiz kademeli olarak yapılmıştır. Açı ölçümü için iki öneri sunulmuş ve sonuçlar uzman sonucu ile karşılaştırılmıştır. Önerilerin doğruluğu için Bland-Altman analizi ve sınıf içi korelasyon analizi (ICC) uygulanmış, istatistiksel analiz sonuçları tablolar halinde karşılaştırılmıştır. Sunulan önerilerin doğruluğu ve güvenilirliği değerlendirilmiştir.
Description
Keywords
yapay zeka, derin öğrenme, görüntü işleme