Browsing by Author "Koska, Çağan"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • Thumbnail Image
    Article
    Otomatik inme sınıflaması: İmkansız piksellerin eliminasyonuyla etkinleştirilmiş transfer öğrenme yaklaşımı
    (2024) ilker özgür koska; Çağan Koska; António Fernandes; Koska, Çağan; Fernandes, António; Koska, İlker Özgür
    Amaç: Derin öğrenme yöntemleri ve özellikle evrişimsel sinir ağları (CNN) tıbbi görüntü sınıflamasında otomatizasyon açısından geliştirilen uygulamalarda altın standart niteliğindedir. İnme görüntülemesinde zaman oldukça kritik olup hızlı müdahale ile morbidite ve mortalite azaltılabilmektedir. Bu çalışmada amacımız hızlı inme triajı ve uygun tedavi seçimi sağlayacak iskemik inme ile hemorajik inmeyi birbirinden ayırt edebilen otomatize yöntem geliştirmektir. Yöntemler: Teknofest sağlıkta yapay zekâ yarışması tarafından sağlanan kimliksizleştirilmiş ve anonimleştirilmiş 2000 adet iskemik inme 2000 adet hemorajik inme içeren bilgisayarlı tomografi (BT) kesitleri kullanılarak MobileNet ve EfficientNet CNN mimarileri transfer öğrenme metodolojisi ile özel bir imkansız piksel değeri ve uzamsal lokalizasyonları dışlama stratejisi kullanılarak arama uzayı daraltılmış ve otomatik inme sınıflaması sağlanmıştır. Bulgular: [0-1] normalizasyon ve 224*224’ e girişin ayarlanması dışında ön işleme yapılmayan grupta adapte MobileNetV2 ile 0.74 ve adapte EfficentNetB0 ile 0.72 doğruluk değerleri elde edildi. Öte yandan kemik yapıların çıkarıldığı ve piksel değerlerin imkânsız değerler elimine edilerek kısıtlandığı veri dönüşümü uygulanan grupta MobileNetV2 ile 0.91 ve EfficientNetB0 ile 0.88 doğruluk düzeyine ulaşıldı. Sonuç: Derin öğrenme yöntemleri kullanılarak inme teşhisi radyoloji uzmanı olmayan inme görüntülemeye aşina olmayan ancak inme triaj ve sağaltımında aktif rol oynayan sağlık personelleri için özellikle yararlı olabilir. Bu şekilde tedaviden fayda görecek hastanın seçimi ve tedavi kararının verilme hızı artırılabilir. Sonuç olarak iskemik-hemorajik inme sınıflandırmada yüksek doğruluk oranlarına ulaşan çalışmamız otomatik inme tespitine katkı sağlayabilir ve hekimlerin hızlı ve uygun tedavi kararları vermelerine yardımcı olabilir.