Ekokardiyografi Görüntülerinde Aort Kapak Kalsifikasyon Segmentasyonu için Veri Artırma Yöntemlerinin İrdelenmesi

Abstract

Aort kapak kalsiyum skoru, aort darlığı tanısında, tedavisinde, takibinde ve koroner arter hastalığı riskinin belirlenmesinde oldukça önemlidir. Güncel kılavuzlar, düşük akım ve düşük gradyanlı aort darlığı tanısında aort kapak kalsiyum skorlarının dikkate alınmasını önermektedir. Aort kapak kalsiyumunun ölçümünde altın standart yöntem bilgisayarlı tomografidir (BT). Agatston skoru, kalsiyum alanı ile BT dansitesinin çarpılmasıyla hesaplanan yarı otomatik bir yöntem olmakla birlikte BT pahalı ve radyasyon riski taşımaktadır. Alternatif olarak, ekokardiyografi, daha ucuz ve radyasyon içermeyen bir yöntem olup bu görüntüleme üzerinde yapılan çalışmalar gözleme dayalı ve yarı kantitatif olup, objektif sonuçlar vermekte zorlanmaktadır. Bu çalışmada, aort kapak kalsifikasyon ölçümü için gerekli olan kalsifikasyon bölgelerini belirlemek üzere derin öğrenme tabanlı U-Net modeli çeşitli veri artırma teknikleri ile değerlendirilmiştir. Bu amaçla yeni bir veri seti oluşturulmuş ve renk, rijid ve rijid olmayan geometrik dönüşümler gibi farklı artırma yöntemlerinin etkinliği analiz edilmiştir. Elde edilen sonuçlar değerlendirildiğinde, rijid olmayan geometrik dönüşümlerin segmentasyon performansını en anlamlı şekilde artırdığı gözlemlenmiştir.