Derin Öğrenme Yöntemleri Kullanılarak BT Taramalarında Beyin Kanaması Teşhisinin Karşılaştırmalı Bir Analizi

Abstract

Teknolojinin gelişmesiyle birlikte yapay zekâ temelli uygulamalar pek çok alanda destek amaçlı kullanılmaktadır. Sağlık sektörü de bu tür uygulamaların yaygın kullanıldığı alanlardan bir tanesidir. Sağlık sektöründe teknolojik gelişime bağlı olarak meydana gelen bilgi artışı beraberinde radyolojik değerlendirmede uzmanlık gereğini doğurmuştur. Yoğun çalışma saatleri, sağlık kurumlarında her branştan uzmana ulaşılamaması ve özellikle acil patolojilerde erken teşhisin önemi göz önünde bulundurulduğunda hekimlere teşhis sürecinde destek olacak uygulamalara olan ihtiyacın önemi anlaşılmaktadır. Çalışma kapsamında Bilgisayarlı Tomografi (BT) görüntüleri kullanılarak beyin kanamalarının tespitini gerçekleştirmek amacıyla güncel derin öğrenme yöntemlerinden Görsel Geometri Grubu (VGG), Artık Sinir Ağı (ResNet) ve EfficientNet mimarileri yine güncel bir veri kümesi olan PhysioNet’e uygulanmıştır. Modeller doğruluk, kesinlik, hassasiyet ve F1 skor metrikleri kullanılarak hem kendi aralarında hem de literatürdeki çalışmalarla karşılaştırılmıştır. Gerçekleştirilen çalışma ile veri kümesine uygun model seçiminin önemi güncel modeller üzerinden ortaya konulmuştur. EfficientNet-B2 modelinin başarısı hem literatürdeki çalışmalardan hem de makale kapsamında değerlendirilen modellerden yüksek olmuştur. Elde edilen sonuçlar güncel derin öğrenme modellerinin, beyin kanaması teşhisine yardımcı olabilecek potansiyelde olduğunu göstermiştir. Çalışma acil servislerin yükünü çeken pratisyen hekimleri en azından beyin kanamasının varlığı konusunda uyarıp kanama durumunun gözden kaçmamasını sağlaması ve erken teşhisi açısından önem arz etmektedir.