Aort Hastalıklarının Yapay Zeka Temelli Yöntemlerle Teşhisi, Sınıflandırılması ve Bölütlenmesi
Karın bölgesi (abdominal) aort anevrizmaları (AA'lar), aort diseksiyonları (AD'ler), aort tıkanıklığı ve/veya genişlemesi çok ciddiye alınması gereken kardiyolojik hastalıklardır. Bu hastalıklar genellikle sinsice ilerler ve hastanın ileriki yıllarında daha büyük ölümcül sonuçlara yol açabilir. Sağlıklı erişkinlerde aort çapı genellikle 40 mm'den küçük olmakla birlikte, kan akışının artması ve kalıtsal faktörler, sigara ve alkol kullanımı, yanlış beslenme ve inflamasyon gibi bazı patolojik faktörlerin uyarılması nedeniyle aort çapı artar. Aort çapındaki kontrolsüz bir artış AA'lara ve hatta AD'lere neden olabilir. Literatürde bu proje konusuyla ilgili birçok yöntem önerilmesine karşın hem AA ve AD hem de aort damar kanal tıkanıklık durumunun incelenip hastalığın teşhis edilmesi, sınıflandırılması hatta bölütlenmesini bir arada başarabilen yöntemler yok denecek kadar azdır.
Bu projede, literatürdeki çalışmaların eksik ve zayıf yönlerine çözüm üreterek gelişmiş bir evrişimli sinir ağı (ESA) stratejisi kullanarak kontrastı artırılmış bilgisayarlı tomografi (BT) karın görüntüleri içeren bir veri kümesinden AA ve AD teşhisini gerçekleştirmek yeni bir yapay zeka yöntemi önerilmektedir. Önerilen yöntem, 64 pikselden 512 piksele kadar değişen 4 (3 x 3) evrişim, 4 (2 x 2) evrişim ve 4 maksimum havuzlama katmanından oluşmaktadır. Bu katmanlar, sırasıyla 128 ve 4'lük 2 çıkışlı ve 3 tam bağlantılı (FC) katmandan oluşan yoğun bir katmanla birleştirilir. Sınıflandırma katmanından sonraki katman bloğu iki gruba ayrılır: Batın BT görüntüsünde AA veya AD bölgesi olup olmadığı ve medikal görüntüde tespit edilen hastalıklı bölgenin bölütlenir. Aynı zamanda bu projenin diğer bir yenilikçi noktası ise aort damar kanal tıkanıklığı hastalığının da tespit edilebilmesidir. Bu anlamda çoklu hastalık teşhisine bir çözüm üretilmek istenmektedir.
Projenin daha sonraki aşamalarında, önerilen metodoloji ile sistemin performansını değerlendirmek için Python programlama kullanılacak, önerilen yöntemin doğruluk, kesinlik, hatırlama ve F1 puanı gibi en az 6 performans metriklerince çeşitli analizleri yapılacaktır. Önerilen yöntem literatürde var olan ResDenseUNet, INet, C-Net gibi en az 8-10 güncel çalışmayla kıyaslanacaktır. Önerilen stratejinin, AA ve AD'nin otomatik olarak teşhis edilmesi ve tıpta kardiyologların iş yükünün azaltılması için umut verici bir teknik olması beklenmektedir.
Proje sonuçlanınca; gelişmiş aort hastalık teşhis araçlarını kullanacak hastaneler ve sağlık tesisleri, en son teknolojiye sahip tıbbi bakım arayan hastaları çekebilir ve potansiyel olarak tıp turizmi yoluyla yerel ve ülkemiz ekonomisini artırabilmesi düşünülmektedir. Proje çalışması ve elde edilen sonuçlar; tıp uzmanları ile bilgisayar bilimcileri arasındaki disiplinler arası işbirliklerini teşvik ederek bilgi alışverişine olanak sağlaması düşünülmektedir. Ayrıca makine öğrenimi, bilgisayarlı görme ve veri analitiği alanlarında akademik araştırmalar için yeni yollar açacağına inanılmaktadır.