Derin öğrenme yöntemleri kullanılarak CT görüntüleri üzerinden damar segmentasyonu

Aort, insan vücudundaki en önemli arter damardır ve kanın kalpten diğer tüm organlara taşınmasından sorumludur. Aortta görülen hastalıklardan damar kireçlenmesi, damar diseksiyon ve abdominal aort anevrizması hastalığı erken teşhis edilememesi halinde sonu ölümle sonuçlanabilmektedir. Günümüzde hekimler hastaların aort yapısını inceleyebilmesi için bilgisayarlı tomografi ve manyetik rezonans görüntüleme tekniklerini kullanmaktadır. Bu görüntüleme teknikleri aortun analizi, deforme olmuş bölgenin tespiti, ameliyat öncesi planlama ve ameliyat sonrası periyodik takibi için gereklidir. Tıbbi görüntüleme uygulamalarında bilgisayarlı tomografi görüntülerinde yer alan aort yapısının analizinde görüntü işleme teknikleri kullanılmaktadır. Bu teknikler ile üç boyutlu aort yapısının segmentasyonu bir hayli zordur. Son yıllarda derin öğrenme yöntemleri kullanılarak geleneksel yöntemlerle yapılan segmentasyon sorunlarının önüne geçilmektedir. Tez çalışmasında kontrastlı aort yapısının derin öğrenme yöntemleri kullanılarak segmentasyonu işlemi gerçekleştirilmiştir. Çalışmada ilk olarak iki boyutlu görüntü ve maskeler 256x256 olarak yeniden boyutlandırılmıştır. Ön işlemede görüntüler üzerinde pencere seviyesi ve normalizasyon işlemleri uygulanmıştır. Üç boyutlu bilgisayarlı tomografi görüntüleri ile U-Net, Attention U-Net, Inception U-Netv2 ve LinkNet modelleri eğitilmiştir. Eğitim sonucunda iki boyutlu maske çıktıları kesitlerin birleştirilmesi ile üç boyutlu hale getirilmiştir. Eğitim sonrasında elde edilen çıktılara küçük objelerin temizlemesi ve girdi görüntüsünün piksel aralığının ile merkez koordinat bilgilerinin maske taramasına aktarılarak üç boyutlu olarak görselleştirilmesi gerçekleştirilmiştir. Çalışma sonucunda DONGYANG veri setinde en yüksek başarı sonuçları Inception U-NEtv2 modelinde % 93.5 dice benzerlik katsayısı, % 87.8 Jaccard, % 92.8 özgüllük, %100 duyarlılık ve KıTS veri setinde ise en yüksek başarı Inception Unetv2 modelinde % 86.58 dice benzerlik katsayısı, % 79.78 Jaccard, % 83.18 özgüllük ve %100 duyarlılık değerleri elde edilmiştir.