Diyabetik ayak ülserlerinin yapay zeka ile tespiti

Diyabetik ayak ülseri (DAU), diyabet hastalarında enfeksiyon, uzuv kaybı ve mortalite oranlarını artıran ciddi bir sağlık sorunudur. Erken teşhis edilmediğinde hasta yaşam kalitesini düşürmekte ve sağlık sistemine önemli bir yük getirmektedir. Bu çalışmada, DAU'nun doğru ve erken tespiti amacıyla derin öğrenme tabanlı sınıflandırma modelleri değerlendirilmiştir. Kaggle platformundan temin edilen, uzman doktorlarca etiketlenmiş DFU görüntüleri; RegNetY-400MF, RegNetY-800MF, EfficientNet-B0 ve EfficientNet-B1 olmak üzere dört farklı evrişimsel sinir ağı (CNN) mimarisi ile analiz edilmiştir. Transfer öğrenme ve veri çoğaltma yöntemleriyle model eğitimi iyileştirilmiş; kontrast artırma ve gürültü giderme gibi ön işleme adımları ile sınıflandırma başarımı artırılmıştır. Analiz sonuçları, EfficientNet-B1 ve RegNetY-800MF modellerinin yüksek doğruluk, düşük kayıp ve güçlü genelleme yetenekleri ile öne çıktığını göstermiştir. EfficientNet-B1 modeli %99'un üzerinde doğruluk ile en başarılı sonuçları sunarken; RegNetY-800MF modeli ise hem eğitim hem test verilerinde istikrarlı bir performans sergilemiştir. RegNetY-400MF modeli eğitimde yüksek başarı elde etmesine rağmen test aşamasında dalgalanmalar yaşamıştır. EfficientNet-B0 modeli ise kompakt yapısı sayesinde düşük kaynaklı sistemlerde uygun bir alternatif olarak değerlendirilmiştir. Tartışma bölümünde, tüm modellerin duyarlılık oranlarının %100'e yakın olduğu ve ülserli vakaların atlanmadığı belirlenmiştir. ROC eğrileri ve AUC değerleri bakımından EfficientNet-B1 ve RegNetY-800MF modelleri, klinik uygulamalarda kullanılabilecek güvenilir yapılar olarak öne çıkmıştır. Özgüllük oranlarının da yüksek bulunması, yanlış pozitif oranını minimize eden bir yapı sunmuştur. Sonuç olarak, bu tez çalışması, DAU tanısında yapay zekâ destekli çözümlerin hem akademik araştırmalarda hem de klinik pratikte uygulanabilirliğini ortaya koymuştur.