Fetüs cinsiyetinin ultrason görüntülerinden derinöğrenme tekniklerine dayalı tespiti ve sınıflandırılması

Fetüs cinsiyetinin tespitinde kullanılan tıbbi yöntemlerin tamamı uzman müdahalesi gerektirmektedir. Bu çalışmada, fetüs cinsiyetinin uzmandan bağımsız teşhis edilebildiği, derin transfer öğrenme algoritmalarına dayalı yeni bir yöntem önerilmiştir. Çalışma için uzmanlarla birlikte, 2200' ü kız, 2200' ü erkek cinsiyetli olmak üzere 4400 adet fetüs cinsiyeti içeren 2-D, B-Mod obstetrik ultrasonografi görüntülerinden oluşan veri seti oluşturulmuştur. Çalışmanın ilk aşamasında, veri setiyle en uyumlu özellik çıkarıcı ağın bulunması hedeflenmiştir. VGG16, InceptionV3, ResNet152V2, DenseNet201 ve Xception ağlarına derin transfer öğrenme teknikleri uygulanarak, hassas ayarlı yeni modeller elde edilmiştir. Bu modeller ile sınıflandırma yapılarak, 0.9627 doğruluk ile en başarılı sınıflandırıcı olan ft-DenseNet201 ağı en iyi özellik çıkarıcı seçilmiştir. İkinci aşamada, en iyi sınıflandırıcının bulunması hedeflenmiştir. Bu aşamanın gerçekleştirilmesinde, ft-DenseNet201 ağının evrişim tabanı ile özellik çıkarma işlemi yapılmıştır ve bu özellikler, Lojistik Regresyon (LR), Doğrusal Destek Vektör Makinesi (LSVM), K-En Yakın-Komşu (KNN), Karar Ağacı (DT), Rastgele Orman (RF) ve AdaBoost (AB) algoritmaları ile sınıflandırılmıştır. Kullanılan 11 farklı sınıflandırıcı algoritma içinde en başarılı model, 0.9782 test doğruluğu ile ftDenseNet201 + LSVM' dir. Önerilen yöntem, ev tipi ultrason cihazlarına entegre edilebilir ve böylece, ebeveynler doktor muayenesi olmadan fetüs cinsiyetini öğrenebilirler. Aynı zamanda önerilen sistem, cinsiyet teşhisinde en sık başvurulan, invaziv olmayan obstetrik ultrasonografi yöntemine alternatif, yeni bir teşhis yöntemi olarak değerlendirilebilir ve doktorların iş yükünü hafifleten olanaklar sağlayabilir.