An efficient cascaded resnet-based tuberculosis detection framework aided with segmentation mechanism using residual attention unet++

İTüberküloz (TB), hasta başında doğru ve hızlı tanı değerlendirmeleri yapılamayan tek birincil hastalık olmayı sürdürüyor. Tüberküloz bulaşmasını durdurmadaki başarısızlık, temel olarak, akciğerlerinde tüberküloz bulunan tüm enfekte bireylerin yeterli sürede tanımlanıp ele alınamamasından kaynaklanmaktadır; bu da tüberkülozun toplumlar arasında yayılmasının devam etmesini mümkün kılmaktadır. Tüberküloz tanısına yönelik mevcut altın standart yöntemler laboratuvarlara dayanmaktadır ve bir sonuç elde edilene kadar belirli bir süre boyunca çok sayıda test yapılması gerekebilir. Mycobacterium TB tarafından tetiklenen TB, tüm dünyada en ölümcül olanlardan biri olan bulaşıcı bir hastalık olmaya devam ediyor. Şu anda "Göğüs Röntgeni (CXR)" görüntüleri kullanılarak TB'yi kesin olarak tanımlamak için çeşitli girişimlerde bulunulmaktadır. Ayrıca mevcut tüberküloz hastalığının teşhisine, uykuda olan tüberkülozun enfekte olup olmadığının taranmasına ve ilaç Mycobacterium TB izolatlarına karşı direncin bulunmasına yönelik yeni teşhis yöntemlerine artık erişilebilmektedir. CXR'ler tıbbi uygulamada TB'nin tanımlanmasında nitelikli doktorlar tarafından değerlendirilir. Ancak bu zahmetli ve keyfi bir işlemdir. Radyografilere dayalı hastalık tanısında farklılıklar kaçınılmazdır. Kapsamlı bir hastabaşı teşhisinin geliştirilmesi yavaş ilerlerken, yeni biyobelirteçlerin tanımlanması zor olmaya devam ediyor. Başarılı önleme yöntemlerine rağmen, dünya çapında hastalıkların önlenmesi, önemli oranda hastalığın hızlı teşhisini ve hızlı tedaviyi gerektirir. Vakaların erken tespiti, testlerin güvenilirliğine, karşılanabilirliğine, bulunabilirliğine ve zorluğuna dayanmaktadır; ancak aynı zamanda TB ve grip salgınlarından en çok etkilenen insanlara ideal, uzun vadeli x tıbbi tedavi sağlamak için mevzuatın belirlenmesine ve bağışçının kararlılığına da bağlıdır. Sonuç olarak, röntgen görüntüleri kullanılarak TB'nin elektronik olarak teşhis edilmesi, hem hastalara hem de doktorlara yardımcı olmak açısından çok önemlidir. Dolayısıyla bu çalışma, hastaların X-ışını görüntülerinden TB'yi etkili bir şekilde tespit etmek için derin yapı ağlarına dayalı gelişmiş bir TB tespit çerçevesi önerdi. Başlangıçta, X-ışını görüntüleri standart veri kaynaklarından toplanır. Toplanan görüntüler, X-ışını görüntülerinin etkili bir şekilde bölümlenmesi için Residual Attention Unet++ (RA-Unet++)'ın kullanıldığı bölümleme işlemine verilir. Daha sonra bölümlere ayrılmış görüntüler, daha iyi bir algılama performansı sağlamak için Basamaklı ResNet'e (C-ResNet) beslenir. Sistemin üstün performansını sağlamak için derin yapı ağlarına dayalı olarak önerilen TB tespit çerçevesinin değerlendirilmesi gerçekleştirilir. Sonuçlar, yüksek doğrulukta tespit sonuçları sağlayarak geliştirilen sistemin mükemmel performansını garanti edecektir.