Tibbi uygulamada CAD sistemi: Evrensel sinir tabanlı ağları kullanarak CXR görüntülerinden tüberküloz tespiti (vaka çalişması: Nijerya halk sağlığı)

Tüberküloz (TB), genellikle akciğerleri etkileyen ve son 40-50 yil içinde tüm dünyaya yayılmış olan çok tehlikeli, bulaşıcı bir bakteriyel enfeksiyondur. TB'nin erken tespiti, hastalik ve olumleri azaltmak için çok önemlidir. TB'nin teşhisi, kan testleri, cilt testleri, BT taramaları ve balgam testleri gibi zor ve ayni zamanda haftalarca sürebilen geleneksel yöntemlerle yapılmaktadir. Ayrica bu yontemlerle yapilan tanilarda cogu zaman bir uzmanin yapilan testleri yorumlamasi gerekmektedir. Bu durum ozellikle yeterli egitime sahip uzaman sayisinin yetersiz oldugu yerlerde, uzmanlarin daha fazla yorulmasina ve teshis suresinin uzamasina dolayisiyla hastaligin teshis surecinde hatalara sebep olabilmektedir. Tani suresinin kisaltilmasi bu tip hatalarin onune gecmek icin onemlidir. Son yıllarda, nesne tespiti ve goruntu sınıflandırmada evrişimli sinir ağları (CNN) mimarileri gibi derin öğrenme (DL) yaklaşımlarının atılımı, bu teknolojiyi farklı alanlarda uygulamak için birçok araştırmacıyı cezbetmiştir. Tıbbi alanda, etiketli dijital veri setlerinin olusturulmasi ve kullanılabilirliğinin artmasi ile farklı hastalıkların tespitinde uzman düzeyinde performans elde etmek için bu yontemler kullanilabilmektedir. Bu nedenle akciğer grafisi (CXR), TB gibi göğüs hastalıklarının saptanmasında kritik hale gelmistir. Bu çalışmada, oneğitimli derin sinir ağları kullanılarak tüberkülozu etkili bir şekilde tespit edebilen modeller oluşturmak için acik ve ozel CXR görüntülerinden olusan bir veri seti kullanilmistir. Deneyde, en iyi performansi gösteren MobileNetV1 modeli kullanilarak Afrika`da hastaligin cok yaygin oldugu Nijerya`dan topladigimiz ozel veri seti uzerinde sırasıyla %94 doğruluk (accuracy), %96 özgüllük (specificity), %92 duyarlılık (sensitivity) ve %94 f1 skoru (F1 Score) ile hassasiyet degeri elde edilirken acik veri seti uzerinde ise %100 dogruluk (accuracy), %99 ozgulluk (specificity) ve %100 duyarlilik (sensistivity),fi skoru (F1 Score) ve hassasiyet (precision) degeri elde edilmistir. Elde edilen sonuclar, DNN'nin CXR görüntüsünden tüberkülozu tespit etmedeki etkinliğini göstermektedir.