Yapay zeka teknikleri ile beyin omurilik sıvısı lümen bölütlemesi

Beyin Omurilik Sıvısının (BOS) karmaşık davranışlarının analizi, BOS'un anormal dolaşımı hastalıkların gelişmesine yol açtığından, hastalık teşhisi için gerekli hale gelmiştir. Faz-Kontrast Manyetik Rezonans Görüntüleme (FK-MRG) adı verilen cerrahi işlem gerektirmeyen yenilikçi bir teknik, hem kalp döngüsündeki BOS akışının zaman serisi ölçümlerine hem de ilgi bölgesinin (ROI) görsel verilerine olanak tanır. Teknik, tam ROI konumunu belirlemek ve BOS akışının gerekli incelemesini ve değerlendirmesini yapmak için oldukça fazla zaman ve deneyim gerektirir. Bu tez, bu sorunu ele almak için alt torasik bölgeyi bölütlemek için iki otomatik yöntem önermektedir. İlk olarak, özellik olarak pulsatil veriler kullanan makine öğrenimi teknikleri uygulandı. İkincisi, eğitim için üçüncü boyut olarak FK-MRG'den gelen pulsatil verilerle beslenen üç boyutlu (3B) U-Net modeli tasarlandı. Veri seti, 39 kontrol deneği ve idiyopatik skolyozlu bireylerin 57 levhasından 2176 faz ve tekrar faz 3-tesla PC-MRI görüntüsü içerir. Eğitimden sonra 3B Attention U-Net modelini değerlendirmek için 5 katlı çapraz doğrulama prosedürü kullanıldı ve ortalama %97 kesinlik, %95 geri çağırma, %98 F1 puan ağırlıklı performansı ve %95 eğri altı alan elde edildi. Model başarısı ayrıca BOS akış dalga biçimi nicelikleri kullanılarak da ölçüldü. İşaretli ve tahmin edilen BOS lümenlerinden geçen ortalama ve tepe akış hızları, sırasıyla 0.96 ve 0.65'lik önemli bir korelasyon katsayısına sahiptir. Bilinen kadarıyla bu tez, PC-MRI verilerinde hem uzamsal hem de pulsatil akış bilgilerini kullanarak omurgadaki BOS içeren boşlukları segmentlere ayıran ilk tam otomatik 3B derin öğrenme uygulamasıdır. Bu çalışmanın, derin modelleri eğitmek için FK-MRG pulsatil verilerinin kullanımına ilişkin gelecekteki araştırmaların ilgisini çekmesi beklenmektedir.