Derin öğrenme ile proksimal femur kırıklarının tespiti ve sınıflandırılması

Proksimal femur kırıkları ve çıkıkları, doğru ve gerçek zamanlı tanı konulmadığı takdirde yaşlı hastalarda daha sık görülen mortaliteye, genç erişkin hastalarda ise topallamaya, çalışamamaya, spor yapamamaya yol açabildiği için en ciddi kırıklardan biridir. Yapay zekâ ve alt kategorileri olan makine öğrenmesi ve derin öğrenme, doktorların hastalıkları doğru ve zamanında teşhis etmelerini sağlamak amacıyla sağlık uygulamalarıyla birleştirildiğinde ortaya güzel sonuçlar çıkarmaktadır. Bu tezin temel amacı, poligon açıklamasıyla örnek segmentasyon görevini kullanarak çeşitli proksimal femur kırık türlerini X-ışını/röntgen üzerinde tespit etmektir. Bu tez çalışması için 756 adet X-ışını görüntüsünden oluşan bir veri seti kullanılmıştır. Bir danışman ve uzman ortopedi doktorunun gözetiminde örnek segmentasyon görevini gerçekleştirmek için görüntülere çokgen ek açıklaması kullanılarak manuel olarak açıklama eklendi. Veri setine açıklama eklemek için kullanılan etiketler kırık tipi (boyun, çıkık, büyük-trokanter, küçük-trokanter, intertrokanterik ve subtroknaterik) ve kırığı olmayanlar ile normaldi. Veri seti, eğitim için %70 ve doğrulama için %30'a bölündü. Modellerin performansını test etmek için modeller, X-ışını görüntülerinden önce görünmez olarak verilmişlerdir. Örnek segmentasyon görevini gerçekleştirmek için kullanılan modeller YOLOv5, YOLOv7, YOLOv8, Mask R-CNN (Detectron2) ve PointRend'dir. Sonuçlara göre, beş modelin tümü proksimal femur kırığının varlığını tespit edebildi ve sınıflandırabildi. Kutular için 0.5 (mAP50) olan Birleşim Üzerinden Kesişim (IoU) eşiğinin Ortalama Ortalama Tahmin (mAP) değerleri, sırasıyla YOLOv5, YOLOv7, YOLOv8, Mask R-CNN (Model3) ve PointRend (Model4) için 79.5%, 79.2%, 81.6%, 73.82% ve 73.67% olarak bulunmuştur. Maskeler için 0.5 (mAP50) olan Birleşim Üzerinden Kesişim (IoU) Ortalama Tahmin değerleri sırasıyla YOLOv5, YOLOv7, YOLOv8, Mask R-CNN (Model3) ve PointRend (Model4) için 80%, 78.8%, 81.7%, 74.05% ve 74.85% olarak bulunmuştur.