Derin öğrenme yaklaşımlarıyla radyolojik görüntülerin bölütlenmesi ve sınıflandırılması: Klinik bir uygulama

Amaç: Bu çalışmada üç aşama izlenmiştir. İlk olarak, farklı derin öğrenme mimarilerinin bölütleme ve sınıflandırma performansları karşılaştırılmıştır. İkinci aşamada, en etkili algoritmalar tespit edilmiştir. Son olarak, belirlenen algoritmalar kullanılarak biri karotid arter yapısının radyolojik görüntülerden otomatik bölütlenmesini, diğeri ise meme lezyonlarının otomatik bölütlenmesini ve sınıflandırılmasını gerçekleştiren iki ayrı klinik karar destek sistemi geliştirilmiştir. Materyal ve Metot: Çalışmada, meme ultrason görüntüleri ve karotid arter ultrason görüntülerinden oluşan iki veri seti kullanılmıştır. Bu veri setleri üzerinde, U-Net, SegNet, DeepLab v3+, Mask R-CNN, Attention U-Net, U-Net++, TransUNet, Swin-Unet ve Vision Mamba UNet olmak üzere dokuz farklı derin öğrenme mimarisinin bölütleme performanları karşılaştırılmıştır. Performans değerlendirmesinde ise DSC, IoU gibi metrikler kullanılmıştır. Ayrıca meme ultrason görüntüleri dokuz farklı CNN modeli ve Swin-Transformer ve Vision-Transformer ile sınıflandırılmıştır. Performansı en yüksek bölütleme ve sınıflandırma algoritmaları tez kapsamında geliştirilen web tabanlı klinik uyulamalarda kullanılmıştır. Bulgular: Vision Mamba UNet tüm veri setleri üzerinde en yüksek bölütleme performansını göstermiştir. Vision Mamba UNet, ortalama 0.943 DSC ve 0.896 IoU metrik değerleri elde ederken; Swin UNet de benzer bir performans sergilemiştir. Vision Transformer 88.7 f1 değeri ile sınıflandırma konusunda öne çıkmıştır. Vision Mamba UNet ve Vision Transformer ile geliştirilen karotid arter bölütlemesi ve meme ultrason görüntülerinden lezyon bölütleme ve sınıflandırma web uygulamalarından, kullanım kolaylığı, hız ve doğruluk açısından olumlu sonuçlar alınmıştır. Sonuç: Geliştirilen web uygulamaları; klinik karar süreçlerine dahil edilebilecek, radyologların iş yükünü azaltarak tanı sürecini hızlandırabilecek ve hassasiyetini artırabilecek potansiyele sahiptir. Anahtar Kelimeler: Derin öğrenme, Karotid arter bölütleme, Klinik karar destek sistemi, Meme lezyonu bölütleme ve sınıflandırma.