Derin öğrenme yöntemleri ile kemik yaşı tespiti

Kemik yaşının tespiti; çeşitli hastalıkların teşhis edilebilmesi, kemik gelişiminin takip edilebilmesi veya hormonsal sorunların varlığının anlaşılabilmesi için önemli bir işlemdir. Özellikle çocuk yaşlarda, büyümenin en hızlı evrelerinde bu tespit daha büyük önem taşır. Boyun aşırı uzun olması ya da aşırı kısa olması gibi durumlarda, bireyin çocukluğunu ya da yetişkinliğini ispat edebilmesi; ergenliğin sonuna kadar kemiklerin gelişebileceği son noktanın yani boy uzunluğunun tespiti gibi durumlar da kemik yaşı değerlendirmesi ile mümkündür. Her bireyin iki yaşı vardır; bunlar kemik yaşı ve kronolojik yaştır. Kemik yaşı, bireylerin iskelet olgunluğunun derecesidir. Kronolojik yaş ise, doğum tarihinden mevcut tarihe kadar olan yılların hesaplamasıyla elde edilen; kaç yaşındasın sorusuna cevap olarak verilen, bilinen yaştır. Kemik yaşı tespitinin ana amacı; bu iki yaşın arasındaki farklılığın değerlendirilmesi ile ortaya çıkan sonuca bakılarak, bireyin gelişiminde bir sorun olup olmadığının anlaşılmasını sağlamaktır. Bu çalışmada, 0-18 yaş arasındaki bireylerin 12611 sol ellerinin x-ray görüntüleri; evrişimsel sinir ağları (Convolutional Neural Network - CNN) ile kıyaslanarak en iyi sonucu veren Inception V3 modeli üzerinde katman geliştirmeleri yapılmıştır ve yeni bir model oluşturulmuştur. Oluşturulan modeli kıyaslamak için yapılan deneysel çalışmalarda; VGG-16, Inception V3 ve MobileNet mimarileri kullanılmış olup, tüm mimariler Ortalama Mutlak Hata (Mean Absolute Error - MAE), Kök Ortalama Kare Hata (Root Mean Squared Error - RMSE) ve Korelasyon Katsayısı (Correlation Coefficient - CC) değerlerine göre kıyaslanmıştır. Yeni model, klasik Inception V3'e göre çok daha hızlı sonuç vermekte olup, aynı zamanda başarısı da daha yüksek elde edilmiştir. Literatürde aynı veri setini kullanan diğer çalışmaların MAE değerleri ile kıyaslandığında da modelin iyi sonuç verdiği gözlemlenmiştir.