Derin öğrenme yöntemlerini kullanarak X-ray görüntüleri üzerinden farklı implant türlerinin sınıflandırılması

Bu çalışma, X-ray görüntüleri üzerinde farklı implant türlerini sınıflandırmak için derin öğrenme modellerinin kullanılması üzerine odaklanmaktadır. Açık veri kaynaklarından elde edilen 597 görüntüden oluşan 4 sınıflı omuz implant veri seti ile 2376 adet görüntüden oluşan diş implant veri seti kullanılarak gerçekleştirilmiştir. Bu sınıflandırma işlemi, InceptionResNetV2, ResNet152V2, Xception ve DenseNet201 gibi derin öğrenme modelleri kullanılarak gerçekleştirilmiştir. Model eğitimi için Adam ve RMSprop algoritmaları ve farklı öğrenme oranları seçilmiştir. Ayrıca, veri setlerinde veri artırma ve CLAHE filtresi uygulanarak, modelin performansı artırılmaya çalışılmıştır. Bu tekniklerin uygulanmasıyla elde edilen sonuçlara bakıldığında her iki veri setinde de Xception modeli en iyi başarımı göstermiştir. Omuz implant veri setinde modelin test doğruluk değeri 0,85, F1-skoru 0,85 ve AUC değeri 0,95 iken diş implant veri setinde test doğruluk değeri 0,90, F1-skoru 0,91 ve AUC değeri 0,97 ulaşmıştır. Bu araştırma, x-ray görüntüleri üzerinde farklı implant türlerini sınıflandırmak için derin öğrenme modellerinin kullanılabilirliğini ve etkinliğini vurgulamaktadır. Elde edilen sonuçlar, bu teknolojilerin klinik uygulamalarda potansiyel olarak değerli bir rehber olabileceğini göstermektedir. Veri artırma ve CLAHE filtresi uygulanması, modelin performansını artırmaktadır.