Diz eklem direkt grafilerinde görüntü işleme ve derin öğrenme algoritması kullanılarak (gonartroz) evresinin sınıflandırılması

Günümüze kadar gelişerek gelen ve gelişmeye davam eden teknolojinin insan hayatını kolaylaştırmada ve hızlandırmada sağladığı faydalara her geçen gün yenileri eklenmektedir. Özellikle 2020 yılında dünya genelinde yaşanan Covid-19 salgın sürecinden sonra insan ilişki ve iletişiminde yakın temas kurmaktan kaçınılması zorunlu bir hal almıştır. Bu salgın sürecinde çeşitli kamu veya özel kuruluşlarda imkânlar ve hizmet çeşidinin el verdiği süre boyunca uzaktan çalışma gerçekleşmiştir. Yaşamımızın her alanında kullanılan teknoloji tıp alanında da çeşitli uygulamalarda yüksek oranda doğruluk ve hassasiyet gerektiren birçok karmaşık problemleri çözmek amacıyla tanı ve tedavi uygulamalarında yaygın olarak kullanılmaktadır. Sağlık sektöründe sağlık çalışanı ve hasta arasındaki yakın temas hiçbir zaman sıfır olmasa da bunu en aza indirmek mümkündür. Bu amaçla yapılan tez çalışmasında sınıflama algoritması kullanılarak sağlık sektörünü ortopedi alanında yapılan diz protez ameliyatlarının tanı aşamasında hekimlere daha hızlı ve doğru karar vermede yardımcı olabilecek bir program geliştirilmiştir. Çalışmada diz eklem direkt grafilerinden (X-Ray) convolutional neural network (CNN) derin öğrenme yöntemi kullanılarak diz ekleminde gonartroz evresinin sınıflandırması işlemi yapılmaktadır. Gonartroz evresini sınıflandırmak için yaygın olarak kullanılan Kellgren-Lawrance (KL) skalası kullanılmaktadır. Çalışmada yaşları 45 ile 75 arasında değişen 732 hasta ve sağlıklı bireylerin sağ ve sol dizlerinden elde edilen 1464 X-Ray tek görüntüleri kullanılmaktadır. Tahmin değerlerindeki genel başarı oranı %99 olarak sonuçlanırken, kesinlik değerleri; evre 0 ve evre 1 için %98, evre 2, evre 3 ve evre 4 için ise %100 doğruluk olarak elde edilmiştir.