Eko görüntülerinde derin öğrenme tabanlı aort kapak ilgi bölgesi ve kalsifikasyon tespiti

Kalp hastalıklarının otomatik tespiti, kardiyologların ekokardiyografi görüntülerini kullanarak teşhislerinin doğruluğunu artırmak ve teşhis süresini azaltmak için bir araç olarak şu anda yaygın bir ilgi görmektedir. Aort darlığı kalp hastalıklarının temelini oluşturan ve ilerlediği takdirde bir çok hastalığa yol açan bir durumdur. Kalbin aort bölgesinde kalsifik alanların oluşması ise aort darlığına zemin oluşturur. Bu sebeple kalbin aort bölgesinde anormal durumların tespiti hastalığın teşhisi ve tedavinin seyri için oldukça önemli hale gelmektedir. Kalp hastalıklarının tespiti için genellikle yüksek çözünürlüklü bilgisayarlı tomografi (BT) görüntüleme tercih edilse de, maliyet ve hastaların radyasyona maruz kalması gibi dezavantajlar alternatif yaklaşımları gerekli kılmaktadır. Bu bağlamda, radyasyon risklerini azaltmak ve maliyet etkinliğini korumak için ultrason görüntülemeden yararlanmak çok önemli hale gelmektedir. Tez çalışması kapsamında, BT görüntülemeye gerek kalmadan, kalp ultrasonu ile elde edilen ekokardiyografi görüntüleri üzerinde aort ilgi bölgesinin ve ardından o bölgede bulunan kalsifik alanların otomatik tespiti gerçekleştirilmiştir. Otomatik aort kapağı tespiti için tasarlanmış yeni bir hafif model olan AVD-YOLOv5'i önerilmiştir. Bu model, YOLOv5 mimarisinde çeşitli geliştirmeler içermektedir. Özellikle, derinlemesine ayrılabilir konvolüsyon, hassasiyeti korurken parametre sayısını azaltarak modelin hafif tasarımına önemli ölçüde katkıda bulunmuştur. Ayrıca, özellikle aort kapağı tespiti için 320 ekokardiyografi görüntüsünden oluşan yeni ve büyük bir veri kümesi oluşturulmuştur. Deneysel sonuçlar, modifiye edilmiş ADV-YOLOv5 modelinin doğruluk değerinin %94,3, hassasiyet değerinin ise %86,8 olduğunu göstermektedir. Model ayrıca orijinal YOLOv5 modeline kıyasla çıkarım süresinde %67'lik kayda değer bir azalma göstermektedir. Kesinlikte %0,94'lük marjinal bir azalma olmasına rağmen, modelin verimliliği önemli ölçüde artmıştır. Sonraki aşama olan aort kapak kalsiyum skorunu tahmin etmenin ilk adımı olarak, ekokardiyografi görüntülerinden aort kapak kalsifiye bölgelerinin segmentasyonu için tam evrişimli bir sinir ağı yaklaşımı önerilmektedir. Bu sayede aort kapak kalsiyum skorunun daha objektif, daha hızlı, daha kolay, daha az maliyetli ve radyasyonsuz bir şekilde otomatik olarak hesaplanması amaçlanmaktadır. Önerilen yöntem, 82 farklı hastaya ait 118 parasternal kısa eksenli ekokardiyografi görüntüsünden oluşan yeni veri setinde %86,3 doğruluk, %80,27 hassasiyet, %76,27 dice katsayısı ve %61,9 Jaccard indeksi elde etmiştir. Bu sonuçlar, ekokardiyografi görüntülerinden aort kapak kalsiyum skorlamasının tam otomatik hale getirilmesinin uygulanabilirliğini ve potansiyel etkinliğini göstermektedir. Önerilen sistem kardiyologlar tarafından daha verimli ve güvenilir teşhis için kullanılabilir.