Futbolcularda görülen hamstring yaralanmalarının termal görüntüleme ve yapay zeka ile tespiti

Futbol takımlarının başarısını etkileyen en önemli faktörler arasında oyuncu kalitesi, taktiksel düzenlemeler ve antrenman programları yer almaktadır. Ancak bu başarıyı olumsuz etkileyen başlıca faktörlerin başında futbolcu yaralanmaları gelmektedir. Aktif yaralanma yaşayan bir oyuncunun takıma katkı sağlayabilmesi mümkün olmamaktadır. Bundan dolayı yaralanmalar hem futbol takımlarının başarısını düşürmekte ve hem de tedavi masraflarından dolayı takımlara maliyetli olmaktadır. Bu olumsuzluklardan dolayı futbol takımları kas yaralanmalarının incelenmesi, erken evre tespiti, rehabilitasyon sürecinin takibi ve sahaya dönüşün karar verilmesinde ultrasonografi (USG), manyetik rezonans görüntüleme (MRG), bilgisayarlı tomografi (BT), kan testleri ve izokinetik cihazlar gibi çeşitli tıbbi görüntüleme metotları kullanmaktadır. Günümüzde termografi alanındaki gelişmelerle birlikte termografik görüntüleme futbol takımlarına yaralanmaların incelenmesinde kullanımı kolay, maliyetsiz, kolay taşınabilir ve non-invaziv bir metot sunmaktadır. Yaralanmanın oluştuğu kas bölgesinde oluşan sıcaklık artışı ve kas bölgelerindeki sıcaklık asimetrisinden faydalanarak yaralanmaları incelemek mümkün olmaktadır. Bundan dolayı son dönemlerde sporcu yaralanmalarında termografinin kullanımı üzerine yapılan çalışmalar artış göstermektedir. Bu tez çalışmasında, futbolcu yaralanmalarının termal görüntüleme ile incelenmesi ve bu görüntülerin yaralanma tespiti ile rehabilitasyon süreçlerinin planlanmasında kullanılabilirliği araştırılmıştır. Çalışmada, derin öğrenme yöntemleri kullanılarak alt ekstremite termal görüntülerinden kas bölgelerinin segmentasyonu ve bu bölgelerdeki yaralanmaların sınıflandırılması yapılmıştır. Ayrıca, futbolcuların aktif yaralanmalarının tespiti ve rehabilitasyon süreçlerinin planlanmasına yönelik karar destek sistemleri geliştirilmiştir. Araştırma için Türkiye Süper Lig takımı futbolcularından 2 sezon boyunca termografi ile alt ekstremite termal görüntüleri elde edilmiştir. Derin öğrenme metotlarında başarılı sonuçlar elde edebilmek için büyük miktarda veri gerekliliği olduğu bilinse de bir sezonda yaralanma yaşayan futbolcu sayısının sınırlı olması yetersiz ve dengesiz veri seti problemini ortaya çıkarmaktadır. Bu problemin üstesinden gelmek için geleneksel derin öğrenme metotlarına ek olarak, az örnekli öğrenme metotları ve yeni derin öğrenme metotları kullanılmıştır. Bu tez çalışmasında, aktif yaralanması bulunan futbolcuların termal görüntüleri incelenerek yaralanmaların tespiti yapılmış ve rehabilitasyon süreçleri planlanmıştır. Daha sonra bu yaralanmaların daha detaylı analiz edilebilmesi için derin öğrenme algoritmaları ile kas bölgelerinin segmentasyonu yapılmış ve segmente edilen bölgeler üzerinden yaralanmaların sınıflandırılması gerçekleştirilmiştir. Yetersiz ve dengesiz veri seti problemine yönelik olarak, az örnekli öğrenme ve modern derin öğrenme metotları ile sınıflandırma süreçlerinin doğruluğu artırılmıştır. Tez kapsamında yürütülen uygulamalar üç başlık altında gerçekleştirilmiştir. İlk olarak termal görüntülerden futbolcuların yaralanmaları tespit edilmiş ve yaralanmaların egzersiz etkisi altında verdiği termal tepki incelenmiştir. Aynı zamanda futbolcuların rehabilitasyon süreçlerinin planlanması ve sahaya dönüş kararının verilmesinde termografi desteği sağlanmıştır. Daha sonra futbolcularda anatomik atlasa göre belirlenen kas bölgeleri derin öğrenme metotlarından U-Net, Piramit Sahne Ayrıştırma Ağı, LinkNet ve Özellik Piramit Ağı kullanılarak segmente edilmiştir. Bu segmentasyon işlemi sonucunda; en başarılı metodun %99 başarı oranı ile U-Net olduğu görülmüştür. Daha sonra segmente edilen kas bölgelerindeki yaralanmaların tespit edilmesi için Densenet, Görsel Geometri Grubu, Artık Ağlar, EfficientNet gibi derin öğrenme metotları kullanılmıştır. Yaralanmaların tespiti için hem segmentasyon hem de sınıflandırma içeren bir uçtan uca bir algoritma yapısı tasarlanmıştır. Sınıflandırma sonucunda en başarılı sonuçları EfficientNetB0 %83.9 ve EfficientNetB1 + Özellik Piramit Ağı %81.0 doğruluk oranı ile vermiştir. Yetersiz ve dengesiz veri seti problemine çözüm bulmak ve elde edilen sonuçların başarı oranını daha da arttırmak için Siyam Ağları, Prototip Ağları ve Kolmogorov-Arnold Ağı ile sınıflandırma işlemi gerçekleştirilmiştir. Sınıflandırma sonuçları incelendiğinde Siyam ve Prototip Ağları sırasıyla %94 ve %97.78 başarı oranı elde ederken, Kolmogorov-Arnold Ağı ile %93.1 başarı oranı elde edilmiştir. Bu durum az örnekli öğrenme metotları ve derin öğrenmede yeni bir metot olan Kolmogorov-Arnold Ağının sporcu yaralanmalarının termografi ile tespit edilmesinde oldukça başarılı olduğunu göstermektedir. Bunun yanında bu çalışma, Kolmogorov-Arnold Ağı ile termal görüntülerden yaralanma tespiti üzerine yapılan literatürdeki ilk çalışmalardandır. Sonuç olarak bu tez kapsamında yürütülen çalışmalar termografi ve derin öğrenme yöntemlerinin spor hekimliğinde etkin bir şekilde kullanılarak yaralanmaların tespitinde ve yönetiminde önemli bir katkı sunduğunu göstermektedir.