Görüntü filtreleme ve transfer öğrenme yaklaşımları kullanılarak düztabanlık durumunun X-ray görüntülerinden tespiti

Düztabanlık, ayaktaki kemik ve eklem dokularının belirli bir düzen ve kaviste kalmasını sağlayan bağ, tendon ve kas yapılarının çeşitli etkenlere bağlı olarak zayıflaması sonucu ayak kavisinin kaybolması ve düzleşmesi sonucu gerçekleşen deformitedir. Kas – iskelet sistemini etkileyen çeşitli sağlık sorunları, iş yaşamı ve günlük sosyal hayatta kişinin hareketlerini kısıtlayabilir. Bu anlamda en sık görülen kas – iskelet sorunlarından biri de düztabanlıktır. Bu çalışmada görüntü filtreleme yöntemleri ve transfer öğrenme yaklaşımları kullanılarak düztabanlık durumunun otomatik tespiti önerilmektedir. Çalışmada X-Ray görüntüleri ortalama, Gauss, medyan ve dilatasyon filtreleme yöntemleri ile iyileştirilmiştir ve her transfer öğrenme mimarisi için yeniden boyutlandırılmıştır. Daha sonra transfer öğrenme yaklaşımları olan DarkNet-19, DenseNet-201, GoogLeNet, MobileNetV2 ve ResNet-101 mimarilerinde performansları karşılaştırılmıştır. Deneyler sonucunda dilatasyon filtreleme ile DenseNet-201 mimarisi en yüksek performansı göstermiştir. Önerilen model, %98,02 doğruluk, %98,10 f1 skoru, %98,47 duyarlılık, %97,54 özgüllük, %97,73 kesinlik, %96,04 Matthew Korelasyon Katsayısı (MCC) ve %96 Cohen'in Kappa istatistiği değerleri ile yüksek bir performans elde etmiştir.