Developing a smart method for real -time brain tumor localization and segmentation on ct ımages using hybrid techniques and yolo

Beyin tümörlerinin tespiti ve sınıflandırılması, tümörlerin mekanizmalarının daha iyi anlaşılması açısından hayati öneme sahiptir. Bilgisayarlı Tomografi (BT) ve Manyetik Rezonans Görüntüleme (MRG), radyologların tümör bölgelerini tanımlamasına yardımcı olan ileri düzey tıbbi görüntüleme teknikleridir. Ancak bu süreç zaman alıcıdır ve bu görüntülerin manuel olarak analiz edilmesi için önemli düzeyde uzmanlık gerektirir. İçinde bulunduğumuz on yıl, "Yapay Zekâ Devrimi" olarak adlandırılan bir dönüşüme tanıklık etmektedir. Yapay zekâ, makine öğrenmesi ve derin öğrenme gibi ileri teknolojilerden yararlanarak radyologların beyin tümörlerini daha güvenilir ve verimli bir şekilde tespit etmesini mümkün kılmaktadır. Geleneksel makine öğrenmesi yöntemleri, çoğunlukla sınıflandırma amacıyla el ile belirlenmiş özniteliklerin çıkarılmasına dayanır. Bu çalışmada, beyin tümörlerinin BT ve MRG görüntülerinin segmentasyonu amacıyla YOLOv9e-CSP-Darknet53 mimarisi, vektörleştirme teknikleri ve MobileNetV2-SSD bir araya getirilerek bir model geliştirilmesi amaçlanmıştır. Çalışmada biri özel olmak üzere toplam üç veri seti kullanılmıştır. Özel veri seti, tümör boyutuna göre büyük, orta ve küçük olmak üzere üç sınıfa ayrılmış toplam iki bin sekiz yüz seksen dokuz görüntüden oluşmaktadır. Tüm veri setlerine görüntü vektörleştirmesi dâhil olmak üzere ön işleme adımları uygulanmıştır. Modelin başarımı çeşitli ölçütler kullanılarak değerlendirilmiştir. Eğitim ve test sürecinde mAP@50 değeri küçük tümörler için yüzde doksan iki, orta boy tümörler için yüzde doksan yedi virgül bir ve büyük tümörler için yüzde doksan sekiz virgül sekiz olarak elde edilmiştir. Modelin etkinliğini ve genellenebilirliğini göstermek amacıyla gerçek zamanlı klinik uygulama modeli olarak Jetson Nano kullanılmış ve modelin hızını artırarak Kare/Saniye (FPS) değerini iyileştirmeye yönelik klasik hızlandırma yöntemlerinden faydalanılmıştır. Bu çalışma, genel performansın etkinliği ve kapsamlılığını sağlamak amacıyla mAP@50 değeri ile hesaplama maliyeti arasında bir denge kurmayı hedeflemektedir.