İnsan idrar sedimenti mikroskobik içeriğinin derin öğrenme temelli yapay zeka sistemi ile belirlenmesi

İdrar sıvısı mikroskop ile dikkatli ve doğru bir şekilde incelendiğinde vücut sağlığı hakkında önemli bilgiler vermektedir. Bu nedenle, çoğu hastanede bulunan otomatik idrar analizörleri ile teşhis ve tedavide kullanılmak üzere idrar tahlilleri yapılmaktadır. Geleneksel görüntü işleme tekniklerini kullanan idrar analizörlerinin görüntü işleme birimlerinde derin öğrenme temelli yapay zeka sistemlerinin kullanılması ile performanslarının geliştirilebileceği düşünülmüştür. Bu çalışmada, görüntülerde nesne tespiti yapabilen ve nesnelere piksel bazında sınırlar çizebilen Mask R-CNN derin öğrenme sistemiyle mikroskobik idrar görüntülerindeki bakteri, epitel, eritrosit, lökosit, kristal ve mantar içerikleri tespit edilmiştir. ResNet101 ve ResNet50 CNN modelleri omurga olarak kullanılmıştır. Daha az sistem kaynağı ile çalışabilen Mask R-CNN modeli oluşturmak amacıyla MobileNet ağı da uyarlanmış ve toplamda üç adet omurga ile çalışılmıştır. Ayrıca, boyut farklılığının nesne tespitine etkisini inceleyebilmek amacıyla RPN çapa boyutları parametresinin farklı durumları değerlendirilmiştir. Mask R-CNN ile yapılan nesne tespitinde maske ve sınırlayıcı kutu olmak üzere iki tip sınır çizilmektedir. Bu nedenle, her iki sınır belirleme tipi için ayrı ayrı performans değerlendirmesi yapılmıştır. Sistemi test etmek için 1154 idrar içeriği örüntüsü yer alan test seti kullanılmıştır. Örüntülerin doğru tespit oranını bulmak için yapılan hesaplamada en yüksek değer maskelerle %69,15 ve sınırlayıcı kutularla %73,31 olarak MobileNet omurgasının kullanıldığı durumda elde edilmiştir. En iyi mAP değerleri de maskeler için 0,774 ve sınırlayıcı kutular için 0,836 olarak ResNet101 omurgasının kullanıldığı durumda elde edilmiştir. Performans değerleri sistemin daha fazla idrar görüntüsü ile eğitilmesi durumunda ve daha iyi optimizasyon ile geliştirilebilir. Bu çalışma ile Mask R-CNN derin öğrenme sisteminin idrar tahlili için kullanılabileceği gösterilmiştir.