İskemik inmenin medikal taramalar üzerinde derin öğrenme yöntemleri ile tespiti

İnme, her yıl milyonlarca insanın hayatını kaybetmesine ve aynı zamanda kalıcı fiziksel ve bilişsel sorunlar yaşamasına sebep olan bir rahatsızlıktır. Beyindeki kan akışının ani kesintisi sonucu ortaya çıkmaktadır. İnme vakalarında semptomların görülmeye başlanıp hastaneye başvurulduğu dönem akut fazda teşhisin yapılması ve hemen tedaviye başlanması, hayati riski azalttığı gibi bireyin tedavi sonrası yaşam kalitesini iyileştirmek için de önemlidir. İnme lezyonlarının saptanması için uzman görüşünün yanı sıra, el yordamı ile bölütlemenin zaman alıcı bir süreç olması gereken hızlı teşhis ihtiyacını aksatmaktadır. İnme lezyonlarının bilgisayar destekli algoritmalar ile tespit edilmesi bu ihtiyaca uygun bir çözümdür. İnmede tedaviye geçiş sürecinde yaşanabilecek gecikmeler hastada fonksiyon kayıplarına ve ölümle sonuçlanabilecek beyin dokusunun ölmesine sebep olabilmektedir. Son yıllarda, derin öğrenme algoritmalarındaki gelişmeler, hastalıkların teşhis ve tedavisinde kullanılan medikal tarama analizinde klinik çözümlerin bir parçası olmaktadır. Yakın dönemde yapılan birçok çalışmada başarılı sonuçlar alınması, uzmanlara yardımcı olabilecek doğruluğu yüksek sistemler geliştirilmesi konusunda umut vaat etmektedir. Bu tez çalışmasında, iskemik inme vakalarında yaygın olarak kullanılan Manyetik Rezonans Görüntüleme (MRG) taramaları üzerinde lezyonların otomatik bölütlenmesini sağlamak amacıyla global açık bir verisetinde (ISLES'22) derin öğrenme yöntemlerinin etkisi incelenmektedir. Bölütleme görevinde derin öğrenme modellerinden U-Net mimarisi ile iki farklı evrişimsel sinir ağının birleştirildiği yöntemlerin, difüzyon-ağırlıklı MR görüntüleri (DAG) üzerindeki performansları ölçülmüştür. Deneysel analizlerde, 250 hastaya ait MR görüntüleri ile eğitilen modeller kullanılarak F1-skoru, Dice benzerlik katsayısı ve Kesinlik (Precision), Duyarlılık (Recall) anahtar performans metrikleri için sırasıyla test kümesi üzerinde ortalama 0.85, 0.79, 0.86 ve 0.87 skorları başarılmıştır. Deneysel çalışma sonuçları, küçük boyut ve düzensiz şekiller nedeniyle zorlu inme lezyonlarına sahip ISLES'22 verisetinde katılımcılarının elde ettiği sonuçlarla örtüştüğü ve sonuç olarak U-Net ile oluşturulan modellerin, iskemik inme lezyonlarını başarılı bir şekilde bölütleme potansiyeline sahip olduğunu göstermiştir. Önerilen yöntemin klinik aşamalarda inme teşhisini kolaylaştıracağı ve karar verme sürecinde kullanılabilecek yardımcı bir araç olabileceği değerlendirilmektedir.