Kalça radyografilerinde derin öğrenme yöntemleri ile proksimal femur kırıklarının tanısı ve sınıflandırılması

Proksimal femur kırığı geçirmiş olan hastaların %4'ü hastanede, %30'u ise tedaviden sonra 1 yıl içerisinde yaşamlarını kaybederler. Acil servislerin yoğunlukları ve hastalara ayrılan zamanın kısalığı nedeniyle kalça radyografilerinde proksimal femur kırıkların tanısı atlanabilmektedir. Proksimal femur kırıklarına doğru ve hızlı tanı konulması ile tedaviye erken başlanması hasta morbidite ve mortalitesini azaltmaktadır. Dört veri seti hazırlanmıştır. İlk veri setimizde (VS-1) 178 x-ray görüntüsü, ikinci veri setimiz (VS-2), VS-1'e görüntü işleme yöntemlerinden CLAHE filtresi uygulanmış halidir, üçüncü veri setimizde (VS-3), VS-1'e veri artırımı yapılarak elde edilmiş olup 316 adet x-ray görüntüsü ve son olarak dördüncü veri setimizde (VS-4) ise VS-3'e CLAHE filtresi uygulanarak elde edilmiştir. Kırıkların teşhisinde öğrenim aktarımı modellerinden DenseNet201, Xception, ResNet152V2 ve InceptionResNetV2 kullanılmıştır. Bu modeller bütün veri setlerinde eğitilmiştir. VS-1'de InceptionResNetV2 modeli ile F1 score 0.9500 başarı elde edilmiştir. VS-2'de DenseNet201 ve InceptionResNetV2 modellerinde F1 score 0.9500 başarı elde edilmiştir. VS-3'de Xception ve InceptionResNetV2 modellerinde F1 score 0.9000 başarı elde edilmiştir. VS-4'te ise DenseNet201 modelinde F1 score 0.9250 başarı elde edilmiştir. Genel olarak baktığımızda veri seti artırıldığında ve görüntü işleme yöntemlerinden CLAHE filtresi uygulandığında başarısı düşük olan modellerde başarı oranları artmaktadır. Bu çalışmamızda yeterli miktarda veri olduğunda ve görüntü işleme teknikleri ile desteklendiğinde Yapay Zeka teknolojisini proksimal femur kırıklarının optimize tespiti için kullanılabilir ve ayrıca klinisyenlerin çalışmalarını kolaylaştırabilir olduğunu gördük.