Makine derin öğrenme ile BT görüntüleri kullanarak pulmoner hipertansiyonun hemodinamik sınıflandırılması

Pulmoner hipertansiyon (PH), pulmoner damar yatağında yüksek kan basıncı ile karakterize, yavaş kan akışına ve damar daralması ve sertleşmesine bağlı olarak artan basınca yol açan ilerleyici bir durumdur. PH'nin erken tespiti, kalp yetmezliği gibi komplikasyonları önlemek için çok önemlidir. Bu nedenle, bu çalışma PH'nin erken ve doğru tanısını elde etmek için derin öznitelik çıkarımına dayalı yeni bir otomatik sınıflandırma modeli önermektedir. Bu çalışmada PH tespiti için bilgisayarlı tomografi (BT) görüntüleri topladık ve bu veri seti 807 BT görüntüsü içeriyor. PH tespiti için EfDenseNet adlı yeni bir otomatik sınıflandırma mimarisi geliştirdik ve toplanan verileri kullanarak test ettik. Özellik çıkarıcılar olarak önceden eğitilmiş EfficientNetb0 ve DenseNet201 adlı derin ağ mimarilerini kullandık. Özellik çıkarıcıların performansını artırmak için CT görüntülerini yamalara böldük ve hem yamalardan hem de orijinal görüntüden derin özellikler çıkardık. Her yamadan oluşturulan özellikler birleştirildi. Sunulan EfDenseNet, EfficientNetb0 ve DenseNet201'in özellik çıkarma katmanlarını (tamamen bağlı katman ve küresel ortalama havuzlama katmanları) konuşlandırarak dört özellik vektörü üretir. Özellik vektörlerinden en bilgilendirici özellikleri seçmek için komşu bileşen analizi (NCA), ReliefF ve Ki-Kare (Chi2) kullandık ve sonuçta 45 farklı seçilmiş özellik vektörü elde ettik. Sınıflandırma aşamasında öznitelikleri sınıflandırmak için destek vektör makinesi (SVM) ve k-en yakın komşu (kNN) algoritmalarını kullandık. Son olarak, genelleştirilmiş sınıflandırma sonuçları elde etmek için sınıflandırma sonuçlarına mod işlevine dayalı yinelemeli çoğunluk oylaması uyguladık. Önerilen kendi kendini organize eden EfDenseNet mimarisi, 90 sınıflandırma sonucu ve 178 oylama sonucu üretti. 178 oy arasından en iyi sonucu seçtik ve dört sınıf için de en yüksek sınıflandırma doğruluğunu elde ettik. Ek olarak, k-katlı çapraz doğrulama kullanarak tüm sonuçları doğruladık ve topladığımız yeni PH veri setinde %97,27'lik bir doğruluk elde ederek, önerdiğimiz yöntemin yüksek sınıflandırma performansını gösterdik. Önerilen kendi kendini organize eden EfDenseNet mimarisi, 90 sınıflandırma sonucu ve 178 oylama sonucu üretti. 178 oy arasından en iyi sonucu seçtik ve dört sınıf için de en yüksek sınıflandırma doğruluğunu elde ettik. Ek olarak, k-katlı çapraz doğrulama kullanarak tüm sonuçları doğruladık ve topladığımız yeni PH veri setinde %97,27'lik bir doğruluk elde ederek, önerdiğimiz yöntemin yüksek sınıflandırma performansını gösterdik. Derin öznitelik çıkarımına dayalı önerilen otomatik sınıflandırma modelimiz, yüksek sınıflandırma performansı ile PH'nin doğru ve erken teşhisini sağlamıştır. Bu çalışmanın sonuçları, önerilen kendi kendini organize eden EfDenseNet mimarisinin PH sınıflandırması için umut verici bir yaklaşım olduğunu göstermektedir. Bu çalışmanın sonuçları, invaziv olmayan CTPA verileriyle gelecekte ek risk sınıflandırma göstergeleri sağlayabilir. Ayrıca çalışmamız bize sağ kalp kateterizasyonu için hangi hastaya başvurmamız gerektiği konusunda fikir vermektedir. Anahtar kelimeler: Yapay zeka, pulmoner hipertansiyon, bilgisayarlı tomografi, ortalama pulmoner arter basıncı