Makine öğrenmesi ile kalça çıkığı teşhisinde doğru görüntünün tespit edilmesi

Gelişimsel kalça displazisi, bebeklik ve erken gelişim döneminde ortaya çıkan ortopedik bir rahatsızlıktır. Erken teşhis edilmesi durumunda kolay ve acısız tedavi yöntemlerine sahiptir. Ancak teşhisin gecikmesi durumunda ameliyat gibi zor, acılı ve maliyeti yüksek tedaviler gerektirmektedir. Ayrıca teşhisin gecikmesi hastalarda kalıcı ortopedik rahatsızlıklara da neden olmaktadır. Bu çalışma, gelişimsel kalça displazisinin teşhisinde ilk aşama olan doğru görüntü tespitinin ultrason kayıtlarından makine öğrenmesi algoritmaları ile çıkarılmasını amaçlamaktadır. Çalışma ile erken teşhis oranının yükseltilmesi, böylece daha kolay ve düşük maliyetli yöntemler ile tedavinin yapılması, kalıcı ortopedik rahatsızlıkların ortadan kaldırılması hedeflenmektedir. Çalışmada ultrason kayıtlarından yakalanan görüntülerin özellikleri, LBP yöntemi ve önceden eğitilmiş VGG16, VGG19, InceptionV3, MobileNet, DenseNet121, ResNet50 derin öğrenme modelleri ile elde edilmiştir. Çıkarılan özellikler ile ayrı ayrı veri setleri hazırlanmıştır. Hazırlanan veri setlerine Random Forest, Support Vector Machine, Naive Bayes, Logistic Regresyon, KNN, Decision Tree ve Gradient Boosting makine öğrenme algoritmaları uygulanmıştır. Elde edilen sonuçlar karşılaştırılmıştır. Bu sonuçlar incelendiğinde VGG16 derin öğrenme modeli kullanılarak elde edilen veri seti üzerinde çalışan Gradient Boosting makine öğrenme algoritması 0,9123 Accuracy oranıyla en başarılı yöntem olmuştur. Kaynak kullanım performansına bakıldığında en düşük kaynak kullanan yöntem olmasa da düşük kaynak kullanımı açısından dikkat çekicidir. Sonuçlar erken teşhis oranını artıracak kadar tatmin edici olarak değerlendirilmiştir. Yapılan çalışmanın bu alanda çalışan doktorlara destek olacağı düşünülmektedir.