MR taramaları üzerinde derin öğrenme modelleri kullanılarak multipl skleroz lezyonlarının otomatik tespiti ve değişiminin takibi

Multipl Skleroz (MS) hastalığı genç ve orta yaşlı insanlarda sıkça görülen beyin ve omuriliği etkileyen, yaygın bir merkezi sinir sistemi (MSS) rahatsızlığıdır. MSS içinde bulunan sinir ağları üzerindeki kılıf yapısında oluşan iltihap sonucunda meydana gelen hastalık kişide önemli bilişsel kayıplara neden olur. MS hastalarında fonksiyonel yeti kayıpları ve ileri safhalarda geri dönülemez beyin hasarları da görülebilir. Bu nedenlerden dolayı MS hastalığının erken aşamada tespiti ve takibi oldukça önemlidir. MS'in teşhisinde ve takibinde manyetik rezonans (MR) görüntüleme yaygın olarak olup teşhis için genellikle en az iki farklı periyottaki taramalarda MS lezyonlarının görülmesi beklenmektedir. Hastalığın takibi MR kesitlerindeki lezyonların değişimlerinin izlenmesi ile yapılmaktadır. MS lezyonlarının boyutlarının küçük olması ve beyindeki başka nörolojik rahatsızlıklara benzemesi, MS lezyonlarının tespitini zorlaştırmaktadır. Bu tez çalışmasında, MR görüntüleri üzerinde MS lezyonlarının otomatik tespiti için iyileştirilmiş bir derin öğrenme modeli (iMask R-CNN) önerilmiştir. Bu modelde Maske-Tabanlı Bölgesel Evrişimsel Sinir Ağı (Mask R-CNN) mimarisinin tahmini önemli bölge hizalama (RoIAlign) işleminde iyileştirme yapılmıştır. Ayrıca, MS lezyonlarının tespiti için 52 hastadan periyodik olarak alınan FLAIR MR kesitlerini içeren MSAkdeniz isimli bir MR veriseti hazırlanmıştır. Tez kapsamında, ek olarak, MS lezyonlarının otomatik tespiti ve değişimin takibi için, hekimlere yardımcı olabilecek, iMask R-CNN modelini kullanan DeepMSWeb isimli web tabanlı bir karar destek sistemi (KDS) uygulaması geliştirilmiştir. Bunun yanında, MS lezyonlarının otomatik tespiti için, önerilen iMask R-CNN modeli başta olmak üzere, MSAkdeniz veriseti ve eHealth, UMCL, ISBI2015 ve MICCAI2008 verisetleri üzerinde, iki faklı platformda beş farklı derin öğrenme modeli kullanılarak deneysel çalışmalar yürütülmüştür ve sonuçlar karşılaştırılmıştır. Önerilen iMask R-CNN kullanılarak, lezyon tespitinde, verisetlerinde Dice benzerlik katsayısı (DSC) için %88.32±4.44 skorları, lezyon doğru pozitif oranı (LTPR) için %89.80±3.54 skorları elde edilmiştir. Önerilen iMask R-CNN ve DeepMSWeb yapıları ile MS lezyonlarının tespiti ve değişiminin takibinde kullanılabilecek yardımcı araçlar geliştirilmiştir.