MRS verileri kullanılarak makine öğrenmesi yöntemleri ile MS hastalığının teşhis ve sınıflandırılması

Multipl Skleroz (MS), merkezi sinir sistemi (MSS)'nin otoimmun, enflamatuar, demiyelinizan hastalığı olup çoğunlukla genç erişkin çağda görülür. Hastalığın tam nedeni bilinmemekle beraber yapılan araştırmalarda genetik yatkınlık, güneş ışığına fazla maruz kalma, kuzey bölgelerde yaşama ve Epstein-Barr virüsü hastalığın başlıca nedenleri arasında yer almaktadır. MS hastalığı dört tipte sınıflandırılmakta olup en yaygın görülen MS tipleri relapsing-remitting MS (RRMS) ve secondary progressive seyirli MS (SPMS)'dir. MS hastalığının teşhisinde klinik bulgular, beyin omurilik sıvısı incelemeleri, uyarılmış potansiyeller ve manyetik görüntüleme bulguları kullanılmaktadır. Manyetik Rezonans (MR), Multipl Skleroz (MS) hastalığının tanısı ve takibinde kullanılan en önemli görüntüleme tekniğidir. Ancak, MR görüntülemede MS lezyonları beyin tümörlerine benzerlik gösterebilmektedir. Bu nedenle MS tiplerinin sınıflandırılmasında gelişmiş MR tekniklerinden yararlanılmaktadır. Gerçekleştirilen tez çalışmasında Manyetik Rezonans Spektroskopi (MRS) görüntüleme tekniği ve makine öğrenmesi metotlarından faydalanarak kontrol grubu, RRMS ve SPMS tiplerinin otomatik olarak sınıflandırılmasına yönelik bilgisayar destekli tespit sistemi önerilmiştir. Çalışmada kullanılan MRS verileri takip altında olan MS hastalarından bir yıl süresince alınmıştır. Çalışmada birbirinden habersiz iki nöroloji uzmanı tarafından teşhis edilen Kontrol (n=30), RRMS (n=36) ve SPMS (n=25) olmak üzere toplam 91 MS hastası için MRS çekimleri gerçekleştirilmiştir. Hastalardan alınan MRS verilerinden sinyal işleme yöntemleri ile metabolitler elde edilmiştir. Çalışmada yapay bağışıklık sistemi (YBS) tabanlı hibrid bir özellik çıkarım yöntemi önerilmiştir ve bu yöntem mevcut özellik çıkarım yöntemleri olan Peak Integration (PI) ve Principal Component Analysis (PCA) ile kıyaslanmıştır. MRS sinyallerinden çıkarılan özellikler SVM yöntemi ile Kontrol-RRMS ve RRMS-SPMS olmak üzere ikili olarak sınıflandırılmıştır. Gerçekleştirilen deney sonuçlarına göre, önerilen sisteminin kullanımı ile kontrol ve RRMS vakaları birbirlerinden %95 doğruluk ve %90.91 hassasiyet ile ayrılırken, RRMS ve SPMS grupları ise %88.89 doğruluk ve %90.91 hassasiyet ile otomatik olarak sınıflandırılmıştır. Çalışmada önerilen YBS tabanlı hibrit özellik çıkarım metodunun diğer özellik çıkarım metotlarına göre daha başarılı olduğu görülmüştür. Sonuç olarak MRS'nin bilgisayar destekli teşhis yaklaşımı ile birlikte kullanılması, MS seyir tiplerinin sınıflandırılmasında MR ve diğer yöntemleri destekleyici ek bir yöntem olabileceğini göstermektedir.