NCCT görüntüleme kullanılarak iskemik inmede ölüm oranının yapay zeka yöntemleri ile tahmin edilmesi

Bu çalışmada, inme sınıflandırma ve segmentasyon görevleri için kamuya açık bir radyolojik görüntü veri kümesi olan Çekirdek-Penumbra Akut İskemik İnme Veri Kümesi (CPAISD) kullanılmıştır. Veri kümesi farklı yaş, cinsiyet ve klinik durumlardan gelen hastaların beyin Kontrastsız Bilgisayarlı Tomografi (NCCT) görüntülerini içermektedir. Çalışmamızda, transformatör tabanlı bir model tercih edilmiş, NCCT görüntülerinden tespit edilen en etkili 40 radyomik özellik çıkarılmış, kayıp fonksiyonları ve Simple Attention, Multi Head Attention mekanizmaları ile transformatör mimarinin iskemik inmenin ölümcüllük sınıflaması üzerine etkileri gözlenmiştir. RadiomicsTransformer (RT) isimli modelimiz, radyomik seçimi, focal loss, 5-katlı çapraz doğrulama ve simple attention uygulamaları ile beraber 0,6889 doğruluk, 0,6930 kesinlik, 0,6778 duyarlılık ile 0,6854 f1- skoru ve 0,7167 ROC AUC değerlerini sağlamıştır. Sonuçlar, dengesiz ve yetersiz veri kümelerinde transformatör tabanlı derin öğrenme (DL) modelinin yapılan uygulamalar neticesinde, klasik makine öğrenimi (ML) modellerine göre üstün performansını ve inme teşhisinde transformatör mimarimizin klinik olarak test edilebilir potansiyel barındırdığını göstermektedir.