Parotis bezi tümörlerinin ayırıcı tanısında multiparametrik manyetik rezonans görüntüleme kullanılarak geliştirilen derin öğrenme modeli

Amaç: Sık görülen parotis tümörlerinin ayırıcı tanısında, multiparametrik MRG kullanılarak geliştirilen derin öğrenme modeliyle yapay zeka bazlı yeni bir yaklaşım oluşturmak. Gereç ve Yöntem: Parotis bezinde tümör bulunan 123 hasta ile tümör bulunmayan 50 hastanın MRG görüntüleri retrospektif olarak incelendi. Bu görüntülerle eğitilen InceptionResNetV2 derin öğrenme modeli ve majority voting yaklaşımıyla parotis tümörleri sınıflandırıldı. Modelin ayırıcı tanı performansı SVM, KNN ve LD sınıflandırıcıları kullanılarak değerlendirildi. Derin öğrenme modelinde giriş verisi olarak; post-kontrast T1A, T2A konvansiyonel MRG sekansları ve b0, b1000 ve ADC difüzyon ağırlıklı sekanslar kullanıldı. Çalışma üç evrede gerçekleştirildi. I. evrede kontrol grubu (KG), pleomorfik adenom (PMA), Warthin tümörü (WT), malign tümör (MT) ayırıcı tanısı yapıldı ve MRG sekanslarının giriş verisinde kombine ve non-kombine olarak verildiği iki yaklaşım oluşturuldu. II. evrede benign tümör (PMA ve WT), MT ve KG'nin ayırıcı tanısı yapıldı. III. evrede ise, parotis bezinde tümör bulunan ve bulunmayan hastaların ayırıcı tanısının yapılması amaçlandı. Bulgular: Evre I'de non-kombine yaklaşımda doğruluk, sensivite ve spesifitenin sırasıyla %86,43, %83,24 ve %95,35; kombine yaklaşımdaysa sırasıyla %92,86, %90,34 ve %97,51 olduğu saptandı. Evre I'de sınıflandırıcılar arasında en iyi sonuca %93,57 doğrulukla SVM sınıflandırıcısı sahipti. Evre II'de doğruluk %92,14, sensivite %83,33 ve spesifite %93,99 olarak saptandı. Evre III'deyse doğruluk %99,29, sensivite %100 ve spesifite %99.02 olarak hesaplandı. Derin öğrenme modelinin PMA ayırıcı tanısı için doğruluğu %97,62, WT için %92,31 ve MT için %71,43 olarak saptandı. Sonuç ve Öneriler: Bu çalışmada son yıllarda popüler hale gelen derin öğrenme modelleriyle parotis tümörlerini otomatik ve yüksek doğrulukla sınıflandıran yeni bir yaklaşım sunulmuş ve istatistiksel olarak başarılı sonuçlar elde edilmiştir. Bu model hekimlere, parotis kitlelerinin MRG görüntülerini değerlendirmelerinde kolaylık sağlayacaktır. Anahtar Kelimeler: Yapay Zeka, Derin Öğrenme, Parotis Tümörleri, Bilgisayar Destekli Tanı