Radyolojik görüntülerde yoğunluk tabanlı kemik segmentasyonu v eosteoporoz değerlendirmesi

Bu yüksek lisans tezinde, kemik erimesi hastalığının erken teşhisine yönelik, görüntü işleme ve yapay zekâ temelli bir sistem geliştirilmiştir. Osteoporoz, kemik mineral yoğunluğunun azalmasıyla birlikte kemiklerin kırılganlaşmasına neden olan, özellikle yaşlı bireylerde ciddi sağlık sorunlarına yol açabilen sistemik bir kemik hastalığıdır. Literatürde mevcut tanı yöntemlerinin yüksek maliyeti, sınırlı erişilebilirliği ve düşük duyarlılığı gibi dezavantajları göz önüne alınarak bu çalışmada, otomatik, hızlı ve güvenilir bir teşhis sistemi geliştirmek hedeflenmiştir. Çalışmada, Knee Osteoarthritis Severity Dataset'ine ait diz röntgen görüntüleri kullanılmıştır. Görüntüler, U-Net derin öğrenme mimarisiyle segmente edilmiş ve kemik yapıları başarıyla ayrıştırılmıştır. Segmentasyon sonrasında çıkarılan morfolojik, istatistiksel ve frekans temelli öznitelikler kullanılarak Random Forest algoritması ile sınıflandırma gerçekleştirilmiştir. Modelin performansı, doğruluk (accuracy), ROC-AUC, duyarlılık (sensitivity), özgüllük (specificity), kesinlik (precision) ve F1 skoru gibi çeşitli metriklerle değerlendirilmiştir. Yapılan analizler sonucunda, ileri derecede osteoporoz sınıfı için %95,6 AUC değeri elde edilmiş ve genel sınıflandırma başarımı %75 doğrulukla ölçülmüştür. Elde edilen bulgular, geliştirilen sistemin erken teşhis sürecine katkı sağlayabileceğini ve klinik karar destek sistemlerinde kullanılabilir potansiyele sahip olduğunu göstermektedir.