Röntgen görüntülerinin derin öğrenme algoritmalarıyla sınıflandırılması

Günümüzde yapay zeka algoritmaları, hızları ve doğrulukları nedeniyle modern sağlık sistemlerinde, personellere yardımcı olmak adına, sıklıkla kullanılmaktadır. Ortopedi servisinin olmadığı ya da sağlık sistemine uzak mesafede bulunan yerlerde yaşayan bireylerin yaşadıkları kemik kırığı problemlerinin hızlı ve doğru bir şekilde teşhis edilmesi önem arz etmektedir. Bu çalışmada, röntgen görüntüleri derin öğrenme algoritmalarıyla işlenerek, kırık olup olmadığı, varsa kırığın yerinin tespit edilmesi amaçlanmaktadır. Çalışmada; You Only Look Once (YOLOv8 ve YOLOv9) algoritmaları kullanılmıştır. Yapılan değerlendirmeler, en iyi sonucun, gerçek zamanlı nesne tespitine imkân tanıyan ve en güncel algoritma olarak bilinen YOLO algoritmasının 9. versiyonu ile alındığını göstermiştir. Geliştirilen yeni yaklaşım ve kullanılan YOLOv9 algoritmasıyla, %97 mAP50 değerine ulaşılmıştır. Derin öğrenme modelinin geliştirilmesi aşamasında, Stanford Üniversitesi Makine Öğrenmesi Grubu tarafından oluşturulan ve halka açık en büyük radyografik görüntü veri kümelerinden biri olan MURA v1.1 veri seti kullanılmıştır. Bu veri seti, çeşitli kırık türlerini içeren geniş bir yelpazeye sahip olup, modelin eğitimi ve test edilmesi için idealdir. Sonuç olarak, geliştirilen yöntem ile profesyonel sağlık hizmetlerine ulaşımın zor ya da imkânsız olduğu yerlerde yaşayan bireylerin yaşadığı kemik kırığı problemlerini hızlı ve doğru bir şekilde teşhis etmek ve aynı zamanda acil servislerdeki yoğunluk kaynaklı teşhis hatalarını en aza indirmek üzere bir uygulama geliştirilmiştir.