Tıbbi görüntülerin saçılım tabanlı öz-denetimli öğrenme ile bölütlenmesi

Derin öğrenme tabanlı yöntemler, son yıllarda görüntü bölütleme problemlerinde önemli başarılar elde etmiş olsa da, bu başarının temelini oluşturan denetimli öğrenme yaklaşımları yüksek miktarda piksel seviyesinde etiketlenmiş veriye ihtiyaç duymaktadır. Özellikle tıbbi görüntüleme alanında, etiketleme sürecinin uzman bilgisi gerektirmesi, zaman alıcı ve maliyetli olması, büyük ölçekli etiketli veri kümelerinin oluşturulmasını oldukça güçleştirmektedir. Bu nedenle, etiketli veriye daha az bağımlı öğrenme yaklaşımlarının geliştirilmesi, tıbbi görüntü bölütleme alanında kritik bir gereksinim haline gelmiştir. Bu tez çalışmasında, tıbbi görüntü bölütleme problemlerinde etiketli veriye olan bağımlılığı azaltmayı amaçlayan, saçılım-tabanlı öz-denetimli öğrenme yaklaşımı önerilmiştir. Önerilen yöntemde, matematiksel olarak temellendirilmiş öteleme değişmezliği ve küçük deformasyonlara karşı kararlılık özelliklerine sahip, sabit filtrelere dayalı Dalgacık Saçılım Ağları (DSA) ile öğrenilebilir dalgacık parametresi içeren Parametrik Saçılım Ağları (PSA), karşılaştırmalı olmayan bir öz-denetimli öğrenme yöntemi olan Bootstrap Your Own Latent (BYOL) mimarisine entegre edilmiştir. Öz-denetimli ön-eğitim sonrasında elde edilen kodlayıcılar, U-Net mimarisi içerisinde denetimli olarak ince ayar yapılarak değerlendirilmiştir. Önerilen yaklaşım, kardiyak manyetik rezonans görüntülerini içeren ACDC veri seti ile konjenital kalp hastalığına ait bilgisayarlı tomografi görüntülerinden oluşan CHD veri seti üzerinde farklı miktarlarda etiketli veri senaryoları altında gerçekleştirilmiş deneylerle test edilmiştir. Elde edilen sonuçlar, saçılım tabanlı öz-denetimli başlatma stratejilerinin, sınırlı etiketli veri koşullarında rastgele başlatma, ImageNet ön-eğitimi ve standart BYOL yaklaşımlarına kıyasla daha yüksek etiket-verimliliği sağladığını göstermektedir. Özellikle anatomik olarak zorlayıcı yapılar için PSA tabanlı yaklaşım, en yüksek bölütleme performansını sergilemiştir. Bu bulgular, saçılım dönüşümlerinin öz-denetimli öğrenme ile birlikte kullanılmasının, etiket-verimli tıbbi görüntü bölütleme için etkili bir çözüm sunduğunu ortaya koymaktadır.