Video görüntülerinin analizinde uç öğrenme makinesi sınıflandırıcı algoritmalarının kullanılması ve geliştirilmesi

Tıp biliminde video analizi konusu, görüntülerin mikroskobik boyutta yoğun ve hassas bilgiler içermesi açışından kritik öneme sahiptir. Mikroskop kameralar ile elde edilen videolarda hareketli nesne tespit ve takibi ile nesne hakkında anlamlı ve yorumlanabilir bilgi elde edilmesi süreci, video analizi olarak tanımlanabilir. Bu tez çalışmasında, video görüntülerinin analizinde uç öğrenme makinesi sınıflandırıcı algoritmalarının kullanılması ve geliştirilmesi çalışması gerçekleştirilmiştir. Geliştirilen bu Melez (M) - Diferansiyel Gelişim Algoritması (DGA) – Uç Öğrenme Makinesi (UÖM) yönteminin başarımını test etmek için elde edilmiş gerçek sperm videoları üzerinde sperm motilitesinin doğru sınıflandırılması çalışması yapılmıştır. Tıp literatüründe sperm ile dölleme yapan erkek bireylerin, erkek infertilite probleminin başlıca sebebi sperm kalitesinin düşük olmasıdır. Spermin kalitesi, konsantrasyon (sayısı), motilite (hareketliliği) ve morfoloji (yapısı) değerleri ile belirlenir. Problemin tespiti için uzmanlar tanı aşamasında spermiyogram testi yapmaktadırlar. Bu test motilite ve morfoloji analizinden oluşup klasik veya bilgisayar destekli yöntemler ile yapılabilir. Klasik yöntem motilite analizi; uzman kişilerin semen sıvısını mikroskop altında göz ile deneyimlerine dayalı olarak sperm hücre hareketlilik sınıfını belirlemesidir. Bilgisayar destekli yöntemler ise sperm hücre hareketini video analizi ile tespit edip, sınıflandıran yazılım ve donanım ikilisinden oluşan sistemlerdir. Çalışmanın özel amacı sperm hücresinin hareketi ile oluşan öznitelik parametrelerini video analiz yöntemleri ile tespit ederek; Uç Öğrenme Makinesi sınıflandırıcı algoritmaları ile sınıflandırmaktır. Bu amaçla tasarım ve uygulaması yapılan sistem üç aşamadan oluşmaktadır. Birinci aşamada sperm hareket videolarında her bir sperm hücresinin tespiti için arka/ön plan bölütleme yöntemlerinden Gauss Karışım Modeli ve takibinin yapılabilmesi için Kalman Filtre-Macar Algoritması yöntemleri kullanılmıştır. İkinci aşamada tespit edilen hareketli her sperm hücresine ait koordinat bilgilerini kullanarak sperm hareket öznitelik parametre verileri elde edilmiştir. Son aşamada ise hareket öznitelik parametre verileri UÖM ile sınıflandırma yapılarak sonuçları irdelenmiştir. Sonuçlar değerlendirildiğinde UÖM yönteminin başarımı diğer sınıflandırma yöntemlerine (YSA, DVM ve NB) kıyasla en yüksek çıkmıştır. Bu tez çalışmasında yenilik olarak, UÖM'nin gizli katman hücre sayıları ve aktivasyon fonksiyon seçim işlemi geliştirdiğimiz M-DGA-UÖM yöntemi ile optimize edilmiştir. Böylelikle, UÖM'nin sperm motilitesinin doğru sınıflandırma başarımı arttırılmıştır. Ayrıca uygulaması yapılan M-DGA-UÖM yazılım sistemi paket bir program haline getirilerek, yapay öğrenme tabanlı sperm motilite analizi olarak kullanılması hedeflenmiştir. M-DGA-UÖM tabanlı bu yazılım bir taraftan yapay öğrenme tabanlı sistemlerin gelişimine katkı sunarken öbür taraftan da klinik açıdan erkek infertilite probleminin çözümünde etkili olacak teşhis yöntemlerinin gelişmesine katkıda bulunacaktır.