Fetal Movement Detection and Anatomical Plane Recognition using YOLOv5 Network in Ultrasound Scans

Tıbbi görüntülerin ve videoların bilgisayar destekli algoritmalar ile analiz edilmesi, hastalıkların teşhis ve tedavisinde önemli faydalar sağlamaktadır. Özellikle son yıllarda, derin öğrenme algoritmalarındaki artan gelişmeler, medikal verilerin işlenmesinde hız, performans ve donanım ihtiyacı gibi konularda sürekli iyileşme sağlamıştır. İleri derece uzmanlık gerektirebilen medikal verilerin inceleme işlemlerinin derin öğrenme algoritmalarıyla yapılması, hekimlerin karar verme aşamasında ikincil bir araç olarak yaygın olarak kullanılmaya başlamıştır. Ultrason (US) videolarında fetüsün hareketlerinin izlenmesi ve anatomik yapıların tanınması bebek sağlığının değerlendirilmesinde önemli bir parametredir. Bu çalışmada, fetüs ultrasonundan fetüs anatomik yapıların tanınması ve hareketlerinin tespiti için YOLOv5 derin öğrenme ağı destekli bir yöntem önerilmektedir. Çalışmada öncelikle, 16-20 haftalık fetüs hareketlerini içeren videolardan bir veriseti oluşturulmuştur. Sonraki aşamada, etiketlenen veriler üzerinde deep-SORT algoritması kullanılarak, fetüse ait kafa, kol, kalp ve gövde kimliklendirilmiş ve takip edilmiştir. Çalışma kapsamında ultrason videolarında yürütülen deneysel çalışmalarda, YOLOv5 algoritması kullanılarak, kafa, gövde, kalp ve kol anatomik yapıları, sırasıyla %95.04, %94.42, %88.31 ve %83.23 F1 skoru ile tanınmıştır. Ayrıca, fetüse ait kafa, kalp ve gövdenin ultrasonik video hareketleri takip edilerek, hareketlerin yörüngeleri ve örüntüleri çıkarılmıştır. Böylece, iki boyutlu düzleme dönüştürülen hareket örüntülerinden fetüs hareketlerinin tespiti sağlanmıştır.