Mask R-CNN kullanılarak yeni bir MRG veri tabanında prostat bölgelerinin segmentasyonu: PACS sistemi üzerinde bir uygulama

Authors : Çağlar Gürkan, Abdulkadir Budak, Hakan Karataş, Kayıhan Akın
Pages : 1401-1416
Doi:10.17341/gazimmfd.1153507
View : 159 | Download : 178
Publication Date : 2024-05-20
Article Type : Research Paper
Abstract :Akciğer kanserinden sonra erkeklerde en yaygın rastlanan kanser türü prostat kanseridir. Günümüzde, ileri prostat görüntüleme radyologlar tarafından yapılan multiparametrik prostat manyetik rezonans görüntüleme (MRG) ile gerçekleştirilmektedir. Prostatın birçok patolojisi görüntülenebilse de, asıl amaç prostat kanseri olasılığını belirlemek ve biyopsi işlemine gerek olup olmadığına karar vermektir. Bu sürece, T2 ağırlıklı görüntüler (T2W), difüzyon ağırlıklı görüntüler (DWI) ve dinamik kontrastlı görüntüler (DCE) olmak üzere farklı seriler halindeki MRG görüntülerinin analizi dahil edilmektedir. Bununla birlikte, öncelikle prostat bölgelerinin ayrıştırılması gerekmektedir. Daha sonra ilgili prostat bölgelerinde lezyon taraması yapılmaktadır. Son olarak ise prostat lezyon skorlama işleminin PI-RADS v2’ye göre yapılmasına ihtiyaç duyulmaktadır. Bu nedenle prostat kanseri tanısının konulması karışık ve uzun bir süreçtir. Bu sebeble, prostat kanseri tanısının koyulması için karar destek sistemlerine ihtiyaç duyulmaktadır. Bu bağlamda, çalışmanın başlıca amacı prostat bölgelerinin otomatik olarak segmentasyonunu sağlamaktır. Segmentasyon görevinde 15 hastaya ait T2W MRG görüntüleri ile birlikte Mask R-CNN algoritması kullanılmıştır. Mask R-CNN algoritması ResNet-50 omurga modelinin kullanımı ile birlikte 96,040 mAP50 değeri ile segmentasyon performansı elde etmiştir. Son olarak, eğitilen model PACS sistemine entegre edilmiştir. Entegrasyon sayesinde hastanelerde kullanıma hazır bir yapay zeka destekli karar destek sistemi geliştirilmiştir. Böylelikle, sağlık çalışanları üzerindeki iş yükü azaltılırken zamandan da kazanç sağlanmıştır.
Keywords : Prostat bölge segmentasyonu, prostat kanseri, T2W MRG, PI RADS v2, derin öğrenme

ORIGINAL ARTICLE URL