Derin öğrenme ile pencere ayarlı görüntüler kullanılarak beyin inme segmentasyon performansının geliştirilmesi

Authors : Özlem Polat, Mustafa Said Kartal

Pages : 1094-1109

Doi:10.17714/gumusfenbil.1319024

View : 155 | Download : 231

Publication Date : 2023-10-15

Article Type : Research Paper

Abstract :İnme çeşitli nedenlerle beyne kan akışının yavaşladığı veya kesildiği durumlarda ortaya çıkan serebrovasküler bir sağlık sorunudur. Beyin dokusu yeterli besin ve oksijeni alamadığı için beyin hücreleri dakikalar içinde ölmeye başlar ve inmenin oluştuğu bölgedeki fonksiyonlarda geçici ya da kalıcı hasarlar meydana gelir. Beyin inmesi çok ciddi tıbbi bir durumdur ve acil müdahale gerektirmektedir. İnmenin erken tespiti ve inme bölgesinin segmente edilmesi kalıcı hasarların önlenmesi açısından büyük önem arz etmektedir. Bu çalışmada Res2Net omurgalı U-Net derin öğrenme modeli kullanılarak beyin inme segmentasyonu yapılmıştır. Veri seti olarak 1093 hemorajik ve 1130 iskemik inme tipini içeren toplamda 2223 BT görüntüsü kullanılmıştır. Görüntüler pencereleme yöntemi ile ön işlemeden geçirilip sonrasında önerilen model ile eğitilip test edilmişlerdir. Pencereleme ayarı yapılmadan kullanılan görüntülerde ortalama IoU oranı 0.82 olarak elde edilmiş, ön işlemeden sonra bu oran 0.87’ye yükselmiştir; veri çoğaltma yönteminin de uygulanmasından sonra ortalama IoU 0.92’ye ulaşmıştır. Elde edilen test sonuçları görüntülerde uygun pencere ayarlarının kullanılmasının segmentasyon performansını artırdığını göstermiştir.
Keywords : Beyin inme segmentasyonu, Derin öğrenme, Görüntü pencereleme, U Net