Automated detection of ischemic stroke lesions using u-net deep learning architecture in brain MR scans
Year: 2024
Type: conference-paper
Abstract: Beyinde kan akışının kesilmesi sebebiyle gelişen inme hastalığı sebebiyle her yıl çok fazla insan yaşamını yitirmektedir. Bunun yanında, inme nedeniyle beyinde oluşan hasarlardan dolayı da birçok insanda fiziksel ve bilişsel bozukluk şeklinde kalıcı hasarlar oluşmaktadır. Bu sebeple hastanın hastaneye başvurduğu ilk evrede inmenin hızlı bir şekilde teşhis edilmesi ve doğru tedaviye başlanması büyük öneme taşımaktadır. İnmeden etkilenen beyin bölgelerinin ayırt edilme süreci nitelikli uzman görüşlerini gerektirmektedir. Ancak, uzmanların el yordamı ile bölütleme işlemleri zaman alıcı, hataya eğilimli ve subjektif süreçler içermektedir. İnme vakalarında ilk birkaç saatin hayati önem taşıdığı göz önünde bulundurulduğunda, tedavi sürecinin gecikmesi daha fazla beyin dokusunun yok olma tehlikesini ortaya çıkarmaktadır. Bu durum, iskemik inme lezyonunu bölütleyen ve tedaviye geçişi hızlandıran otomatik yöntemlere duyulan ihtiyacı göz ardı edilemeyecek hale getirmektedir. Son yıllarda, derin öğrenme ağları sayesinde uzman hekimlerin bölütleme ve karar verme sürecini hızlı ve başarılı bir şekilde yapabilmesini sağlamaya yönelik çalışmalar artmış ve bu çalışmalarda elde edilen performans seviyeleri de artmaya başlamıştır. Bu çalışmada, beyin Manyetik Rezonans (MR) görüntülerinden iskemik inme lezyonlarını otomatik bir şekilde bölütleyen ve tespit eden bir yöntem önerilmektedir. Çalışmada, lezyonların bölütlenmesi için hızlı bir eğitim sürecine sahip olan U-Net derin öğrenme mimarisi kullanılmıştır. Ayrıca, çalışmada iskemik inme teşhisi konmuş vakaların MR görüntülerini içeren global bir veriseti olan Ischemic Stroke Lesion Segmentation (ISLES) 2022 inme veriseti kullanılmıştır. Bu verisetinde iskemik inme teşhisinde hasar gören beyin dokularının hassas bir şekilde görüntülenmesini sağladığı için difüzyon-ağırlıklı MR görüntüleri (DAG) tercih edilmiştir. Deneysel analizlerde, 250 hastaya ait MR görüntüleri ile eğitilen U-Net derin öğrenme ağı kullanılarak F1, Dice ve Kesinlik (Precision), Duyarlılık (Recall) anahtar performans metrikleri için sırasıyla 0.85, 0.79, 0.86 ve 0.87 skorları başarılmıştır. Deneysel çalışmalarda elde edilen sonuçlar, ISLES 2022 katılımcılarının elde ettiği sonuçlarla örtüştüğü ve sonuç olarak U-Net derin öğrenme ağı ile oluşturulan modelin, iskemik inme lezyonlarını başarılı bir şekilde bölütleme ve teşhis etme potansiyeline sahip olduğunu göstermiştir. Önerilen yöntemin uzman hekimlerin inme teşhisini kolaylaştıracağı ve karar verme aşamasında kullanabilecekleri yardımcı bir araç olabileceği değerlendirilmektedir.
Authors: Balaban, Merve, Uçar, Gökhan, Dandıl, Emre
Language: Turkish
Subfield: Computer Vision and Pattern Recognition
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7217420696