Görüntüleme
15
İndirme
4
MR Spektroskopi (MRS) beyindeki su ve yağ haricindeki metabolitlerin ölçümünün yapılabildiği, beyin tümörü tespitinde kritik öneme sahip bir görüntüleme modalitesidir. MRS sonuçlarının doğru yorumlanması ciddi bir uzmanlık gerektiren konu olup, her yerleşim yerinde bu tür tecrübeli, uzman bulunamamaktadır. Yapay zekâ ve veri madenciliğindeki gelişmelerle birlikte, bilgisayar destekli tanı (BDT) sistemlerinin tıp alanında da yaygın olarak kullanıldığı görülmektedir. Elde edilen yüksek başarılar, BDT uygulamalarının zamandan tasarruf sağlayarak tıbbi teşhis ve tedavi süreçlerini olumlu yönde etkilemektedir. BDT sistemleri tek başına tespit veya teşhis yöntemi olmasa da, sahip olduğu yüksek sınıflandırma başarısı ile uzmanlara iyi bir karar destek altyapısı oluşturabilmektedir. Derin öğrenme, klasik sınıflandırma yöntemlerine göre güncel, veriler üzerinde daha başarılı sonuçlar veren, yüksek sınıflandırma kabiliyetine sahip yapay zekâ algoritmasıdır. Bu çalışmada, Kolin (Cho), kreatin (Cr) ve N-Asetil Aspartat (Naa) metabolitlerin ölçümüne dayanan MRS verileri ile tümör tespitinde doktora yardımcı bir BDT sistemi geliştirilmesi amaçlanmıştır. Bu amaçla 49 adet beyin tümörü teşhisi konmuş, 44 adet kontrol grubu olmak üzere toplam 93 kişiden alınmış veri seti kullanılmıştır. Sınıflandırmada dizi veriler için, derin öğrenme uygulaması olan, Long Short-Term Memory (LSTM) ve karşılaştırma yapmak için dört adet klasik veri sınıflandırma yöntemi kullanılmıştır. Klasik yöntemlerden k-En Yakın Komşu (kEYK), Destek Vektör Makineleri (DVM) ve Karar Ağaçları (KA) ile elde edilen sınıflandırma başarım sonuçları %83±6,36 bulunurken, çalışmada önerilen LSTM tabanlı derin öğrenme yöntemiyle bu değer %93 olarak elde edilmiştir. Bu da derin öğrenmenin yüksek sınıflandırma başarımı göstererek, MRS verilerinin sınıflandırılmasında ilgili alandaki uzmanlara karar sürecinde yardımcı olabilecek bir BDT sisteminde kullanılabileceğini göstermektedir.
MR Spectroscopy (MRS) is an imaging modality of critical importance in the detection of brain tumors, where the measurement of metabolites other than water and fat in the brain can be done. The correct interpretation of the results of the MRS is a subject that requires serious expertise, and there is no such experienced, expert in every settlement. With the advances in artificial intelligence and data mining, computer-backed diagnosis (BDT) systems are also widely used in the medical field. The high achievements achieved have a positive impact on the medical diagnosis and treatment processes by saving the time of BDT applications. Although BDT systems are not the method of detection or diagnosis alone, they can create a good decision support infrastructure for experts with their high classification success. Deep learning is an artificial intelligence algorithm with high classification capacity, which is up-to-date according to classical classification methods, giving more successful results on data. In this study, it was aimed at developing a BDT system that helps the doctor in the detection of tumors with MRS data based on the measurement of cholin (Cho), creatine (Cr) and N-acetyl aspartate (Naa) metabolites. For this purpose, a set of data collected from a total of 93 people, including 44 control groups, has been diagnosed with 49 brain tumors. For a series of data in classification, a deep learning application, Long Short-Term Memory (LSTM) and four classic data classification methods have been used to make comparison. The classification success results obtained by the classic methods k-The Nearest Neighbor (KEYK), Support Vector Machines (DVM) and Decision Tree (KA) were 83%±6.36, while this value was obtained by the study’s recommended LSTM-based deep learning method at 93% . This also shows that deep learning can be used in a BDT system that can help specialists in the relevant field in the process of decision-making in the classification of MRS data, showing high classification success.
Alan : Mimarlık, Planlama ve Tasarım; Mühendislik
Dergi Türü : Uluslararası
Makale Detay 
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Alıntı Yap
Bu Sayfayı Yazdırın
Paylaş
Mendeley
