Tüberküloz Hastalığının Tespiti için Derin Öğrenme Yöntemlerinin Karşılaştırılması

Yapay zeka, sağlık alanında kanser gibi birçok hastalığın teşhis edilmesinde, doktorlar tarafından yapılan tetkiklerde, cihazlarla gerçekleştirilen tanı ve tedavilerde sıklıkla kullanılmaktadır. Çünkü doktorlar herhangi bir hastalığın doğru tanı ve doğru teşhisini manuel olarak ortaya koymak gerek zaman gerekse maliyet açısından oldukça zordur. Bu hastalıklardan en önemlisi olan tüberküloz (verem), dünyanın birçok yerinde sonu ölümle sonuçlanan bulaşıcı ve tehlikeli hastalıklardan biridir. Tüberküloz için uzman radyologlar göğüs röntgenlerine bakarak teşhis koyarlar. Fakat radyologlar bu teşhisi koyarken kimi zaman çok sayıda göğüs röntgeni inceledikleri için yanlış tanı ve teşhis koyabilmektedir. Bu durumda manuel bir teşhis yerine daha hızlı ve daha doğru kararlar verebilen bilgisayar destekli analizler gerekmektedir. Bu çalışmanın amacı yapay zekâ yöntemleri kullanılarak akciğer röntgen verilerinden tüberkülozlu ve sağlıklı görüntülerin otonom olarak tespiti ve sınıflandırılmasını yapacak bir model oluşturmaktır. Bu çalışmada tüberküloz hastalığının bilgisayar destekli analiz ve tespitini gerçekleştirmek amacıyla yapay zekanın bir alt kümesi olan derin öğrenme metotlarından Yapay Sinir Ağları (ANN), Evrişimsel Sinir Ağları (CNN) ve hibrit model (VGG19+CNN) kullanılmıştır. Önerilen modelinin ilk aşamasında akciğer röntgen filmlerinden elde edilen 1000 görüntü ön işlemeden geçirilerek, hastalıklı ve sağlıklı olarak etiketlenmiştir. Görüntülerin doğru, hızlı ve minimum maliyetle teşhisi için farklı ve yeni ağ yapısı oluşturularak verilerdeki önemli öznitelikler belirlenmiştir. Ayrıca önerilen CNN ve hibrit model ile literatürde birçok alanda yaygın bir şekilde kullanılan Yapay Sinir Ağları (Artificial Neural Network –ANN) modeli doğruluk, duyarlılık, kesinlik ve F1-Skor gibi farklı değerlendirme metrikleri kullanılarak detaylı bir şekilde karşılaştırılmıştır. Kullanılan her model için de performans analizleri gerçekleştirilmiştir. Bu çalışmada CNN ve ANN modelinin sınıflandırma başarısı sırasıyla %98,91 ve %90,41 olarak bulunmuştur. Önerilen CNN modeli ANN modeline göre tüberküloz hastalığının doğru teşhis ve sınıflandırılmasında daha başarılı sonuçlar vermiştir. Ayrıca tüberküloz görüntü verilerine önerilen VGG19+CNN model uygulanmıştır. Bu model özellik çıkarımı ve sınıflandırma aşamalarından oluşur. Hibrit model eğitim ve test görüntülerinde sırasıyla %100 ve %99.66 başarı vermiştir.