Derin öğrenme tabanlı topluluk sınıflandırıcı yaklaşımı ile gastrointestinal anomalilerin tespiti

Authors : Fatma Akalın, Nejat Yumuşak

Pages : 366-373

View : 43 | Download : 65

Publication Date : 2024-06-29

Article Type : Research Paper

Abstract :Gastrointestinal bölgede yer alan anomalilerin teşhisi güncel bir araştırma alanıdır. Bu bölgenin incelenmesi için kablosuz kapsül endoskopi (WCE), geleneksel endoskopinin risklerini önlemek ve ağrısız bir süreç sağlamak amacıyla tercih edilen alternatif bir teknolojidir. Fakat birçok avantaja sahip bu teknoloji, düşük çerçeve yoğunluğu sunmaktadır. Verilerin kalitesini etkileyen bu durum, teşhis doğruluk oranının düşmesine neden olmaktadır. Bu çalışmada KID Atlas Veri kümesi 2’den elde edilen WCE endoskopi görüntüleri kullanılmış ve gatrointestinal bölgedeki inflammatory anomali, vascular anomali, polypoid anomali ve normal görüntü kategorilerinin tespiti için üç aşamalı yapay zeka destekli bir tanı süreci geliştirilmiştir. İlk aşama için 5 farklı yaklaşım kullanılarak görüntüler üzerindeki kritik noktalar belirginleştirilmiştir. İyileştirilen bu görüntüler, bölge öneri temelli bir nesne tanıma algoritması ile sınıflandırılmıştır ve kullanılan yaklaşımlara göre performans karşılaştırması yapılmıştır. İkinci aşamada, ilk aşamada maksimum performans gösteren iyileştirilmiş verilere görüntü çoğaltma tekniği uygulanmıştır. Böylece dengeli ve yeterli sayıda görüntü içeren bir veri kümesi oluşturulmuştur. Üçüncü aşamada bu güncel veri kümesi beş ayrı nesne tanıma algoritması ile sınıflandırılmıştır. Ancak her bir algoritmanın sahip olduğu bireysel başarı farklıdır. Bu nedenle her bir kategori için kararlı çıktılar elde etmek ve kategoriler arasında dengeli bir tespit süreci oluşturmak için topluluk öğrenme yaklaşımı kullanılmıştır. Son olarak inşa edilen bu hibrit yapı ile kategoriler arasında dengeli ve kararlı bir tahmin işlevi sağlanmıştır.
Keywords : Gastrointestinal anomaliler, Kablosuz kapsül endoskopi, Derin öğrenme, Topluluk öğrenme