Kulak İçi Hastalıklarının Derin Öğrenme Mimarileriyle Sınıflandırılması ve Karşılaştırılması

Authors : Furkancan Demircan, Murat Ekinci, Zafer Cömert

Pages : 75-85

Doi:10.31590/ejosat.1224070

View : 202 | Download : 209

Publication Date : 2023-08-31

Article Type : Research Paper

Abstract :Otitis media (OM), kulak zarı içerisinde oluşan akıntılı, enfeksiyonel hastalıkları tanımlamaktadır. Kulak mumu (earwax), kulak zarı içerisinde bakteri oluşumunu önleyen savunma mekanizmasının aşırı birikimi sonucunda kulakta işitme kaybı oluşmasına neden olan hastalıktır. Kulak zarı içerisinde kalsiyum birikimi sonucunda saydamlığını ve esnekliğini kaybetmesine miringoskleroz denmektedir. Bu hastalıkların tanısı Kulak Burun Boğaz (KBB) uzmanları tarafından kulak zarının otoskopla incelenmesi sonucunda koyulmaktadır ve hataya açıktır. Bu çalışmada, bu problemin çözümüne katkı sağlamak ve bir karar destek sistemi sunmak amacıyla derin öğrenme modelleriyle kulak zarı hastalıklarına ait görüntüler sınıflandırılmıştır. Veri seti olarak 4 sınıf ve 880 görüntünün bulunduğu Ear Imagery veri seti seçilmiştir. Sınıflandırma işlemi için AlexNet, ResNet50, ResNet101, ResNet50V2, ResNet101V2, InceptionV3, Xception ve InceptionResNetV2 derin öğrenme modelleri seçilmiştir. En yüksek başarı değeri %94 ile InceptionResNetV2 mimarisinden ve en hızlı sonuç 438 saniye ile AlexNet mimarisinden elde edilmiştir. Bu yaklaşımla kulak zarına ait hastalıkların potansiyel uzman hatalarından arındırılarak otonom bir sistem ile gerçekleştirilebileceği gösterilmiştir. Gelecekte klinik alanda böyle bir sistemin kullanılması; uzmanların karar verme sürecini destekleyebilir ve hataya açık olan değerlendirme sürecinin daha objektif ve tekrar edilebilir bir şekilde yönetilmesini sağlayabilir.
Keywords : Biyomedikal işaret işleme, Otitis media, Derin Öğrenme, Sınıflandırma