Comparison of Deep Learning Models in Carotid Artery Intima-Media Thickness Ultrasound Images: CAIMTUSNet

Authors : Serkan SAVAŞ, Nurettin TOPALOĞLU, Ömer KAZCI, Pınar KOŞAR

Pages : 1-12

Doi:10.17671/gazibtd.804617

View : 15 | Download : 8

Publication Date : 2022-01-31

Article Type : Research Paper

Abstract :Derin öğrenme, iki veya daha fazla gizli katman içeren çok katmanlı sinir ağları olan derin sinir ağlarını kullanan bir makine öğrenimi tekniğidir. Son yıllarda tıpta makine öğrenimi problemlerini çözmek için derin öğrenme algoritmaları da kullanılmaktadır. Karotis arter hastalığı, felçle sonuçlanabilen bir tür kardiyovasküler hastalıktır. İnme erken teşhis edilmezse, sakatlayıcı hastalıklar arasında ilk sırada, kanser ve kalp hastalıklarından sonra en sık ölüm nedeni olarak üçüncü sırada yer almaktadır. Bu çalışmada, derin öğrenme mimarilerinin biyomedikal alandaki sınıflandırma performansları karşılaştırılmış ve Karotis Arter (KA) Intima Media Thickness (IMT) Ultrason (US) görüntüleri kullanılmıştır. Erken teşhis için, ImageNet yarışmasında başarılı sonuçlar alan AlexNet, ZFNet, VGGNet (16-19) ve karşılaştırma için yazarların özgün CNNcc modelleri kullanılmıştır. 153 hastadan 501 US görüntüsünü içeren bir KA-IMT-US görüntü veritabanı, modellerin sınıflandırma performanslarını test etmek için kullanılmıştır. AlexNet, ZFNet, VGG16, VGG19 ve CNNcc modellerinin sırasıyla %91,%89.1, %93, %90 ve %89.1 oranlarına ulaştığı görülmüştür. CNNcc modelinin, farklı performans göstergeleri de hesaba katıldığında KAIMTUS görüntüleri üzerinde başarılı sınıflandırma sonuçları ürettiği bulunmuştur. Ayrıca çalışmada karışıklık matrislerini de içeren farklı performans göstergeleri incelenmiş ve sonuçlar açıklanmıştır. Sonuçlar, derin mimarilerin biyomedikal alanda ümit verici olduğunu ve biyomedikal görüntülerde uygun sınıflandırma sağlayabileceğini göstermiştir ki bu, kliniklerin hastalıkları erken teşhis etmesine yardımcı olabilir.
Keywords : Derin öğrenme, karotis arter, görüntü işleme, Karotis arter, intima media kalınlığı, evrişimli sinir ağları, makine öğrenmesi