Derin öğrenme teknikleri kullanılarak böbrekteki fonksiyonel doku birimlerinin segmentasyonu
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Eskişehir Osmangazi Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Yazılımı Bilim Dalı, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: Türkçe
Öğrenci: ARZU PARGAN TAPAN
Danışman: Efnan Şora Günal
Özet:
Son yıllarda böbrek hastalıkları özellikle sanayileşmiş ülkelerde giderek artmış ve
insan sağlığını olumsuz şekilde etkileyen önemli hastalıklardan biri haline gelmiştir. Bu
durum ise böbrek hastalıklarının erken teşhisi ve erken tedavi sürecini önemli kılmaktadır.
Böbreğin işlevlerinin sağlıklı olduğunu anlamada, kan ve idrar tahlilinin yanı sıra histolojik
inceleme de kullanılmaktadır. Yaygınlaşan yapay zeka teknolojileri, tıbbi görüntü
analizlerinde de sıklıkla uygulanarak başarılı sonuçlar elde edilmektedir. Yapay zeka
destekli teşhisler, hekimlere ve patologlara yorgunluk, dikkatsizlik, tecrübesizlik kaynaklı
olası hatalardan kaçınma imkanı sağlamaktadır. Hastalık teşhislerinde başarım oranlarını
arttırarak, toplum sağlığına ve erken tedaviye katkı sunmaktadır.
Böbrek hastalıklarının teşhisinde segmentasyon kritik bir süreçtir. Bu çalışma ile,
temelinde yapay sinir ağları olan derin öğrenme yöntemleri kullanılarak böbrek
görüntülerinde filtreleme işlevinin yerine getirilmesini sağlayan glomerüllerin
segmentasyonu gerçekleştirilmiştir. Ulusal Sağlık Enstitüleri‟nin desteğiyle İnsan
BiyoMoleküler Atlas Programı tarafından oluşturulan HuBMAP böbrek veri seti üzerinde
çalışmalar yapılmıştır. Çalışmada biyomedikal görüntülerde segmentasyon başarı oranı
yüksek olduğu için U-Net ile SegNet derin öğrenme mimarileri kullanılmıştır ve farklı
parametreler ile performansları incelenerek, karşılaştırılmalı sonuçlar verilmiştir.
Önerilen modellerin performans karşılaştırılmasında, F1 skor değerleri, U-Net için en
yüksek %89,70, SegNet için %92,74 olarak alınmıştır. Ayrıca RGB (ing. red green blue)
renk uzayından farklı olarak, HSV (ing. hue saturation value) ve YUV (ing. luminance
chrominance1 chrominance2) renk uzaylarında kullanılan görüntülerin segmentasyon
başarısına olumlu etkisinin olmadığı sonucuna varılmıştır. Alınan sonuçlara göre kullanılan
yöntemler, glomerül segmentasyonunda güvenilir sonuçlar verdiği için tercih edilebilir.