Hafif Bir Derin Öğrenme Modeli İle Bilgisayarlı Tomografi Görüntülerinden Beyin Kanaması Tespiti

Abstract

Beyin dokusu içine kan sızması durumu olarak ifade edilen beyin kanaması, acil tıbbi müdahale gerektiren nörolojik bir komplikasyondur. Bu sebeple, beyin kanamasında erken tanı, hastaların hayatta kalma şansını ve iyileşme sürecini önemli ölçüde etkiler. Beyin kanaması teşhisinde, radyologlarca yaygın olarak tercih edilen bilgisayarlı tomografi (BT) ve manyetik rezonans (MR) görüntüleri, derin öğrenme tabanlı yaklaşımlar ile analiz edilerek, beyin kanamasının varlığı ve kanamanın yeri hızlı ve etkili bir şekilde tespit edilebilir. Bu yöntemler, radyologların iş yükünü önemli ölçüde azaltabileceği gibi, kompleks vakalarda daha kesin teşhisler koyulmasına da yardımcı olabilir. Buna bağlı olarak, beyin kanaması kaynaklı ölümlerin veya bedensel işlev bozukluklarının önüne geçilebilir. Bu çalışmada, bilgisayarlı tomografi görüntüleri üzerinden beyin kanaması ve türünü yüksek doğrulukta tespit edebilen CNN tabanlı düşük boyutlu bir derin öğrenme modeli önerilmiştir. DenseNet121, MobileNet ve Inception V1 gibi popüler CNN modelleri ile yapılan karşılaştırmalı deneysel analizler, önerilen modelin, eğitim süresini önemli ölçüde kısalttığını ve daha başarılı bir performans sergilediğini göstermiştir.