Search

Skolyoz, omurganın eğrilmesi ile birlikte omurga genel yapısını deforme eden bir hastalıktır. Skolyoz tanı ve tedavi aşamasında çeşitli yöntemler olmakla birlikte, temel amaç Cobb açısı adı verilen eğrilik açısını azaltarak Skolyoz seviyesini düşürme çerçevesinde şekillenmektedir. Cobb açısı ölçümü esasında uzman tarafından, omurga röntgen filmleri üzerinde manuel olarak gerçekleştirilmektedir. Ancak bu sürecin derin öğrenme gibi bir Yapay Zeka yaklaşımıyla otomatikleştirilmesi hem hasta hem de uzman açısından büyük kolaylık ve kesinlik sağlayacaktır. Açıklamalardan hareketle bu çalışmada, öncelikli olarak Skolyoz ve derin öğrenme odaklı çalışmalar açısından literatürün güncel durumu ele alınmış, ardından Kapsül Ağları (CapsNet) tabanlı bir çözüm ile Cobb açısı ölçümlerinin otomatik bir hale getirilmesi sağlanmıştır. CapsNet çözümünün, ConvNet, BoostNet, RFR ve ResNet-50 modelleri ile karşılaştırılması neticesinde en iyi bulguları CapsNet modelinin verdiği tespit edilmiştir.

Günümüzde teknolojinin hızla ilerlemesi ile birlikte yapay zekâ yöntemleri de birçok alanda sıklıkla kullanılmaktadır. Yapay zekanın önemli kullanım alanlarından birisi de sağlık sektörüdür. Sağlık sektöründe erken teşhis, insan kaynaklı hataların minimuma indirilmesi gibi birçok durumda yapay zekâ yöntemleri kullanılmaktadır. Çalışmada açık kaynak erişimli internet sitesinden (kaggle.com) elde edilen 127710 adet EKG sinyallerine ait veri seti kullanılmıştır. Veri seti 100.710 adet eğitim, 1.500 adet veri de test ve kalan 25.000 adet veri ise doğrulama verisi olarak kullanılmıştır. Eğitim verileri için tasarlanan CNN modeli normal sinüs ritmi, supraventriküler erken atım, erken ventriküler kasılma, ventriküler ve normal atımın karışımı ve sınıflandırılamayan atım olmak üzere toplam beş sınıf için eğitilmiştir. Tasarlanan CNN modelinde hata oranı %5,3, duyarlık oranı %94,4, hassasiyet oranı %94,6, F-değeri ise %94,4 ve %94,7 doğruluk oranı olmak üzere beş farklı performans kriterine göre değerlendirilmiştir.