- Medical Records
- Vol: 4 Issue: 3
- Investigation of Usability of Artificial Intelligence Semantic Video Processing Methods in Medicine
Investigation of Usability of Artificial Intelligence Semantic Video Processing Methods in Medicine
Authors : Hasan Ucuzal, Zeynep Küçükakçali, Emek Güldoğan
Pages : 297-303
Doi:10.37990/medr.1093272
View : 20 | Download : 5
Publication Date : 2022-09-22
Article Type : Research
Abstract :Giriş: Bu çalışmada endoskopik görüntülerde yer alan poliplerin tespiti, tanımlanması, sınıflandırılması ve takibi için uygun video/görüntü işleme teknikleri ve CNN mimarisi kullanılarak sağlık profesyonelleri için kullanıcı dostu bir yazılımın geliştirilerek sunulması amaçlanmıştır. Material ve Methot: Çalışmada yer alan veri seti 345 görüntü içermekte olup görüntüler anatomik olarak bilinen dönüm noktaları, patolojik bulgular veya sindirim sistemindeki gastrointestinal prosedürler gibi her sınıf için yüzlerce görüntüden oluşmakta ve çeşitli tıp doktorları (deneyimli endoskopistler) tarafından açıklanmış ve doğrulanmıştır. Görseller araştırmalarda ve eğitimlerde kullanılmak amacıyla açık kaynak olan https://datasets.simula.no/kvasir adresinden alınmıştır. Modelleme esnasında Dlib kütüphanesinde yer alan derin sinir ağı mimarilerinden olan CNN ve Max-Margin nesne algılama yöntemi (MMOD) kullanılarak modellemeler yapılmıştır. Veri seti basit çapraz geçerlilik yöntemi (hold-out) kullanılarak %80’i eğitim, %20’si test veri seti olacak şekilde ayrıştırılmıştır. Model performansının değerlendirilmesinde ise kesinlik, duyarlılık, F1-skor, ortalama kesinlik (average precision, AP), ortalama kesinlik değerlerinin ortalaması (mean average precision, mAP), kesiştirilmiş bölgeler ölçütleri (intersection over union, IoU), en uygun konumlandırma kesinliği ve duyarlılığı (optimal localization recall precision, oLRP), ortalama en uygun LRP (Mean Optimal LRP, moLRP) kullanılmıştır. Bulgular: Mevcut çalışmada endoskopik poliplerin açık erişimli video görüntü veri kümesi üzerinde daha önce açıklanan adımlar gerçekleştirildiğinde, eğitim veri kümesinde incelenen tüm performans metrikleri 1 değerini alırken, test veri kümesinde kesinlik, duyarlılık, F1-skoru , AP, mAP, oLRP ve moLRP sırasıyla %98, %90, %94, %89, %89, %48 ve %48 idi. Sonuç: Çalışmada sonucunda elde edilen performans metriklerine ait değerler dikkate alındığında, önerilen sistemin gastrointestinal poliplerin tanısında başarılı tahmin sonuçları verdiği belirlenmiştir.Keywords : Object recognition, deep learning, decision support system, gastrointestinal polyps, convolutional neural networks