GÖRÜNTÜ İŞLEME TABANLI ARTIK AĞLARLA DİZ OSTEOARTRİTİ TESPİTİ: SINIF TABANLI ÖZELLİK SEÇİMİ VE FÜZYONU

Abstract

Diz osteoartriti, eklem kıkırdak yapısının zamanla bozulması sonucunda ortaya çıkan, ağrı, hareket kısıtlılığı ve yaşam kalitesinde belirgin düşüşe yol açan kronik bir eklem hastalığıdır. Hastalığın şiddeti, klinik çalışmalarda yaygın olarak kullanılan Kellgren–Lawrence derecelendirme sistemiyle (0: normal, 1–4: artan şiddet düzeyleri) değerlendirilmektedir. Son yıllarda yapay zekâ ve derin öğrenme tabanlı yaklaşımlar, diz osteoartritinin erken ve doğru tanısında önemli başarılar göstermiştir. Bu çalışmada, diz osteoartriti şiddetinin sınıflandırılmasına yönelik ön işlem, model eğitimi, son işlem ve sınıflandırma olmak üzere dört aşamadan oluşan hibrit bir yöntem önerilmiştir. Ön işlem aşamasında orijinal X-ışını görüntüleri LBP ve Grad-CAM teknikleriyle işlenmiş ve üç ayrı veri kümesi elde edilmiştir. Model eğitimi aşamasında bu veri kümeleri ResNet-18 modeliyle eğitilerek her bir veri kümesi için sınıf tabanlı özellik setleri elde edilmiştir. Son işlem aşamasında elde edilen bu özellik setleri özellik füzyonu yöntemiyle birleştirilmiş ve performansları SVM yöntemiyle analiz edilmiştir. En iyi başarı gösteren özellik seti için mRMR ve Relief özellik seçim algoritmaları ayrı ayrı uygulanmış, her birinden seçilen 10 özelliğin içerisinden tekrar eden özellikler çıkarılarak 13 özellikli nihai özellik seti elde edilmiştir. Sınıflandırma aşamasında nihai özellik seti, SVM algoritmasıyla sınıflandırılmış ve %99,8 doğruluk oranına ulaşılmıştır.