DERİN ÖĞRENME TEKNİKLERİ KULLANILARAK RATLARDA ÖSTRUS DÖNEMLERİNİN YOLOV5 MODELİ İLE SINIFLANDIRILMASI

Abstract

Evrişimsel Sinir Ağları tabanlı derin öğrenme teknikleri kullanılarak dişi ratlarda uterus görüntüleri kullanılarak östrus evrelerinin doğru bir şekilde sınıflandırılması amaçlanmıştır. İnsanlarda 28 günlük menstrüel döngünün, ratlarda 4-5 günde bitmesinden dolayı, özellikle kadın üreme sistemi ile ilgili çalışmalar başta olmak üzere; model organizma olarak birçok çalışmada bu hayvan türü deney hayvanı olarak tercih edilmektedir. Çalışmada, dişi ratların uterus dokusuna ait Hematoksilen Eozin ile boyalı kesitlerin, ışık mikroskobunda görüntüleri alınmıştır. Elde edilen görüntüler ile ratlardaki östrus dönemleri histolojik olarak sınıflandırılmıştır. Yapılan incelemenin ardından uterus kesitlerinden elde edilen görüntülerde ratlardaki östrus dönemlerinin sınıflandırılmasında yapay zeka tabanlı bir model önerilmiştir. Çalışmada östrus dönemi proöstrus, östrus, metöstrus ve diöstrus olmak üzere dört faz olarak sınıflandırılmaktadır. Önerilen modelde YOLOv5 algoritmasına ait YOLOv5n, YOLOv5s, YOLOv5m gibi alt modellerin sınıflandırma başarısı histolojik sonuçlar ile karşılaştırılmıştır. YOLOv5m modeli ile sınıflandırmada %98.3 oranında doğruluk,% 99 oranında kesinlik, % 98 oranında duyarlılık ve % 98 oranında F1-puan değerleri elde edilmiştir. Elde edilen sonuçlar önerilen modelin mikroskobik görüntülerin analizinde uzman patologlara ikinci bir görüş desteği sağlayacağını göstermektedir.

The aim of the present study was to accurately detect estrus phases in female rats using uterine images using deep learning techniques based on Convolutional Neural Networks. Since the 28-day menstrual cycle in humans ends in 4-5 days in rats, this animal species is preferred as a model organism in many studies, especially in studies related to the female reproductive system. In this study, images of Hematoxylin Eosin stained sections of the uterine tissue of female rats were taken under light microscope. With the images obtained, estrus periods in rats were classified histologically. After the examination, an artificial intelligence-based model was proposed for the classification of estrus periods in rats in the images obtained from uterine sections. In the study, the estrous period is classified into four phases: proestrus, estrus, metestrus and diestrus. In the proposed model, the classification success of sub-models of the YOLOv5 algorithm such as YOLOv5n, YOLOv5s, YOLOv5m were compared with histological results. With the YOLOv5m model, 98.3% accuracy, 99% precision, 98% recall and 98% F1-score values were obtained. The results show that the proposed model will provide a second opinion support to expert pathologists in the analysis of microscopic images.