Derin öğrenme tekniği ile Covid 19 BT görüntülerinin tanıda kullanımı

deep learning

Derin öğrenme ( deep learning ) tekniği ile toraks BT yorumu doğru sonuç veriyor mu?

 

Hızlı tanı yöntemleri, koronavirüs hastalığı 2019 (COVID-19) gibi pandemik hastalıkların yayılmasını kontrol edebilir ve önleyebilir ve doktorların yüksek iş yükünü hafifletip hastaların tanısını daha kolay tanımlamada yardımcı olabilir.

İlk kez viral bir hastalığın tanısında radyoloji labaratuvar testlerinin önüne geçmiştir. Bununla beraber COVID-19 hastalarını teşhisinde  radyologların iş yükleri oldukça artmıştır. Yapay zeka (Deep learning tekniği) kullanılarak COVID-19 tanısı için hızlı ve geçerli bir yöntem haline getirile bilir mi? sorusunu akla getirmiştir.

Laboratuar tetkikleri ile kanıtlanmış 108 COVID-19 hastadan elde edilen 1020 BT karesi ve 86 diğer atipik ve viral pnömoni hastalıkları (COVID-19 olmayan grup) olan hasta verileri toplanarak en iyi bilinen 10 görsel derin öğrenme tekniğine sahip uygulamalara: AlexNet, VGG-16, VGG-19, SqueezeNet, GoogleNet, MobileNet-V2, ResNet-18, ResNet-50, ResNet-101 ve Xception  bu verile yüklenmiştir.

Sonuç: En iyi performans ResNet-101 ve Xception ile elde edilmiş.

COVID-19 hastalığı tanımlama duyarlılıklar:

ResNet-101: duyarlılık,% 100; özgüllük,% 99,02; doğruluk,% 99,51,

Xception: duyarlılık,% 98,04; özgüllük,% 100; doğruluk,% 99,02,

Radyologlar: duyarlılık,% 89.21; özgüllük,% 83.33; doğruluk,% 86.27.

Bu uygulamalar, COVID-19 enfeksiyonlarını teşhis etmek için yüksek duyarlılıklı bir araç olarak düşünülebilir ve radyologlara yardımcı bir araç olarak kullanılabilir.

 

Kaynak:

  1. Ardakani, A. A., Kanafi, A. R., Acharya, U. R., Khadem, N., & Mohammadi, A. (2020). Application of deep learning technique to manage COVID-19 in routine clinical practice using CT images: Results of 10 convolutional neural networks. Computers in Biology and Medicine, 103795.

 

Exit mobile version