Bilek ve Ön Kol X-Ray Görüntüleri Kullanılarak DenseNet Tabanlı Yeni Bir Anomali Tespiti Yöntemi

Abstract

X-ray görüntülerdeki anomalilerin, bilgisayar destekli tespiti büyük öneme sahiptir ve görüntü tanımanın önemli dallarından biridir. Bu çalışma, MURA (Musculoskeletal Radiographs) veri kümesinden bilek ve ön kol X-ray görüntüleri kullanılarak, paralel yapılar kullanılarak bir derin öğrenme modeli olan DenseNet'i geliştirmeyi amaçlamaktadır. Anomali tespiti için; AlexNet, DenseNet, Paralel DenseNet ve Önerilen Paralel DenseNet (ÖPDN) derin öğrenme modelleri kullanılarak, bilek ve ön kol kısmı için analiz sonuçları kıyaslanmıştır. Bilek kısmı için 1530 sağlıklı, 1523 anomali X-ray görüntüsü olmak üzere; ön kol kısmı için 1163 sağlıklı, 810 anomali X-ray görüntüsü derin öğrenme modellerinin eğitiminde kullanılmıştır. Bilek kısmı için istatiksel analiz sonucunda, test doğruluk değeri en başarılı modelin %73,86 ile ÖPDN modeli, sonraki başarılı modelin %72,11 ile AlexNet olduğu görülmüştür. Ön kol kısmı için istatiksel analiz sonucunda, test doğruluk değeri en başarılı modelin %74,07 ile ÖPDN modeli, %73,06 ile AlexNet ve Paralel DenseNet modeli olduğu görülmüştür. Kas iskelet bilek ve ön kol X-ray görüntüleri kullanılarak yapılan anomali tespitinde; DenseNet tabanlı geliştirilen ÖPDN modelinin, klasik DenseNet modele göre test doğruluk değeri açısından daha başarılı olduğu görülmüştür.

Ähnliche Arbeiten