Bilgisayarlı Tomografi Görüntülerinde Parotis Bezinin Derin Öğrenme Tabanlı Otomatik Segmentasyonu

Amaç

Bu çalışmanın amacı, baş ve boyun bilgisayarlı tomografi (BT) görüntülerinde parotis bezinin otomatik segmentasyonu için U-Net mimarisine dayalı bir algoritma geliştirmek ve modelin performansını değerlendirmektir.

Yöntemler

• Çalışma Tasarımı: Toplam 30 anonimleştirilmiş BT hacmi kullanılarak, parotis bezlerine ait 931 aksiyel görüntü elde edildi.
• Zemin Gerçekliği Etiketleme: Etiketleme, CranioCatch Annotation Tool kullanılarak iki ağız ve çene cerrahisi radyologu tarafından yapıldı.
• Görüntü İşleme: Görüntüler 512 × 512 piksel boyutuna yeniden boyutlandırıldı ve eğitim (yüzde 80), doğrulama (yüzde 10) ve test (yüzde 10) alt gruplarına ayrıldı.
• Model Geliştirme: U-Net mimarisini kullanan derin evrişimsel sinir ağı modeli geliştirildi.
• Değerlendirme Ölçütleri: Performans, F1 skoru, hassasiyet, duyarlılık ve Eğri Altında Kalan Alan (AUC) istatistikleri kullanılarak değerlendirildi. Başarılı segmentasyon, zemin gerçekliği ile piksellerin yüzde 50'sinden fazlasının kesişmesi olarak belirlendi.

Sonuçlar

• Performans Ölçütleri: AI modelinin aksiyel BT dilimlerindeki parotis bezlerini segmentasyonda F1 skoru, hassasiyet ve duyarlılığı 1 olarak bulunmuştur.
• AUC Değeri: AUC değeri 0.96 olarak hesaplanmıştır. Bu sonuç, derin öğrenmeye dayalı AI modellerinin aksiyel BT görüntülerinde parotis bezini otomatik olarak segment edebileceğini göstermektedir.