Giriş

Bu projede U-Net tabanlı böbrek segmentasyonu ve görüntü işleme yöntemleriyle perinefrik yağ kalınlığı ve stranding otomatik ölçülmüş, MAP skoru hesaplanmıştır. Geliştirilen sistem; cerrahi planlamada hızlı, doğru ve güvenilir bir klinik karar desteği sunmaktadır.

Proje Konusu

Böbrek tümörü ameliyatlarında, ameliyat zorluğunu belirleyen MAP (Mayo Adhesive Probability) skorunun hızlı ve doğru şekilde elde edilmesi amaçlanmıştır. Bu kapsamda, böbrek çevresindeki perinefrik yağ kalınlığı ve stranding (yapışık yağ dokusu yoğunluğu) parametreleri görüntü işleme ve derin öğrenme yöntemleriyle otomatik olarak hesaplanmıştır.

Proje Detayları

Böbrek Segmentasyonu

Böbrek segmentasyonu için U-Net modeli kullanılmıştır. Böbrek Segmentasyonu

Proje kapsamında, BT (Bilgisayarlı Tomografi) görüntüleri üzerinde derin öğrenme ve görüntü işleme yöntemleri kullanılarak cerrahi planlama süreçlerini iyileştiren bir sistem geliştirilmiştir. Modelin eğitiminde kullanılan veri seti ise Radiant DICOM uygulaması üzerinden elle hazırlanmış olup toplam 473 görüntüden oluşmaktadır.

Stranding (yapışık yağ dokusu yoğunluğu) eşiğinin belirlenmesinde ise görüntü kontrastını artırmak için CLAHE yöntemi uygulanmış ve stranding hesabında otomatik eşikleme için Otsu, Yen, Triangle ve Mean gibi farklı yöntemler kıyaslanmıştır.

Stranding Hesaplama

Perinefrik yağ kalınlığının ölçümünde Z-skoruna dayalı fonksiyonlar kullanılarak bölgesel yoğunluk analizleri yapılmıştır.

Elde Edilen Sonuçlar

Yağ kalınlığı ölçümlerinde uzmanların elle yaptığı değerlendirmelerle %89 oranında uyum sağlanırken stranding skorlamasında %77 oranında örtüşme elde edilmiştir. Model Sonuçları

⚠️ Ölçümdeki sapmalar, farklı BT cihazları, tarama protokolleri ve görüntü format dönüşümlerinden kaynaklanmaktadır. Gelecekte, DICOM formatında daha fazla veri kullanılması, görüntülerin JPG yerine DICOM formatında işlenmesi gelişmiş model mimarileri (U-Net++, Attention U-Net gibi) ile segmentasyon doğruluğunun arttırılması planlanmaktadır. Geliştirilen sistem, cerrahi planlama sürecinde hızlı ve doğru karar verilmesini sağlayarak ameliyat başarısını artırmaya önemli katkılar sunmaktadır.

Bu sonuçlar, geliştirilen yöntemin klinik kullanıma yönelik umut verici bir potansiyele sahip olduğunu göstermektedir.