MR Spektroskopi kullanılarak beyin tümörü tespitinde LSTM tabanlı derin öğrenme uygulaması

Abstract

MR Spektroskopi (MRS) beyindeki su ve yağ haricindeki metabolitlerin ölçümünün yapılabildiği, beyin tümörü tespitinde kritik öneme sahip bir görüntüleme modalitesidir. MRS sonuçlarının doğru yorumlanması ciddi bir uzmanlık gerektiren konu olup, her yerleşim yerinde bu tür tecrübeli, uzman bulunamamaktadır. Yapay zekâ ve veri madenciliğindeki gelişmelerle birlikte, bilgisayar destekli tanı (BDT) sistemlerinin tıp alanında da yaygın olarak kullanıldığı görülmektedir. Elde edilen yüksek başarılar, BDT uygulamalarının zamandan tasarruf sağlayarak tıbbi teşhis ve tedavi süreçlerini olumlu yönde etkilemektedir. BDT sistemleri tek başına tespit veya teşhis yöntemi olmasa da, sahip olduğu yüksek sınıflandırma başarısı ile uzmanlara iyi bir karar destek altyapısı oluşturabilmektedir. Derin öğrenme, klasik sınıflandırma yöntemlerine göre güncel, veriler üzerinde daha başarılı sonuçlar veren, yüksek sınıflandırma kabiliyetine sahip yapay zekâ algoritmasıdır. Bu çalışmada, Kolin (Cho), kreatin (Cr) ve N-Asetil Aspartat (Naa) metabolitlerin ölçümüne dayanan MRS verileri ile tümör tespitinde doktora yardımcı bir BDT sistemi geliştirilmesi amaçlanmıştır. Bu amaçla 49 adet beyin tümörü teşhisi konmuş, 44 adet kontrol grubu olmak üzere toplam 93 kişiden alınmış veri seti kullanılmıştır. Sınıflandırmada dizi veriler için, derin öğrenme uygulaması olan, Long Short-Term Memory (LSTM) ve karşılaştırma yapmak için dört adet klasik veri sınıflandırma yöntemi kullanılmıştır. Klasik yöntemlerden k-En Yakın Komşu (kEYK), Destek Vektör Makineleri (DVM) ve Karar Ağaçları (KA) ile elde edilen sınıflandırma başarım sonuçları %83±6,36 bulunurken, çalışmada önerilen LSTM tabanlı derin öğrenme yöntemiyle bu değer %93 olarak elde edilmiştir. Bu da derin öğrenmenin yüksek sınıflandırma başarımı göstererek, MRS verilerinin sınıflandırılmasında ilgili alandaki uzmanlara karar sürecinde yardımcı olabilecek bir BDT sisteminde kullanılabileceğini göstermektedir.