Türk Bilim İnsanları Yapay Sinir Ağıyla Dizüstü Bilgisayarda Cilt Hastalığı Taraması Geliştirdi
Houston Üniversitesi Biyomedikal Mühendisliği Bölümü’nün kurucu başkanı Prof. Dr. Metin AKAY, ciltte kalınlaşma, sertleşme ve iç organlarda tutulumla karakterize nadir bir otoimmün hastalık olan sistemik sklerozun (SSc) erken teşhisini sağlayan yeni bir derin sinir ağı mimarisinin haberini veriyor. Standart bir dizüstü bilgisayar (2.5 GHz Intel Core i7) kullanılarak uygulanması önerilen yeni yapay sinir ağı tasarımı, sağlıklı cilt ve sistemik sklerozlu cilt görüntülerini hemen ayırt edebiliyor.
John S. Dunn Endowed Biyomedikal Mühendisliği Kürsüsü Profesörü Metin Akay, “Önerilen yapay sinir ağı mimarisinin etkinliğini göstermeyi amaçlayan ön çalışmamız, sistemik sklerozun karakterizasyonunda umut vaat ediyor. Klinik bir ortamda kolayca uygulanabileceğine ve SSc için basit, ucuz ve doğru bir tarama aracı sağlayabileceğine inanıyoruz.” diyor.
Sistemik Sklerozun Erken Teşhisinde Yapay Sinir Ağı
Yapay zekada derin öğrenme (deep learning), algoritmaları kendi akıllı kararlarını verebilen katmanlar halinde (yapay sinir ağı) düzenler. IEEE Open Journal of Engineering in Medicine and Biology‘de yayınlanan çalışmadaki yapay sinir ağı, öğrenme sürecini hızlandırmak için 1.4 milyon görüntü ile ImageNet veri kümesinde önceden eğitilmiş bir mobil görüntü uygulaması olan MobileNetV2’nin parametreleri kullanılarak eğitildi. Metin Akay, sistemin görüntüleri tarayarak mevcut görüntülerden öğrendiğini ve bu şekilde hangi yeni görüntünün normal veya hastalığın erken veya geç aşamasında olduğuna karar verdiğini söyledi.
Çeşitli derin öğrenme ağları arasında, Evrişimli Sinir Ağları (Convolutional Neural Networks-CNN) mühendislik, tıp ve biyolojide yaygın olarak kullanılmaktadır. Ancak biyomedikal uygulamalardaki başarıları, mevcut eğitim setlerinin ve ağlarının boyutu nedeniyle sınırlıdır. Bu tarz sorunların üstesinden gelmek için Metin Akay ve partneri Yasemin Akay, modifiye edilmiş bir CNN mimarisi olan UNet’i ek katmanlarla birleştirerek bir mobil eğitim modülü geliştirdi.
Sonuçlar, önerilen yapay sinir ağı derin öğrenme mimarisinin, SSc görüntülerinin sınıflandırılması için CNN’lerden daha üstün ve daha iyi olduğunu gösterdi. UH biyomedikal mühendisliği öğretim üyesi Yasemin Akay, “İnce ayarlamalardan sonra, sonuçlarımız önerilen yapay sinir ağının eğitim görüntü setinde %100 doğruluğa, doğrulama görüntü setinde %96,8 doğruluğa ve test görüntü setinde %95,2’ye ulaştığını gösterdi.” dedi. Türk bilim insanları tarafından yürütülmüş bu yeni çalışma sistemik sklerozun erken teşhisi ve hastalığın ilerlemesinin kapsamının belirlenmesi yönünden tüm dünyada büyük umut vaat ediyor.
