MRI görüntülerinden lomber spinal stenozunu (LSS, kanal darlığı) hastalığının otomatik Proje Özeti
olarak tespiti ve sınıflandırması için yeni bir hibrit Açıklanabilir Yapay Zeka (AYZ) tabanlı bir model tasarladık. Görsel ve metinsel AYZ model çıktıları, sağlık uzmanlarının belirli bir teşhise yol açan temel özellikleri belirlemesine yardımcı olarak görüntüleri daha iyi anlamalarını ve yorumlamalarını sağlamaktadır.
Bu proje kapsamında, LSS lokalizasyonunu iyileştirmek için çeşitli yapay zeka detektörleri (Hızlı R-CNN, Detectron2 ve YOLOv8) kullanarak bir toplu otomatik algılama (ensemble) modeli tasarlanacaktır. Ensemble AI detektörleri ile model sınırlamalarının üstesinden gelinerek, ilgi bölgelerin (ROI'ler) lokalizasyonu için ortalama kesinliği (mAP) iyileştirmeye katkı sağlayacaktır. Bu çalışmada kullanılacak olan açıklanabilir yapay zeka yöntemi, eğitim verilerinde var olabilecek herhangi bir önyargıyı ortadan kaldırmaya yardımcı olacaktır. Bu kapsamda, çok sınıflı (Normal, Hafif, ve Şiddetli) bir senaryoda LSS'nin tahmin performansını iyileştirmek için (a) otomatik derin özellik çıkarımı için topluluk sınıflandırma stratejisi ve (b) son görüş dönüştürücü (ViT) tekniği kullanılarak bir hibrit sınıflandırma AI modeli önerilmiştir.
Önerilen Hibrit Sınıflandırma mimarisi, girdi olarak aldığı MR görüntüsündeki şüpheli bölgeyi ve ait olduğu sınıfı gösterecektir. Ayrıca hem görsel hem de metinsel açıklama çıktıları sağlayacaktır. Katılımcı hekimlerin uzmanlığı kullanılarak, önerilen derin modelin performans karşılaştırmaları sunulacaktır.

Ayrıca bu proje kapsamında, Fırat Üniversitesi hastanesindeki uzman doktorlar yardımıyla, LSS tesbiti ve sınıflandırılması amacıyla etiketlenmiş bir tıbbi veri seti oluşturacağız. Bu veri seti, MRI Axial ve Sagital görüntüleri ile radyolog metin raporlarını içecektir.