Derin öğrenme yöntemleri kullanılarak osteoporozun belirlenmesi

Abstract

Osteoporoz, düşük kemik mineral yoğunluğu ile karakterize edilen en yaygın kronik kemik hastalığıdır. Dual Enerji X-Işını Absorbsiyometrisi (DEXA) taraması, kemik mineral yoğunluğunu ölçmek ve osteoporoz tanısı koymak için en sık kullanılan yöntemdir. Ancak, cihazın büyüklüğü ve yüksek maliyeti gibi belirli kısıtlamaları vardır. Standart X-ışınları ve Bilgisayarlı Tomografi (BT) gibi diğer tarama yöntemleri, hastalık ortaya çıkana kadar osteoporozu belirleyemediği için teşhis amacıyla kullanılamaz. Bu çalışmada, topuk kemiğinin x-ışını görüntülerini (düz radyografiler) kullanarak osteoporoz sınıflandırması için invazif olmayan bir yöntem önerilmiştir. Evrişimsel Sinir Ağları ile Veri Arttırma teknikleri ve Transfer Öğrenme Mimarileri, sağlıklı ve osteoporotik hastaların x-ışını görüntülerini sınıflandırmak için birleştirilmiştir. Önerilen yaklaşım ile osteoporozun teşhisi yüksek doğrulukla gerçekleştirilmiştir.

Osteoporosis is the most common chronic bone disease, which is characterized by low bone mineral density. Dual Energy X-Ray Absorptiometry (DEXA) scan is the most used method for measuring bone mineral density and diagnosing osteoporosis. Unfortunately, this method has certain limitations, such as the size of the device and it's high cost. Other screening methods like standard X-rays and computed tomography (CT) can't detect osteoporosis until it's fully accrued. In this study, a non-invasive method for osteoporosis classification using X-ray images (plain radiographs) of the heel is proposed. Convolutional Neural Networks along with Data Augmentation techniques and Transfer Learning Architectures are combined to classify X-ray images of healthy and osteoporotic patients. With the proposed approach, diagnosis of osteoporosis has been achieved with high accuracy.