Termal görüntü işleme ile diz osteoartritinin tespit edilmesi

Abstract

Osteoartrit (OA) hastalığı olan kişilerde Osteoartritin bulunduğu diz bölgesindeki sıcaklık normal kişilere göre daha yüksektir. Çalışmamızda, OA hastalığının sıcaklık özelliğinden faydalanarak termografi ile elde edilen görüntülerle hastalığın erken teşhisi üzerine bir inceleme gerçekleştirilecektir. Bu çalışmada yöntem olarak CNN, Destek Vektör Makineleri ve VGG-16 mimarisi kullanılacaktır. Çalışmamız, esnek sistem ve etkili araçlar sağladığı için teşhis sürecinde doktora yardımcı olabilecek termal görüntüleme kullanılarak bir hastalık teşhis sistemi tasarlamayı amaçlamaktadır. Önerilen sistemin tasarımında ve programlanmasında programlama dili olarak "Phyton" kullanılacaktır. Görüntüyü tasarlanan arayüz programına yüklediğimizde, teşhis düğmesine tıklayarak, program hastalığı teşhis etmek için tahminde bulunur. Termografi ile elde edilen görüntülere, söz konusu yöntemler uygulanarak hastalığı en yüksek doğrulukta tahmin edebilen yöntemi bulmak amaçlanmaktadır. Söz konusu çalışmada FLIR E45 tipi termal kamera kullanılarak farklı kişilerden toplam 998 görüntü elde edilmiştir. Bu termal görüntülerin 284'ü hasta, 714'ü ise sağlıklı görüntülerdir. Yapılan çalışmada derin öğrenme, makine öğrenme algoritmaları kütüphanelerinden faydalanılmıştır. Termografi ile alınan görüntülerdeki renk farklılığı, Osteoartrit hastalığının olup olmadığını tek başına ortaya koyamazken yukarıda zikredilen yöntemler yardımıyla bu hastalığı tespit etme imkânı sağlanmaktadır. Derin öğrenme metotlarının eğitilebilmesi için binlerce görüntü gerekmektedir. Fakat medikal ortamda böyle bir veri kümesi oluşturmak çok uzun zaman alacağından görüntü artırma metotları kullanılmıştır. Uygulanan yöntemler arasında en iyi sınıflandırma sonucuna evrişimsel sinir ağları yönteminde ve görüntü artırımı kullanılarak %90 doğruluk oranı ile ulaşılmıştır. Elde edilen sonuçlar derin öğrenme metotlarının termografik görüntülerin sınıflandırılmasında çok başarılı olduğunu ortaya koymaktadır.

In people with osteoarthritis (OA) disease, the temperature in the knee area where osteoarthritis is present is higher than in normal people. In our study, an examination will be carried out on the early diagnosis of the disease with images obtained by thermography by taking advantage of the temperature feature of OA disease. In this study, CNN, Support Vector Machines and VGG-16 architecture will be used as a method. Our study aims to design a disease diagnosis system using thermal imaging that can assist the doctor in the diagnostic process as it provides flexible system and effective tools. "Phyton" will be used as the programming language in the design and programming of the proposed system. When we load the image into the designed interface program, by clicking the diagnostic button, the program takes the guesswork out of diagnosing the disease. It is aimed to find the method that can predict the disease with the highest accuracy by applying these methods to the images obtained by thermography. In this study, a total of 998 images were obtained from different people using the FLIR E45 type thermal camera. Of these thermal images, 284 are patient images and 714 are healthy images. In the study, deep learning and machine learning algorithms libraries were used. While the color difference in the images taken with thermography cannot reveal whether there is Osteoarthritis disease on its own, it is possible to detect this disease with the help of the methods mentioned above. Thousands of images are required to train deep learning methods. However, since it would take a long time to create such a dataset in the medical environment, image enhancement methods were used. Among the applied methods, the best classification result was achieved in convolutional neural networks method and using image augmentation with 90% accuracy. The obtained results reveal that deep learning methods are very successful in classifying thermographic images.