HACI ALİ OLÇAR, AHMET SERTOL KÖKSAL, ONUR ALTINTAŞ, BÜLENT TURAN, GÖKER YURDAKUL, SATUK BUĞRAHAN YİNANÇ, GÜROL GÖKSUNGUR, BURAK ÇAKAR, MURAT KORKMAZ
Hitit Medical Journal - 2025;7(1):78-87
Amaç: Gelişimsel kalça displazisi, bebeklik döneminde ortaya çıkan yaygın bir hastalıktır. Makine öğreniminin (yapay zeka, AI) tıp alanına girmesi ile hastalıkların erken tanısını ve tedavi başarısını önemli oranda artırmaktadır. Bu çalışma, makine öğrenme tekniklerini (yapay zeka) kullanarak gelişimsel kalça displazisi tarama programında kullanılan ultrason videolarından ultrason görüntüsünün doğruluğunun belirlenmesi amaçlamaktadır. Gereç ve Yöntem: Çalışma, Lokal İkili Model (LBP) metodolojisi aracılığıyla ultrason görüntü özelliklerinin çıkarılmasını içeriyordu. Daha sonra, ’Decision Tree (DT), Random Forest (RF), K-Nearest Neighbour (KNN), Gradient Boosting (GB), Support Vector Machines (SVM), Naïve Bayes (NB), Linear Regression (LR), and Multilayer Perceptron (MLP)’ dahil olmak üzere farklı makine öğrenimi yaklaşımlarının etkinliğini değerlendirmek için ultrason görüntü veri kümesini hazırlandı. Bulgular: RF algoritması, test edilen diğer algoritmalarla karşılaştırıldığında %87,62 ile çok iyi performans göstererek en yüksek doğru görüntü oranını kaydetti. Çalışma genel olarak başarılı kabul edildi ve ortaya çıkan modelin gelişimsel kalça displazisinin erken teşhisinde faydalı olacağına inanılıyor. Sonuç: RF algoritması en yüksek doğru görüntü oranını kaydederek çok iyi bir performans sergilemektedir. Çalışma genel olarak başarılı sayıldı ve elde edilen modelin gelişimsel kalça displazisi’ nin erken teşhisinde yardımcı olacağı düşünülmektedir.
