Khalid Hani ABUSHAHLA, Halil ARSLAN
Tuberculosis and Thorax - 2026;74(2):84-97
Giriş: Göğüs radyografilerinde akciğer alanlarının doğru segmentasyonu, pulmoner hastalıkların güvenilir bilgisayar destekli tanısı için kritik öneme sahiptir. Bu çalışma, temel, hafif ve dikkat tabanlı U-Net mimarilerini sistematik olarak karşılaştırmayı ve segmentasyon performansı ile anatomik odaklanmayı değerlendirmek amacıyla açıklanabilir yapay zeka (AI) yaklaşımlarını entegre etmeyi amaçlamaktadır. Materyal ve Metod: Bu çalışmada, göğüs röntgen Masks and Labels veri seti kullanılarak üç U-Net varyantının-temel U-Net, dikkat tabanlı U-Net ve hafif U-Net-karşılaştırmalı değerlendirmesi yapılmıştır. Tüm modeller aynı eğitim koşulları altında, beş katlı çapraz doğrulama ile eğitilmiş ve doğruluk, Birleşim üzerinden kesişim (IoU) ve Dice katsayısı metrikleriyle değerlendirilmiştir. Ağların dikkat odaklarını görselleştirmek ve aktivasyonların anatomik olarak akciğer bölgeleri içinde yer alıp almadığını incelemek amacıyla Gradyan ağırlıklı sınıf aktivasyon haritalaması (Grad-CAM) uygulanmıştır. Tüm mimariler TensorFlow ortamında gerçekleştirilmiştir. Bulgular: U-Net ve dikkat tabanlı U-Net en yüksek segmentasyon performansını göstermiştir (Dice ? 0,97, IoU ? 0,94). Grad-CAM aktivasyonlarının tutarlı biçimde akciğer alanlarına lokalize olması, güvenilir anatomik odaklanmaya işaret etmektedir. Hafif U-Net ise biraz daha düşük doğruluk değerleri sergilemiştir (Dice= 0,96, IoU= 0,92); buna karşın daha hızlı çıkarım süresi ve parankimal iç yapılara daha geniş duyarlılık göstermiştir. Bu özellikler, gelecekte hastalık odaklı görüntüleme uygulamalarını destekleyebilir. Sonuç: Bu çalışma, U-Net varyantları arasında segmentasyon doğruluğu, hesaplama verimliliği ve model yorumlanabilirliği arasındaki ödünleşimleri ortaya koymaktadır. Nicel karşılaştırmaların açıklanabilir yapay zekâ temelli analizlerle birleştirilmesi sayesinde elde edilen bulgular, göğüs radyografisi analizinde güvenilir yapay zekâ araçlarının geliştirilmesine yönelik önemli performans içgörüleri sunmaktadır.
