Sefa SÖNMEZ, Ömer Faruk NASİP, Ahmet DEPRELİ, Merve Nur ÖZGEN SÖNMEZ, Bekir DİNÇER
Bozok Tıp Dergisi - 2026;16(3):384-392
Amaç: Bu çalışmanın amacı, kalp fotoğrafları üzerinden kardiyovasküler patoloji varlığını derin öğrenme algoritmaları ile otomatik ve güvenilir biçimde tahmin etmektir. Ayrıca farklı derin öğrenme modellerinin tanısal performanslarını karşılaştırmaktır. Gereç ve Yöntemler: Bu prospektif çalışma, Adli Tıp Kurumu Eğitim ve Bilimsel Araştırma Komisyonu ve Tokat Gaziosmanpaşa Üniversitesi Girişimsel Olmayan Bilimsel Araştırmalar Etik Kurulu onayı alınarak yürütüldü. Otopsi sırasında kalpleri çıkarılan toplam 218 (110 erkek, 108 kadın) olgu çalışmaya dahil edildi. Her bir olguya ait kalp görüntüleri profesyonel bir kamera kullanılarak elde edildi. Derin öğrenme analizlerinde kullanılmak üzere veri artırma teknikleri uygulanarak her görüntüden altı varyasyon oluşturulmuş ve toplam 1.308 kalp fotoğrafı ile veri seti oluşturuldu. Kalpler makroskobik ve mikroskobik olarak ayrıntılı bir şekilde incelendi. Kardiyovasküler patoloji saptanan olgular "hasta" grubu, herhangi bir kardiyovasküler patolojisi olmayan olgular ise "kontrol" grubu olarak sınıflandırıldı. Kalp fotoğraflarından kalp dokusuna ait morfolojik görüntüler otomatik olarak çıkarıldı. Bu özellikler üzerinden kardiyovasküler patoloji varlığının sınıflandırılması derin öğrenme tabanlı modeller aracılığıyla değerlendirildi. Bulgular: Hasta ve kontrol gruplarına ait kalp fotoğraflarının sınıflandırılmasında en yüksek başarı oranı (%88,38) DenseNet201 modeli ile elde edildi. Hasta grubuna ait 654 fotoğrafın 569'u doğru şekilde "hasta" olarak sınıflandırılırken, 85 fotoğraf yanlış olarak "kontrol" grubunda tahmin edildi. Sonuç: Derin öğrenme modelleri kullanılarak, herhangi bir morfometrik ölçüm gerekmeksizin kalbin doğrudan morfolojik dokusu üzerinden çekilen fotoğraflardan kardiyovasküler patoloji varlığının tahmin edilebildiğini gösterdi. Bu yaklaşımın adli raporlama süreçlerine katkı sağlayacağı kanaatindeyiz.
