Başak ÜNVERDİ, Mehmet Akif ÖZDEMİR, Aytuğ ONAN, Elif Aylin Yüce YÖRÜK, Türker ACAR
Ege Tıp Dergisi - 2026;65(1):107-113
Amaç: Bu çalışmanın amacı, prostat Manyetik Rezonans Görüntüleme (MRG) cihazında prostat bezini, geçiş bölgesini (TZ) ve periferik bölgeyi (PZ) U-net tabanlı bir evrişimsel sinir ağı (CNN) kullanarak otomatik olarak segmentlere ayırmaktır. Gereç ve Yöntem: Bu retrospektif çalışmaya, Ocak ve Aralık 2020 tarihleri arasında 1,5T MR cihazıyla taramadan geçen toplam 100 hasta dahil edilmiştir. Elde edilen görüntüler, kıdemli bir radyoloji asistanı tarafından değerlendirilmiş ve MedSeg.ai platformu kullanılarak nifti formatına dönüştürülmüştür. Prostat ve TZ maskeleri manuel olarak izlenirken, kalan alan (PZ), prostat maskesinden TZ maskesi çıkarılarak otomatik olarak segmentlere ayrılmıştır. 7 derinlik katmanına sahip U-net tabanlı bir CNN algoritması geliştirilmiştir. Algoritmanın eğitimi için 80 hastadan alınan veriler kullanılmış ve 10 hasta doğrulama için rastgele seçilmiştir. Kalan 20 hastadan alınan veriler ise test için kullanılmıştır. Test setine uygulanan değerlendirme metrikleri arasında doğruluk, ortalama ve ortanca Dice Benzerlik Katsayısı (DSC), ortalama Hausdorff Mesafesi (HSD), Ortalama Yüzey Mesafesi (MSD) ve ortalama Bağıl Mutlak Hacim (RAV) yer aldı. Bulgular: Prostat bezi, TZ ve PZ segmentasyonu için sırasıyla 0,91 +/- 0,03, 0,87 +/- 0,06, 0,70 +/- 0,16 ortalama DSC ve 0,92, 0,90, 0,75 ortanca DSC elde edildi. Söz konusu yapıların segmentasyonu için ortalama HSD 8,58, 9,52, 18,78, MSD 0,92, 0,84, 1,30 ve ortalama RAV 3,51, 9,87 ve 70,57 olarak bulundu. Sonuç: Geliştirilen U-net algoritması, prostat ve TZ segmentasyonunda önceki çalışmalara göre daha iyi performans göstermiştir. PZ segmentasyonunun başarı oranı daha düşük olsa da, bu durum derin öğrenmedeki en son yöntemlerin de gösterdiği gibi çeşitli faktörlere bağlanabilir. Bu çalışma, yapay zekanın prostat segmentasyonunun otomasyonunda oynadığı hayati rolü vurgulamaktadır.
