Dinesh Jackson Samuel RAVINDRAN, Rajesh Kanna BASKARAN
Tuberculosis and Thorax - 2025;73(3):165-177
Giriş: Son derece bulaşıcı bir hastalık olan tüberküloz (TB), küresel çapta önde gelen ölüm nedenlerinden biri olmaya devam ediyor. Önerilen bilgisayar destekli TB tespit sistemi, derin öğrenme ve segmentasyon tekniklerini entegre ederek tanısal doğruluğu ve verimliliği arttırıyor. Materyal ve Metod: Sistem iki temel alt sistemden oluşur: Otomatik görüş alanı (FOV) tanıma ve TB bacilli segmentasyonu. Motorlu bir mikroskobik aşama kullanarak sistem, 100x büyütmede Ziehl-Neelsen boyalı balgam yayma görüntülerini sistematik olarak yakalar. Transfer öğrenimi olan özelleştirilmiş bir Inception V3 modeli, TB bacilli içeren FOV'ları belirleyerek değişkenliği ve manuel çabayı azaltır. Alan, çevre ve eksantriklik gibi kaba seviye eşikleme ve şekil tanımlayıcıları da dahil olmak üzere segmentasyon teknikleri, bacilli tespitini iyileştirir ve eserleri ortadan kaldırır. Bulgular: Bu çalışma, derin öğrenme ve görüntü işleme tekniklerinin tıbbi teşhisleri, özellikle de TB tespitini ilerletmedeki önemli potansiyelini vurgulamaktadır. Bu çalışma, erken TB teşhisi için güvenilir bir araç sunarak, klinik sonuçları iyileştirme ve küresel TB eradikasyon çabalarını destekleme potansiyeline sahiptir. Sonuç: Sistem, 0.9505'lik ortalama bir ROC puanı, 0.924'lük bir hassasiyet, 0.882'lik bir geri çağırma ve 0.902'lik bir F1 puanı elde ederek, özellikle kaynak kısıtlı ortamlarda TB taramasını iyileştirme potansiyelini gösterdi. Nitelikli teknisyenlere olan bağımlılığı en aza indirerek ve tanı güvenilirliğini arttırarak, bu yaklaşım etkili TB tespiti ve ciddiyet değerlendirmesi için ölçeklenebilir bir çözüm sunar.
