Anjiyografi görüntülerinde damar daralmalarının evrişimsel sinir ağı yöntemi kullanılarak belirlenmesi

Abstract

Koroner arter hastalığı (KAH) dünya genelinde en sık görülen kalp hastalığı türüdür. Kardiyovasküler hastalıklar genellikle kalp krizi, anjina veya inmeye yol açabilecek daralmış veya tıkanmış kan damarlarını içeren koşulları ifade eder. İnvaziv koroner anjiyografi, koroner arterleri tanımlamak için standart klinik yöntemdir ve KAH teşhisinde ―altın standart‖ tır. Kalp boşluklarının ve koroner arterlerin kontrast madde verilmesi sırasında görüntülenmesi ve X-ışınları kullanılarak hareketli film çekilmesi esasına dayanır. Arterlerin görüntülenmesi sırasında hekim tarafından anjiyografinin değerlendirilmesi ile ileri inceleme ya da tedavi yönteminin ne olacağı konusunda karar verilmekte ve hasta bu konuda bilgilendirilerek gerekli girişim ve tedaviler planlanmaktadır. Bilgisayar destekli tespit sistemleri, hekimlerin karar vermesini kolaylaştırma açısından çok önemlidir. Bu tez çalışmasında, evrişimsel sinir ağı (ESA) kullanılarak anjiyografi görüntülerini analiz eden bir yöntem geliştirilmiştir. Yöntemin doğruluğunu iyileştirmek amacıyla öncelikle kalp damarları literatürde yer alan klasik yöntemler ile bölütlenmiş ve bu görüntüler üzerinden analiz yapılmıştır. Geliştirilen yöntem, açık kaynak olarak hekimler tarafından skorlanmış görüntülerin yer aldığı veri tabanlarından elde edilen vakalar üzerinde test edilmiş ve %94,84 doğruluğuna ulaşılmıştır. Coronary artery disease (CAD) is the most common type of heart disease worldwide. Cardiovascular diseases usually refer to conditions that include narrowed or blocked blood vessels that can cause heart attacks, angina or stroke. Invasive coronary angiography (ICA) is the standard clinical method for identifying coronary arteries and is currently the gold standard for CAD diagnosis. ICA is the X-ray imaging of cardiac cavities and coronary arteries using contrast agent. Computer aided detection systems are very important in terms of supporting physicians' decision making. In this thesis, a method was developed to analyze angiography images using convolutional neural network (CNN). In order to improve the accuracy of the method, cardiovascular vessels were first segmented by classical methods presented in the literature and these images were evaluated with the CNN algorithm. The developed method was tested on the cases obtained from the databases containing the images scored by the physicians as open source and 94.84% accuracy was achieved.