Dış Kaynaklı Proje Süreçleri Yönetim Sistemi
Argunsah H. (Danışman (Yürütücü Gerçek Kişi Olan Projede))
Proje, diz OA’nın mevcut şiddetini belirlemek amacıyla derin öğrenme algoritmalarını kullanarak bir karar destek sistemi geliştirmeyi hedeflemektedir. Geleneksel olarak diz OA teşhisinde kullanılan yöntemler hasta semptom bilgilerinin, X-ray görüntüleriyle birlikte subjektif değerlendirilmesine dayanırken, bu proje biyomekanik veriyi işleyerek teşhisin noninvaziv bir yöntem olan yürüme analizi yoluyla objektif bir şekilde konulmasına odaklanmaktadır. Bir önceki bölümde, diz OA derecelendirmesi için kullanılan X-ray görüntülerinden yapılacak tespitlerin subjektif değerlendirmeler içerebileceği ve bu değerlendirmenin zaman zaman değişkenlik gösterebileceği vurgulanmıştı. Bununla birlikte, mevcut literatür ve klinik uygulamalar göz önüne alındığında, X-ray görüntülerinin ve 4 sınıflı KL seviyelendirme sisteminin halen diz OA şiddetinin değerlendirilmesinde 'altın standart' olarak kabul edildiği gerçeğini de belirtmek durumundayız.
Bu projede asıl amacımız, X-ray görüntüleriyle elde edilen derecelendirme sonuçlarını modelin eğitimi için referans olarak kullanmak ve modelin performansını bu mevcut klinik standarda göre değerlendirmektir. Ancak önerimizde vurguladığımız yenilik, subjektif değerlendirme ihtiyacını en aza indirgemek ve diz OA şiddetinin daha objektif, tekrarlanabilir ve hızlı bir şekilde sınıflandırılmasını sağlamaktır. Bu nedenle modelimizin amacı, doğrudan X-ray görüntülerine dayalı derecelendirmenin yerine geçmek değil, öncelikle otomatik bir ek karar destek sistemi olarak konumlanıp, bu değerlendirmeyi daha güvenilir bir hale getirmektir. Bu yaklaşım, özellikle klinik pratiği desteklemek ve uzmanlar arasındaki değerlendirme tutarsızlığını en aza indirerek karar verme süreçlerini iyileştirmek için tasarlanmıştır. Modelin X-ray görüntülerine dayalı derecelendirme sistemine göre eğitimi, mevcut standartların korunmasını sağlarken, nihai hedefimiz klinik karar destek sistemlerine katkıda bulunmaktır.
Literatürde X-ray görüntüleri ile diz OA şiddet seviyesi tahminine odaklanan birçok çalışma mevcutken, yürüme analizi verilerini kullanarak tahmin edilmesine yönelik çalışmalar oldukça sınırlıdır. Bu bağlamda, projenin bilimsel yeniliği, yürüme analizine dayalı klinik verilerin derin öğrenme algoritmaları ile işlenmesi ve diz OA’nın mevcut şiddetinin risk içermeyen metodlarla daha hassas ve objektif bir yöntemle belirlenmesi üzerine kuruludur. Mevcut literatürden farklı olarak kullanılacak olan yürüyüş verisi toplama cihazı ve derin öğrenme yöntemi ile önerdiğimiz sistemi geliştirmeyi planlamaktayız.