Beyin tümörü biyopsisi için derin öğrenme tabanlı risk minimizasyonlu otomatik planlama

• Published in: Gazi Üniversitesi Mühendislik Mimarlık Fakültesi dergisi 2024-03
• Main Authors: Şahin, Mustafa, Şahin, Emrullah, Özdemir, Edanur, Talu, Fatih, Öztürk, Sait
• Format: Article
• Language: Turkish
• ISSN: 1300-1884
• DOI: 10.17341/gazimmfd.1348325

Biyopsi, tümör türünün belirlenmesi ve patolojik teşhisin konulması için kritik bir işlem olarak karşımıza çıkar. Bu süreç, özellikle tümörlü yapıdan parça alınarak gerçekleştirilen planlama ve cerrahi müdahale olmak üzere iki temel aşamayı içerir. Planlama aşamasında, MRI verisi üzerinden hastanın beynindeki anatomik noktaların işaretlemesi yapılır ve bu sürecin ortalama dört saat sürdüğü bilinmektedir. Ancak, manuel işaretlemeyle yapılan bu tür planlamaların doğruluk eksiklikleri, sübjektif varyasyonlar ve zaman alıcılığı, otomatik bir planlama aracının kritik bir ihtiyaç olduğunu göstermektedir. Bu çalışmada, MRI ve MRA verisi üzerinden tam otomatik, son teknoloji derin öğrenme mimarilerini içeren bir biyopsi planlama yöntemi önerilmektedir. Önerilen bu yöntem, biyopsi planlamasını hızlı, tutarlı ve tekrarlanabilir bir şekilde gerçekleştirmeyi amaçlamaktadır. Yöntem dört ana aşamadan oluşmaktadır: 1-) Beyinin üst kabuk bölgesinin çıkarılması, 2-) Tümör tespiti ve hedef noktasının belirlenmesi, 3-) Beyin damar ağacının bölütlenmesi, 4-) Optimum yörünge tespiti için üç aşamanın kombinasyonu ve risk hesaplanması. Bu otomatik yöntem, ITKTubeTK'deki 42 hasta verisiyle doğrulanmıştır. Ayrıca, "3D Slicer" eklentisi olarak hazırlanan bu çalışma, klinikler için ücretsiz bir bilgisayar destekli araç olarak sunulmaktadır. Araştırmanın ilerleyen aşamalarında, risk hesaplamasını daha da geliştirmek amacıyla fMRI verisinin entegrasyonu üzerine çalışılması planlanmaktadır.