Dış Kaynaklı Proje Süreçleri Yönetim Sistemi
Selver M. (Yürütücü), Barış M. , Yurt A.
Not: Proje öneri metni kapsamında kullanılan teknik terimler, “Akademik Bilim Terimleri Sözlüğü” referans alınarak (terimler.org sitesi
üzerinden) tercüme edilmiştir. Okuma kolaylığı açısından bu terimlerden sıkılıkla kullanılanlarda bazıları aşağıda sunulmuştur:
Texture analysis: Dokum analizi ~ Tissue Texture: Doku dokumu ~ Image Acquisition: Görüntü Edinimi ~ Validation: Geçerleme Reconstruction: Geriçatma ~ Texture pattern: Dokum örüntüsü ~ Tissue Intensity: Doku Hounsfield Değeri ~Performance: Başarım
Proje Özeti
Bilgisayarlı Tomografi (BT) ile görüntüleme, çok çeşitli klinik durumlar için teşhis, tedavi ve takibin önemli parçalarından birini oluşturur. BT görüntüleri, girişimsel olmayan görsel gözlemler sağlamanın yanında, ilgilenilen bölgenin boyutu ve doku dokumunun (tissue texture) nicel ölçümlerine de izin verir.
Tüm ölçüm cihazlarının olduğu gibi, BT cihazlarının da kalibre edilmesi gerekir. BT kalibrasyonu, dokuların Hounsfield değerleri (tissue intensity) ve geometrik ölçümler için yaygın olarak yapılmaktadır. Ancak, dokum öznitelikleri (texture features) gibi daha karmaşık özellikleri ölçen bilgilere ilişkin kalibrasyonun nasıl yapılması gerektiği yönündeki süreçler henüz olgunlaşma aşamasındadır. Diğer yandan Dokum Analizinin (DA) teşhis, tedavi ve takipteki önemi pek çok çalışma ile gösterilmeye devam etmektedir. Örneğin, doku heterojenliği çeşitli kanser türlerinde saldırganlık ile ilişkilidir. Heterojenliği ölçen nicel metrikler ise varolan kalibrasyon teknikleri ile işlenememektedir. Bu durum, BTDA’nın bir ölçüm aracı olarak kullanılmasını zorlaştırmaktadır. Önerilen proje, BT için bu açığı kapatmayı amaçlamaktadır.
BTDA kalibrasyonu için görüntü işleme adımlarının standardizasyonu temelli çalışmalar bulunmaktadır. Ancak literatür derlemeleri, BTDA özniteliklerinin tarayıcı (modalite), edinim (acquisition) ve geriçatma (reconstruction) parametrelerine yüksek oranda bağımlı olduğunu göstermiştir. Bu bağımlılığın kompanzasyonu için tüm parametrelerin etkisini bütünsel olarak ele alabilen veri uyarlamalı (data adaptive) bir yaklaşım gereklidir. Ayrıca, literatürdeki çalışmalar görüntü uzayındaki dokum özelliklerine (istatistiksel, morfolojik vb.) odaklanmış olup, yüksek başarıma sahip uzay-frekans tabanlı BTDA özelliklerinin kalibrasyonda kullanımına ilişkin bir çalışma yapılmamıştır.
Literatürdeki bu önemli açığa odaklanarak geliştirilecek özgün sistem (yöntem + yazılım), kaibre edilecek görüntüdeki dokum bilgisinin, referans olarak alınan başka bir görüntüdeki dokum bilgisi ve/veya üç boyutlu yazıcı ile basılan referans dokum örüntüleri kullanılarak kalibrasyonunu sağlayacak şekilde üç aşamalı olarak tasarlanacaktır:
1) İlk aşamada, ilgilenilen tıbbi dokunun, farklı ölçek ve yönelimlerdeki fırçacık baz fonksiyonlarının ağırlıklandırılmış kombinasyonu ile modellenmesi gerçekleştirilecektir. Modelleme için gerekli ağırlıklar, baz fonksiyonlarını giriş, doku görüntüsünü çıkış olarak kullanan bir destek vektör makinesinin eğitimi ile bulunacaktır. Bu işlem referans seçilen görüntü ve kalibre edilecek görüntü için ayrı ayrı yapılarak “referans ağırlıklar” ve “gerçek ağırlıklar” bulunacaktır. Aynı tıbbi doku için teorik olarak aynı olması gereken bu ağırlıklar arasındaki fark, kalibre edilecek görüntüdeki uzay- frekans bileşen farklılığına işaret edecek olup, “ağırlık farkları” olarak kaydedilecektir.
2) İkinci aşamada ise kalibre edilecek görüntünün fırçacık dönüşümü ile elde edilen Uzay Frekans Bloklarının (UFB), ilk aşamada bulunan “ağırlık farkları” kullanılarak ölçeklenmesi sayesinde, tüm çekim etkilerinin bütünsel olarak göz önüne alındğı veri uyarlamalı bir DA kalibrasyonu gerçekleştirilecektir. Ölçeklenen UFB’ler ile yapılan geriçatma (ters dönüşüm) ile kalibre edilmiş görüntü elde edilecektir. Kalibre edilmiş tıbbi görüntüden elde edilen DA öznitelikleri ile çalışan sistemlerin (radyomiks, yapay zeka vb), kalibre edilmemiş görüntülerle çalışan versiyonlarına göre daha yüksek başarıma sahip olacağı öngörülmektedir.
3) Üçüncü aşamada ise, ilk iki aşamada geliştirilen yöntem, BT çekimlerinde yer alacak ve üç boyutlu yazıcıyla basılan referans dokum örüntüleri ile prospektif olarak kullanılacaktır. Seçilen klinik durumlar için yapılan çekimlerde yer alacak olan referans dokum örüntülerinin, teorik olarak tüm BT çekimlerinde aynı görüntülenmesi gerekmektedir. Bu referans malzemelerin dokumları arasındaki fark ile belirlenecek ağırlıklar, geliştirilen yöntemin, hastadan bağımsız şekilde ve yalnızca çekim varyasyonlarının kalibrasyonu için kullanımını sağlayacaktır.
Geliştirilecek sistemin etkinliği üç farklı şekilde test edilecektir:
1) Aynı klinik problem için farklı araştırma merkezleri tarafından hazırlanmış veri kümeleri toplanacaktır. Bu veri kümelerinden bir tanesi “referans” olarak seçilecek, diğerleri “kalibre edilecek” veri olarak kullanılacaktır. Yapay zeka tekniklerinin en önemli sorunlarından biri eğitildikleri veri kümesine bağımlı olmaları ve farklı veri kümesine uygulandıklarında başarımlarıının düşmesidir. Önerilen yöntem, referans veri kümesi kullanılarak eğitilmiş yapay zeka modelinin, kalibre edilecek veri kümelerinde kullanılmasıyla test edilecektir. Kalibrasyon öncesi ve sonrası yapılacak testler ile başarımın değişimi gözlemlenecektir. Bu işlem tıbbi görüntü işlemede en çok kullanılan üç uygulama (bölütleme (segmentation), sınıflama (classification), saptama (detection)) için de gerçekleştirilecektir.
2) Proje kapsamında BTDA ölçüm hassasiyetinin kritik olduğu klinik konular hazırlanmıştır. Bu kapsamdaki hastalar PACS sisteminde araştırılarak bulunacak, uygulanan takip amaçlı BT çekimlerinin, ilk BT çekimi referans alınarak
kalibre edilmesi sağlanacaktır. Bu sayede hesaplanan BTDA özelliklerinin kalibrasyon öcesi ve sonrası değişimi incelenecek ve radyomiks/yapay zeka modellerinin ürettiği sonuca etkileri analiz edilecektir.
3) Üçüncü aşamada belirtildiği üzere, seçilen klinik problemler için yapılan ve aynı referans dokum örüntüsünü içerecek çekimler birbirlerine göre kalibre edilecektir.
Geliştirilecek yöntemin radyoloji pratiğinde kullanılabilmesi için, DICOM standardının uzantısı olan 2-Boyutlu (2B) Gri Seviye Sayısal Sunum Durumları (Gray Scale Softcopy Presentation States - 2DPR) nesnesini BTDA ölçümlerini ve kalibrasyon parametrelerini içerecek şekilde genişletilecektir. 2DPR, 2B tıbbi bir görüntünün (ve ya görüntü serisinin) ekranda nasıl görüntülenmesi gerektiğine ilişkin tüm parametreleri (örneğin örtücüler [shutters], imge üstü açıklamalar [annotations], kontrast / parlaklık değişiklikleri vb.) içerir. 2DPR’in 2B görüntüler için sunduğu yapılandırılmış görüntünün tekrarlanabilirlik (repeatability) ve gezginlik (mobility) özelliklerinin, daha kapsamlı olarak üç boyutlu BTDA için genişletilmesi ve gerekli tüm parametrelerin depolanması ile gerçekleştirilecek bu süreç sayesinde, evrensel standartlarla uyumlu bir veri tipi oluşturulacak olması tıp bilişimi literatürüne de özgün bir katkı sunacaktır.
Sonuç olarak, varolan BTDA standardizasyonu çalışmalarının ölçümler için güven aralığı tanımlama yaklaşımlarından tamamen farklı bir sistem geliştirilmiş olacaktır. Proje çıktısı sistem, kişiselleştirilmiş sağlık araştırmalarında kullanılan BTDA tekniklerini güvenilir şekilde klinik uygulamaya dönüştürmek amacıyla, yapılandırılmamış BT görüntüleme verilerini, otomatik olarak kalibre edilmiş DA nicel parametrelerine dönüştüren özgün bir yöntem ve yazılım içerecektir.