Türk Nöroşirürji Dergisi
2024 , Vol 34 , Num 2
SUBARAKNOID KANAMANIN ANEVRIZMAL VE ANEVRIZMAL OLMAYAN ALT TÜRLERE SINIFLANDIRILMASI
1Ümraniye Eğitim ve Araştırma Hastanesi, Beyin ve Sinir Cerrahisi Bölümü, İstanbul, Türkiye2 İstanbul Medeniyet Üniversitesi, Mühendislik Fakültesi, Bilgisayar Mühendisliği Bölümü, İstanbul, Türkiye
3Kırklareli Üniversitesi, Mühendislik Fakültesi, Bilgisayar Mühendisliği Bölümü, Kırklareli, Türkiye Amaç: Bu çalışmada, baş CT taramalarında subaraknoid kanamanın (SAK) anevrizmal ve anevrizmal olmayan alt türlere sınıflandırılmasında toplu öğrenme yöntemlerinin etkinliği değerlendirildi.
Yöntemler: 203 spontan SAK bilgisayarlı tomografi görüntüsü, dokuz farklı toplu öğrenme algoritması (XGBo- ost, CatBoost, Adaboost, GBM, LGBM, çanta yöntemi, stacking ve oylama) ile analiz edildi. Sınıflandırma perfor- mansı doğruluk, hassasiyet, geri çağırma ve f1-skoru ile değerlendirildi.
Bulgular: CatBoost algoritması en yüksek doğruluk oranını sağladı. XGBoost ve LGBM gibi boosting yöntemleri de yüksek doğruluk oranları elde etti. Oylama yöntemleri ise tutarlı ve iyi sonuçlar verdi.
Sonuç: Toplu öğrenme algoritmaları, SAK"nın anevrizmal ve anevrizmal olmayan alt türlere sınıflandırılmasında etkili araçlardır ve klinik karar süreçlerine değerli içgörüler sunabilir.
Anahtar Kelimeler : Kanama, anevrizma, dijital substraksiyon anjiyografi, görüntü işleme