Erken Başlangiçli Skolyozda Tedavi Öncesi Teşhis - Süreç Planlama Asistani Ve Simülatörü Geliştirme (SMARTACT)


Creative Commons License

Demir U. (Yürütücü)

TÜBİTAK Projesi, 2022 - 2023

  • Proje Türü: TÜBİTAK Projesi
  • Başlama Tarihi: Şubat 2022
  • Bitiş Tarihi: Ocak 2023

Proje Özeti

Bu projede erken başlangıçlı skolyoz tedavisinde tüm dünyada kullanımda olan implant sistemine ait mekanik ve elektronik komplikasyonları azaltacak tedavi öncesi teşhis analiz desteği ve hastaya özgü tedavi reçetesi oluşturacak zeki bir teşhis asistanı ve simülatörü yazılımı geliştirilmesi amaçlanmaktadır. Bu kapsamda literatürde sıklıkla yaşanan problemler ve detayları EK-1'de Araştırma Sorusu veya Hipotezi Kısmında Tablo 2'de Çözüm önerileri olarak verilmiştir. Buradan özetle problemler, kök nedenleri ve çözüm önerilerine ilişkin bilgiler doğrultusunda geliştirilecek olan tedavi öncesi teşhis ve simülatör yazılımlarına ilişkin genel akış diyagramı Ek-2'de 4.Slayt Değer Önerileri kısmında verilmiştir. Burada tedavi öncesi doktor radyografi görüntülerini teşhis programına hastanın fiziksel özellik bilgileri ile birlikte giriş yapar. Ardından arka platformda çalışan omurganın matematiksel modelinin çıkarılması analitik implementasyon denklemleri üzerinden tedavi sürecine ilişkin bir reçete oluşturulur. Diğer taraftan Doktor Radyografi görüntüleri ve hastanın fiziksel özelliklerine ilişkin bilgileri simülatör tarafında da modelleyerek implant entegrasyonu ve uzatma seanslarına ilişkin bir simülasyon gerçekleştirerek hastanın ve implantın mevcut kısıtları doğrultusunda dinamik bir tedavi sürecine ilişkin bir yaklaşımı analiz edebilir. SmartACT yazılımı özelinde yapılacak çalışmalara ilişkin detaylı akış diyagramı Ek-2'de 5.Slayt ArGe Çalışmaları ve Proses Akışı kısmında verilmiştir. Burada hastaya ait veri tabanına dayalı radyografi sonuçları için CNN tabanlı bir özellik çıkarma algoritması kullanılarak hastanın omurgasına ilişkin bilgiler, bezier eğrileri kullanılarak serbestlik dereceleri tanımlanmış bir dinamik modele dönüştürülecektir. Ardından deney tasarım yöntemi ile farklı varyasyon ve kondisyonlar altında elde edilen veriler etiketlenerek bir derin öğrenme algoritması üzerinde eğitilecektir. Eğitim sonrası Doktor Radyografi sonuçlarını algoritmaya göstererek tedavi