Abstract:
Çalışma kapsamında alt ekstremite periferik vasküler yapıların kızılötesi termal görüntüleme ve yapay zekâ algoritmaları üzerinden değerlendirilmesi ile hastalık tespiti yapılması ve profesyonel sporcuların antrenman performanslarının izlenerek antrenman programlarının, bu veriler ışığında organize edilebilmesi hedeflenmektedir. 11 sporcu, 10 sağlıklı, 10 kardiyovasküler risk taşıyan ve 6 hasta olmak üzere 37 bireye ait termogram verileri microbolometer sensörlü kızılötesi termal kamera vasıtasıyla kaydedilmiştir. Efor (10 dakika, 6 km/saat) öncesi ve sonrası veriler sıcaklık kontrollü bir ortamda alınmıştır. Analiz aşamasında, normalize termal görüntülerden Haralick doku öznitelikleri ve istatistiksel özellikler çıkartılmıştır. Özelliklerden kontrast, homojenlik, ortalama, standart sapma ve varyans değerleri, gruplar arasında istatistiksel olarak anlamlı bir farklılık göstermiştir. Haralick doku öznitelikleri kübik tipli destek vektör makineleri algoritması ile eğitilmiştir ve eğitim sonucunda %98.7 başarı oranı elde edilmiştir. Sıcak bölge dağılım görüntüleri normalize edilerek konvolüsyonel sinir ağı modeli ile eğitilmiştir ve eğitim sonrasında %95.7 başarı oranı elde edilmiştir. Sıcaklık değişim frekans bilgileri kosinüs tipli K-en yakın komşu algoritması ile eğitilmiştir. Eğitim sonrası sınıflandırıcının başarı oranı %80 olarak elde edilmiştir. Eğitilen üç modelin çıktıları, son aşamada ileri beslemeli yapay sinir ağı modelinin girdi katmanını oluşturmaktadır. Test sonucunda yapay sinir ağı modeli %99.1 oranında başarı göstermiştir. Önerilen sistemin toplam başarı oranı %90.6 olarak elde edilmiştir. Efora bağlı sıcaklık artışı en yüksek sporcu grupta gözlenirken, en düşük hasta grupta gözlenmiştir. Sıcaklık farkının oluşmasındaki temel sebep alt ekstremite bölgesine taşınan kan miktarının gruplar arasında farklılık göstermiş olmasıdır. Efor öncesi ya da efor sonrası ortalama sıcaklık değerleri yalnız başlarına incelendiği zaman, gruplar arasında anlam bir farklılık göstermediği tespit edilmiştir.
