Meme Görüntülemede Yapay Zekâdan Beklentiler
Prospects from Artificial Intelligence in Breast Imaging
Arıbal ME. Meme görüntülemede yapay zekâdan beklentiler. Durur Subaşı I, Ateş HF, editörler. Tanısal Ultrasonografi-Derin Öğrenme-Yapay Zekâ. 1. Baskı. Ankara: Türkiye Klinikleri; 2022. p.66-72.
Makale Dili: TR
ÖZET
Yapay zekâ (YZ) bir bilgisayar algoritması olup insan zekâsı ilişkili olan akıl yürütme, öğrenme, adaptasyon, duyusal anlama ve etkileşim gibi süreçleri gerçekleştirme yeteneği olarak tanımlanabilir ve iç içe birbirini kapsayan farklı sistemlerin bir bütünüdür. Bunlar makine öğrenmesi, evrişimsel sinir ağları ve derin öğrenmedir. Radyolojide yapay zekâ kullanımı ile ilgili çalışmalar özellikle son 10 yılda belirgin olarak artmıştır. Özellikle meme radyolojisi yapay zekâ çalışmalarında ön planda gelen bir alandır. Bilgisayar destekli tanı (BDT) ilk kullanım alanlarından birini meme radyolojisinde bulmuş ve basit algoritmalarla 1990 lı yıllardan beri meme radyolojisinin kullanımında olmuştur. BDT ise BDTe, BDTx ve BDTt olarak sırası ile saptama, karar destek ve triaj olarak üç ana gruba ayrılmaktadır. YZ araştırmaları ve ticari kullanımı ilk olarak mamografide BDTe, yani kanser saptama amaçlı kullanımı şeklinde gelişse de meme ultrasonu için de yapay zekâ araştırmaları başlamıştır. Özellikle otomatik meme ultrasonu görüntülemesinde BDTe yani kanser saptama amaçlı ve el ile yapılan meme ultrasonunda ise BDTx yani tanı karar destek mekanizması olarak yerini bulmaya başlamıştır. El ile yapılan ultrasonda ise prob hareketinin kişiye bağımlı olması ve henüz standardize edilememesi nedeni ile BDTe sistemlerinin geliştirilmesi güçleşmektedir. Ancak gelecekte standardize prob monitorizasyonu mümkün olacağı gibi BDTe algoritmaları gerçek zamanlı olarak çalıştırılabilecektir. Buna eklenen etkin BDTx algoritmaları sayesinde meme ultrasonunun en zayıf yanı olan yüksek yanlış pozitifliği de düşürülebilecektir. YZ gelecekte meme ultrason incelemelerinde görüntünün işlenmesi ve daha iyi görüntü elde edilmesi, farklı ses hızı parametrelerinin uygulanması ve özellikle de girişimsel işlemlerde destek olacak kullanım alanlarının gelişmesine olanak vermektedir.
Anahtar Kelimeler: Ultrasonografi; yapay zekâ; meme ultrasonu
Yapay zekâ (YZ) bir bilgisayar algoritması olup insan zekâsı ilişkili olan akıl yürütme, öğrenme, adaptasyon, duyusal anlama ve etkileşim gibi süreçleri gerçekleştirme yeteneği olarak tanımlanabilir ve iç içe birbirini kapsayan farklı sistemlerin bir bütünüdür. Bunlar makine öğrenmesi, evrişimsel sinir ağları ve derin öğrenmedir. Radyolojide yapay zekâ kullanımı ile ilgili çalışmalar özellikle son 10 yılda belirgin olarak artmıştır. Özellikle meme radyolojisi yapay zekâ çalışmalarında ön planda gelen bir alandır. Bilgisayar destekli tanı (BDT) ilk kullanım alanlarından birini meme radyolojisinde bulmuş ve basit algoritmalarla 1990 lı yıllardan beri meme radyolojisinin kullanımında olmuştur. BDT ise BDTe, BDTx ve BDTt olarak sırası ile saptama, karar destek ve triaj olarak üç ana gruba ayrılmaktadır. YZ araştırmaları ve ticari kullanımı ilk olarak mamografide BDTe, yani kanser saptama amaçlı kullanımı şeklinde gelişse de meme ultrasonu için de yapay zekâ araştırmaları başlamıştır. Özellikle otomatik meme ultrasonu görüntülemesinde BDTe yani kanser saptama amaçlı ve el ile yapılan meme ultrasonunda ise BDTx yani tanı karar destek mekanizması olarak yerini bulmaya başlamıştır. El ile yapılan ultrasonda ise prob hareketinin kişiye bağımlı olması ve henüz standardize edilememesi nedeni ile BDTe sistemlerinin geliştirilmesi güçleşmektedir. Ancak gelecekte standardize prob monitorizasyonu mümkün olacağı gibi BDTe algoritmaları gerçek zamanlı olarak çalıştırılabilecektir. Buna eklenen etkin BDTx algoritmaları sayesinde meme ultrasonunun en zayıf yanı olan yüksek yanlış pozitifliği de düşürülebilecektir. YZ gelecekte meme ultrason incelemelerinde görüntünün işlenmesi ve daha iyi görüntü elde edilmesi, farklı ses hızı parametrelerinin uygulanması ve özellikle de girişimsel işlemlerde destek olacak kullanım alanlarının gelişmesine olanak vermektedir.
Anahtar Kelimeler: Ultrasonografi; yapay zekâ; meme ultrasonu
ABSTRACT
Artificial intelligence (AI) is a computer algorithm and can be defined as the ability to perform processes such as reasoning, learning, adaptation, sensory understanding, and interaction, which are related to human intelligence, and it is a whole of different subsystems. These subsystems are machine learning, convolutional neural networks, and deep learning. Studies on the use of artificial intelligence in radiology have increased significantly in the last decade. Breast radiology is a prominent field in these artificial intelligence studies. Computer-assisted diagnosis (CAD) found one of its first uses in breast radiology and has been in the use of breast radiology since the 1990s which was initiated with simple algorithms. CAD is divided into three main groups as CADe, CADx and CADt, as detection, decision support and triage respectively. Although AI research and its commercial use first developed in the form of CAD in mammography, that is, for cancer detection, several AI researches for breast ultrasound can be found in the literature. The clinical use of CADe for lesion detection in automated breast ultrasound imaging, and as a diagnostic decision support mechanism in handheld breast ultrasound is possible. In handheld breast ultrasound, on the other hand, it is difficult to develop CADe systems because the scanning with the probe is user dependent and cannot yet be standardized. However, in the future, standardized probe monitoring will be possible and CADe algorithms will be able to be run in real time. On the other hand, high false positivity is the main weakness of breast ultrasound and can be reduced with add-on effective CADx algorithms. In the future, AI will enable the development of better image processing algorithms, application of different sound velocity parameters, and will support the guidance of interventional procedures.
Keywords: Ultrasonography; artificial intellegence; breast ultrasonography
Artificial intelligence (AI) is a computer algorithm and can be defined as the ability to perform processes such as reasoning, learning, adaptation, sensory understanding, and interaction, which are related to human intelligence, and it is a whole of different subsystems. These subsystems are machine learning, convolutional neural networks, and deep learning. Studies on the use of artificial intelligence in radiology have increased significantly in the last decade. Breast radiology is a prominent field in these artificial intelligence studies. Computer-assisted diagnosis (CAD) found one of its first uses in breast radiology and has been in the use of breast radiology since the 1990s which was initiated with simple algorithms. CAD is divided into three main groups as CADe, CADx and CADt, as detection, decision support and triage respectively. Although AI research and its commercial use first developed in the form of CAD in mammography, that is, for cancer detection, several AI researches for breast ultrasound can be found in the literature. The clinical use of CADe for lesion detection in automated breast ultrasound imaging, and as a diagnostic decision support mechanism in handheld breast ultrasound is possible. In handheld breast ultrasound, on the other hand, it is difficult to develop CADe systems because the scanning with the probe is user dependent and cannot yet be standardized. However, in the future, standardized probe monitoring will be possible and CADe algorithms will be able to be run in real time. On the other hand, high false positivity is the main weakness of breast ultrasound and can be reduced with add-on effective CADx algorithms. In the future, AI will enable the development of better image processing algorithms, application of different sound velocity parameters, and will support the guidance of interventional procedures.
Keywords: Ultrasonography; artificial intellegence; breast ultrasonography
.: İşlem Listesi