Kumulus-Oosit Kompleksinin Derin Öğrenme Yöntemiyle Sınıflandırılması
Proje no. 23077 · Durum: Kapanmış · 2021
Özet
Yapay zekânın (YZ) günümüzde en çok kullanılan alt çalışma alanlarından birisi makine öğrenmesidir. Makine öğrenmesi, bir makinenin katı kurallar yerine büyük veri kümeleri ile öğrenmesini sağlamaktadır. Derin öğrenme, makine öğrenmesinin bir alt çalışma alanı olup gelişmiş yapay sinir ağlarından oluşmaktadır. İnfertilitenin tedavisinde en yaygın kullanılan tedavi yöntemlerinden biri in vitro fertilizasyon (IVF) yöntemidir. IVF işlemlerinde kullanılan kaliteli oositlerin seçimi mikroskobik olarak belirlenmiş morfolojik özelliklere dayanmaktadır. Bu amaçla en çok kullanılan parametrelerden biri Kumulus Oosit Kompleksinin (KOK) morfolojik özelliklerine göre sınıflandırılmasıdır. Ancak tüm morfolojik kriterler özneldir ve değerlendirme büyük ölçüde subjektif, nicelikten yoksun ve gözlemcinin deneyimine bağlıdır. Bu durum insan kaynaklı hataların oluşumuna ve IVF başarı oranlarının düşmesine neden olmaktadır. IVF başarısının arttırılmasında derin öğrenme yönteminin yararlı olabileceğini düşünmekteyiz. Bu çalışmada araştırma ekibimizde yer alan embriyologlar tarafından geleneksel yöntemle sınıflandırılması yapılacak olan yüzlerce inek KOK'larına ait görüntülerden veri seti oluşturularak derin öğrenme yöntemiyle yapay sinir ağının eğitilmesi ve takiben yine geleneksel yöntemlerle sınıflandırılması yapılacak olan inek KOK'lardan oluşturulan başka bir veri seti üzerinden sistemin performansının test edilip raporlanması, bu doğrultuda optimizasyon çalışmalarının yapılması amaçlanmaktadır. Kullanılacak YZ teknolojisinde izlenecek yöntemler; Görüntülere dayalı veri setlerinin hazırlanması, depolanan bu verilerin Colabeler isimli yazılım aracılığıyla işaretlenmesi ve veri olarak aktarılması ve evrişimsel sinir ağının oluşturulması, evrişimsel sinir ağının eğitilmesi ile Python kodlama dili aracılığı ile elde edilen verilerin sınıflandırılması ve istatistiksel değerlendirilmesi basamaklarından oluşacaktır. Bu çalışma bu konuda yapılacak ilk çalışma olma özelliğine sahip olup, çalışmadan elde edilecek sonuçlar literatürdeki eksikliğin giderilmesine katkı sunacak, YZ teknolojilerinin üreme biyolojisi alanındaki etkinliğinin artmasında farkındalık yaratacak ve ilerleyen yıllarda yapılacak olan çalışmalara ışık tutacaktır.<br />