Spor tıbbı, sporcuların yaralanmalarını tedavi etmek, antrenmanlarını izlemek ve iyileşme süreçlerini sağlamak amacıyla çeşitli yöntemler ve görüntüleme teknikleri kullanır. Termografi, son yıllarda spor yaralanmalarının incelenmesinde popülerlik kazanmış bir görüntüleme yöntemidir. Bu çalışmada, profesyonel futbolcuların alt ekstremite termal görüntülerini kullanarak, U-Net, PSPNet, Linknet ve FPN derin öğrenme modellerinin performansları değerlendirilmiştir.
Veri Seti ve Yöntem:
Çalışmada, Türk Süper Lig'deki profesyonel futbolculardan alınan alt ekstremite termal görüntüleri kullanılmıştır. Dokuz farklı kas grubu belirlenmiş ve bu bölgeler etiketlenmiştir. Eğitim için 200, doğrulama için 100 ve test için 20 görüntü kullanılmıştır. Görüntüler 448×336 piksel boyutundadır ve veri artırma işlemleri "Albumentations" aracı ile yapılmıştır.
Segmentasyon Modelleri:
Segmentasyon için U-Net, PSPNet, Linknet ve FPN modelleri kullanılmıştır. U-Net, tıbbi görüntü segmentasyonu için yaygın olarak kullanılan bir evrişimsel sinir ağıdır. PSPNet, farklı ölçeklerdeki nesneleri doğru bir şekilde sınıflandırmak ve segment etmek için tasarlanmış bir modeldir. Linknet, hızlı ve hassas segmentasyon sonuçları elde etmek için geliştirilen bir modeldir. FPN, farklı ölçeklerdeki nesneleri etkili bir şekilde tespit ve sınıflandırmak için kullanılan bir modeldir.
Bulgular:
Bu çalışmada, her bir modelin performansı 9 ayrı kas grubu için değerlendirilmiştir. İşte bulgular:
Sonuç:
Bu çalışma, derin öğrenme modellerinin termal görüntülerde alt ekstremite kaslarını başarılı bir şekilde segment edebildiğini göstermektedir. U-Net ve FPN modelleri, segmentasyon işlemlerinde en yüksek doğruluğu sağlamıştır. Bu modeller, spor tıbbında yaralanma analizi ve değerlendirmesinde önemli bir araç olarak kullanılabilir.
