Akademik Veri Yönetim Sistemi
Yüzüncü Yıl Üniversitesi Fen Bilimleri Enstitüsü Dergisi, cilt.31, ss.126-140, 2026 (TRDizin)
Hidronefroz, renal pelvis ve kalikslerin idrar akışının engellenmesi sonucu genişlemesiyle karakterize olup, tedavi edilmediğinde kalıcı böbrek hasarına yol açabilen önemli bir klinik durumdur. Bu çalışmada, kontrastsız bilgisayarlı tomografi (BT) görüntüleri kullanılarak hidronefrozun varlığına yönelik ikili sınıflandırma gerçekleştirilmiş ve çok aşamalı, yapay zekâ destekli bir analiz sistemi geliştirilmiştir. Önerilen yaklaşım, derin öğrenme tabanlı DenseNet mimarisi ile CBAM ve Squeeze-and-Excitation (SE) dikkat mekanizmalarının entegrasyonu sayesinde yüksek seviyeli öznitelik çıkarımı sağlamaktadır. Elde edilen derin özellikler üzerinde SelectKBest ve Principal Component Analysis (PCA) yöntemleri kullanılarak boyut indirgeme ve özellik seçimi uygulanmış; ardından Random Forest, Lojistik Regresyon ve Gradient Boosting gibi denetimli öğrenme algoritmaları ile sınıflandırma gerçekleştirilmiştir. Model performansı accuracy, precision, recall, F1-score ve ROC AUC metrikleri ile değerlendirilmiştir. Bulgular, SelectKBest tabanlı yaklaşımın sınıf ayrımında daha yüksek başarı sağladığını ve özellikle DenseNet169 tabanlı hibrit model ile birlikte %99,79 doğruluk ve F1-skoru değerine ulaşıldığını göstermektedir. PCA yöntemi ise daha düşük ancak oldukça rekabetçi performans sunarak modelin genelleme kabiliyetine katkı sağlamıştır. Ayrıca YOLOv11 tabanlı segmentasyon modeli ile hidronefrotik bölgeler yüksek doğrulukla belirlenmiş ve geliştirilen Flask tabanlı arayüz sayesinde sistemin klinik kullanım potansiyeli ortaya konmuştur. Elde edilen sonuçlar, uygun özellik seçimi yöntemleri ve hibrit yapay zekâ mimarilerinin birlikte kullanımının, hidronefrozun otomatik teşhisinde yüksek doğruluk, güçlü genelleme ve klinik uygulanabilirlik sunduğunu göstermektedir.