Doğum Sırasındaki Maternal-Fetal Ultrasono Video Veri Seti: Uçtan Uca Doğum Biyometrisi ve Çok Görevli Öğrenme

Doğum ilerlemesini ölçmenin önemi

Bir bebek doğarken, doktorlar ve ebesi doğumun nasıl ilerlediğini ve anne ile bebeğin güvende olup olmadığını sürekli değerlendirmek zorundadır. Bugün bu değerlendirmeler büyük ölçüde bulanık ultrason görüntülerini gerçek zamanlı olarak okumadaki uzmanlığa dayanır. Bu durum yıllarca eğitim gerektirir ve yine de yavaş ve öznel olabilir. Bu makale, doğum sırasında çekilmiş kısa ultrason videolarından oluşan, uzmanlar tarafından titizlikle etiketlenmiş yeni bir halka açık koleksiyonu tanıtıyor; amaç araştırmacıların bebeğin kafasının ne kadar indiğini otomatik olarak izleyebilen yapay zekâ sistemleri geliştirmesine yardımcı olmak. Uzun vadede bu tür araçlar, dünyanın dört bir yanındaki doğumhanelerde daha güvenli ve daha tutarlı kararları destekleyebilir.

Doğumda gerçek zamanlı yeni bir pencere

Yazarlar, doğum gerçekten devam ederken yapılan intrapartum ultrason adı verilen belirli bir tarama türüne odaklanıyor. Bu taramalar ucuz, yaygın ve doğum sırasında neredeyse tüm anne ve yenidoğan ölümlerinin meydana geldiği bu dönemde ölümleri azaltma potansiyeline sahip. Meslek kuruluşları hangi görüşlerin yakalanması gerektiğini ve bebeğin doğum kanalındaki hareketini en iyi yansıtan ölçümleri ayrıntılı şekilde tanımlayan kılavuzlar yayımladı. Bunların en önemlilerinden ikisi ilerleme açısı ve kafa–symphysis mesafesidir; birlikte bebeğin kafasının ne kadar ve ne hızda ilerlediğini tarif ederler. Ancak şimdiye dek doğum sırasında bu görüşleri gösteren ve doktorların önem verdiği ölçümlerle bağlantılı büyük bir halka açık video veri seti mevcut değildi.

Ham videolardan zengin etiketli verilere

Bu boşluğu kapatmak için ekip, baş aşağı pozisyonda tek bebek taşıyan ve olgun veya olgunluk sonrasında olan 774 doğum yapan kadından ultrason kayıtları topladı. Taramanın kaynakları üç büyük hastane ve üç farklı ultrason cihazıydı; bu da veriyi gerçek dünya uygulamalarını daha iyi temsil eder hale getirdi. Her kısa klip yaklaşık iki saniye sürer ve yan profilden bebeğin kafasını ve annenin pelvis kemiğini gösteren onlarca kareden oluşur. Araştırmacılar tüm videoları ortak bir boyuta dönüştürdü, isimler veya tarih gibi kimlik bilgilerini kaldırdı ve fiziksel ölçeğin cihazlar arasında korunduğu şekilde görüntüleri standartlaştırdı. Bu titiz hazırlık, koleksiyonun yeni bilgisayar programları için adil bir test ortamı olarak hizmet etmesini sağlar.

Uzmanların bilgisayara neyi görmesi gerektiğini öğretmesi

Yararlı eğitim verileri oluşturmak sadece video dosyalarını saklamaktan çok daha fazlasını gerektirdi. Deneyimli ultrason uzmanları klipleri kare kare inceledi. Seçilen karelerde, bebeğin kafasının ve annenin pubik kemiğinin çevresini işaretleyerek her yapının nerede olduğunu gösteren renkli maskeler oluşturdular. Ayrıca bu konturlar boyunca ilerleme açısını ve pubik kemikten bebeğin kafasına olan mesafeyi yeniden oluşturmak için kullanılabilecek dört özel nokta gibi kilit işaretleri belirlediler. Buna ek olarak, her bir videoyu birkaç evet‑hayır klinik soruya göre etiketleyerek her klibi otomatik bir sistemin sonuca varması gereken kısa bir özet hâline getirdiler. Yazarlar bu bilgilerin tamamını açık klasörler, tablolar ve koordinat dosyaları halinde düzenleyerek başkalarının kendi algoritmalarına kolayca entegre edebilmesini sağladı.

İnsan etiketlerinin güvenilir olduğunu doğrulamak

Bilgisayar modelleri ancak öğrendikleri örnekler kadar güvenilirdir; bu nedenle ekip farklı uzmanların aynı videoları ne kadar tutarlı etiketlediğini test etmeye önemli ölçüde zaman ayırdı. Katılımcı hastanelerden üç anotatör ortak bir 150 videoluk seti bağımsız olarak gözden geçirdi. Araştırmacılar sonra her kişinin çalışmasını birleştirilmiş bir “konsensüs” standardıyla karşılaştırdı. Doğru görüşün gösterilip gösterilmediği gibi geniş kararlar için uyum çok yüksekti. Pubik kemiğin konturunu çizmede de tutarlılık güçlüydü. Bebeğin kafasını segmentlere ayırmak ve kesin açı ile mesafe ölçümleri türetmek daha zorlu çıktı; bu, ultrason görüntülerindeki zayıf, gölgeli kenarları izleme güçlüğünü yansıtıyor. Yine de, uzlaşma düzeyi yeni yöntemlerin anlamlı eğitim ve testi için yeterince iyiydi.

Daha akıllı doğum izlemesi için başlangıç kiti

Başkalarının işe başlamasını kolaylaştırmak için yazarlar, önce her karede bebeğin kafasını ve annenin pelvis kemiğini vurgulayan, ardından bu şekilleri kullanarak temel ölçümleri tahmin eden basit bir örnek bilgisayar modeli sunuyor. Bu temel sistem mükemmel olmaktan uzak olsa da, veri setinin ham videodan klinik açıdan anlamlı sayılara doğrudan giden “uçtan uca” yaklaşımları nasıl destekleyebileceğini gösteriyor. Yazarlar ayrıca özellikle düşük kaliteli görüntülerle başa çıkmanın zorluğu ve uzmanların bebeğin kafasının tam olarak nerede bittiği konusunda hâlâ biraz anlaşmazlığa düşebildiği gibi mevcut sınırlamaları tartışıyor. Videoları ve etiketleri ücretsiz erişime açarak daha geniş araştırma topluluğunu bu zorluklarla mücadele etmeye davet ediyorlar; nihai amaç doğum sırasında kararları yönlendirecek daha nesnel, erişilebilir araçlar geliştirmek.

Atıf: Niu, M., Bai, J., Gao, Y. et al. Maternal-Fetal Ultrasouno Video Dataset for End-to-end Intrapartum Biometry and Multi-task Learning. Sci Data 13, 327 (2026). https://doi.org/10.1038/s41597-026-06900-5

Anahtar kelimeler: intrapartum ultrason, doğum izleme, fetal kafa inişi, tıbbi görüntüleme yapay zekâsı, klinik video veri seti