Endoskopik hiatal morfolojinin yapay zeka algoritması kullanılarak değerlendirilmesi
Evaluation of endoscopic hiatal morphology using an artificial intelligence algorithm
- Tez No: 1000926
- Danışmanlar: PROF. DR. FAİK YAYLAK
- Tez Türü: Tıpta Uzmanlık
- Konular: Genel Cerrahi, General Surgery
- Anahtar Kelimeler: Hiatal Herni, Endoskopi, Yapay Zeka, Derin Öğrenme, Klinik Karar Destek Sistemi, Hiatal Hernia, Endoscopy, Artificial Intelligence, Deep Learning, Clinical Decision Support System
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Kütahya Sağlık Bilimleri Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Genel Cerrahi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Endoskopi arşivindeki retrovert hiatus görüntü kayıtları kullanılarak, normal (mide-yemek borusu bölgesinin diyafram kası içindeki yerleşim yerinin endoskopik skopu yeterli sardığı) görüntü ile anormal (mide-yemek borusu bölgesinin diyafram kası içindeki yerleşim yerinin endoskopik skopu yeterli sarmadığı) görüntü arasında ayırım yapabilen ve hiatal morfolojiyi evreleyebilen derin öğrenme tabanlı bir yapay zeka algoritması geliştirmek. Gereç ve Yöntem: 01.01.2019 ile 31.12.2023 tarihleri arasındaki Kütahya Sağlık Bilimleri Üniversitesi Evliya Çelebi Eğitim ve Araştırma Hastanesi Genel Cerrahi Kliniği Endoskopi Ünitesinde elde edilen toplam 9094 retrovert hiatus görüntüsü retrospektif olarak değerlendirilmiştir. Görüntüler, The American Foregut Society (AFS) Hiatus Sınıflamasına göre evre 1–4 arasında etiketlenmiştir. Tüm görüntülerde, sınıf etiketlemesine ek olarak, gastroözofageal bileşke ve hiatal bölgeyi içeren ilgili anatomik alanlar manuel olarak çerçeve içine alınarak işaretlenmiştir. Veri seti %70-%30 gibi oranlar dikkate alınarak eğitim veri kümesi-test veri kümesi şeklinde iki bölüme ayrılmıştır. Sınıflama modellerinin genelleştirilmesi için çapraz doğrulama yapılmıştır. EfficientNet ve DenseNet tabanlı derin öğrenme modelleri, öğrenme aktarımı yaklaşımı kullanılarak eğitilmiştir. Model performansı doğruluk, dengeli doğruluk, duyarlılık, kesinlik, F1 skoru, ROC-AUC ve karmaşıklık matrisi metrikleri ile değerlendirilmiştir. Ayrıca Grad-CAM yöntemi kullanılarak modellerin karar verme süreçleri görselleştirilmiştir. Bulgular: EfficientNet modeli, tüm evrelerde dengeli ve yüksek performans göstermiştir. Özellikle klinik açıdan kritik olan evre 4 olgularında yüksek duyarlılık (%91,3) ve özgüllük (%99,3) değerleri elde edilmiştir. DenseNet modelinde ise belirgin çoğunluk sınıf yanlılığı gözlenmiş ve ara evrelerin ayırt edilmesinde performans düşüklüğü saptanmıştır. Grad-CAM analizleri, EfficientNet modelinin tahminlerini gastroözofageal bileşke çevresindeki anatomik olarak anlamlı bölgelere dayandırdığını göstermiştir. Sonuçlar: Bu çalışma, endoskopik hiatal morfolojinin derin öğrenme algoritmaları ile güvenilir ve yorumlanabilir biçimde sınıflandırılabileceğini göstermektedir. Özellikle EfficientNet tabanlı model, hiatal herni evrelemesinde klinik karar destek sistemi olarak kullanılmaya adaydır.
Özet (Çeviri)
Objectives: To develop a deep learning–based artificial intelligence algorithm capable of distinguishing between normal images (where the gastroesophageal junction is adequately surrounded by the endoscopic scope within the diaphragmatic hiatus) and abnormal images (where the gastroesophageal junction is not adequately surrounded by the endoscopic scope within the diaphragmatic hiatus), and of staging hiatal morphology using retroverted hiatal endoscopic images archived in the endoscopy database. Material and Method: A total of 9,094 retroverted hiatal images obtained from The Endoscopy Unit of the General Surgery Clinic at Kütahya Health Sciences University Evliya Çelebi Training and Research Hospital between 01.01.2019 and 31.12.2023 were retrospectively evaluated. Images were labeled according to The American Foregut Society (AFS) Hiatus Classification as grade 1 to 4. In addition to class labeling, the relevant anatomical regions—including the gastroesophageal junction and the hiatal area—were manually annotated by enclosing them within bounding boxes in all images. The dataset was divided into training and test sets using a 70%–30% split. Cross-validation was performed to assess the generalizability of the classification models. EfficientNet- and DenseNet-based deep learning models were trained using a transfer learning approach. Model performance was evaluated using accuracy, balanced accuracy, recall, precision, F1 score, ROC-AUC, and confusion matrix metrics. In addition, the decision-making processes of the models were visualized using the Grad-CAM method. Results: The EfficientNet model demonstrated balanced and high performance across all stages. Particularly for clinically critical stage 4 cases, high sensitivity (91.3%) and specificity (99.3%) values were achieved. In contrast, the DenseNet model exhibited a pronounced majority class bias, with reduced performance in distinguishing intermediate stages. Grad-CAM analyses revealed that the EfficientNet model based its predictions on anatomically meaningful regions surrounding the gastroesophageal junction. Conclusion: This study demonstrates that endoscopic hiatal morphology can be classified in a reliable and interpretable manner using deep learning algorithms. The EfficientNet-based model, in particular, emerges as a promising candidate for use as a clinical decision support system in the staging of hiatal hernia.
Benzer Tezler
- Üst endoskopik incelemede rastlanan yapısal bozuklukların sıklığı ve dispepsi üzerindeki rolü
The frequency of structural disorders found in upper endoscopic examination and their role on dyspepsy
ERSİN KAPAĞAN
Tıpta Uzmanlık
Türkçe
2022
İç HastalıklarıSağlık Bilimleri Üniversitesiİç Hastalıkları Ana Bilim Dalı
DOÇ. DR. FERDA AKBAY HARMANDAR
- Diyabetik hastalarda dispeptik semptomlarla endoskopik bulguların korelasyonu
Correlation of dyspeptic symtoms and endoscopic findings in diabetic patient
R. İLYAS ÖNER
Tıpta Uzmanlık
Türkçe
2005
Gastroenterolojiİnönü Üniversitesiİç Hastalıkları Ana Bilim Dalı
DOÇ. DR. MELİH KARINCAOĞLU
- Sleeve gastrektomili hastalarda preoperatif endoskopik değerlendirme sonuçlarının postoperatif morbidite ile olan ilişkisinin retrospektif değerlendirilmesi
Retrospective evaluation of the relationship of preoperative endoscopic evaluation results with postoperative morbidity in patients with sleeve gastrectomy
HASAN EROĞLU
Tıpta Uzmanlık
Türkçe
2021
Genel CerrahiSağlık Bilimleri ÜniversitesiGenel Cerrahi Ana Bilim Dalı
DOÇ. DR. NECDET DENİZ TİHAN
- Kronik böbrek yetmezliği olan hastalarda endoskopik ve kolonoskopik bulgular
Endoscopic and colonoscopic findings in patients with chronic renal failure
NURULLAH ÜZÜM
Tıpta Uzmanlık
Türkçe
2019
GastroenterolojiKaradeniz Teknik Üniversitesiİç Hastalıkları Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SAMİ FİDAN
- Laparoskopik sleeve gastrektomi sonrası gastroözefageal reflü hastalığı, özefajit, hiatal herni ve barrett özefagusu gelişim insidansı
Incidence of gastroesophageal reflux disease, esophagitis, hiatal herni and barrett's esophagus after laparoscopic sleeve gastrectomy
ALİ CİHAN BİLGİLİ
Tıpta Uzmanlık
Türkçe
2021
Genel CerrahiSağlık Bilimleri ÜniversitesiGenel Cerrahi Ana Bilim Dalı
PROF. DR. KEMAL MEMİŞOĞLU