Yapak zekâ destekli radyolojik inceleme ile üst ekstremite kırıklarının tespiti
Detection of upper extremity fractures with artificial intelligence assisted radiological examination
- Tez No: 1008800
- Danışmanlar: DR. ÖĞR. ÜYESİ NURDAN SEZGİN, DR. ÖĞR. ÜYESİ MEHMET ALİ GEDİK
- Tez Türü: Yüksek Lisans
- Konular: Radyoloji ve Nükleer Tıp, Antropoloji, Adli Tıp, Radiology and Nuclear Medicine, Anthropology, Forensic Medicine
- Anahtar Kelimeler: Radyoloji, Travma, Yapay zekâ, Kırık tespiti, Adli bilimler, Radiology, Trauma, Artificial intelligence, Fracture detection, Forensic sciences
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Kütahya Sağlık Bilimleri Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Adli Bilimler Ana Bilim Dalı
- Bilim Dalı: Adli Bilimler Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Bu çalışmada, klinik uygulamada acil servis ve radyoloji departmanlarında iş yükünü azaltacak bir sistemin geliştirilmesi amaçlanmıştır. Sistem, yalnızca tek bir kemik yerine tüm üst ekstremiteyi kapsayacak şekilde tasarlanmış olup, çocuk, erişkin ve yaşlı yaş grupları ile her iki cinsiyetten hastalarda yüksek doğrulukla çalışabilmesi hedeflenmiştir. Üst ekstremite kırığı şüphesiyle elde edilen radyolojik görüntüler, derin öğrenme modelleri kullanılarak analiz edilmiş ve“kırık var”veya“kırık yok”şeklinde sınıflandırma yapılmıştır. Gereç ve Yöntem: 2020-2024 yılları arasında Kütahya Evliya Çelebi Eğitim ve Araştırma Hastanesi'ne başvuran hastaların el, el bileği, önkol, dirsek, humerus ve omuz bölgelerine ait DICOM formatında toplam 9347 görüntü RadiAnt DICOM viewer ile elde edilmiştir. Görüntüler, kırık (1) ve kırık değil (0) şeklinde ikili sınıflandırma problemine tabi tutulmuş; önceden ImageNet veri setinde eğitilmiş beş farklı evrişimsel sinir ağı mimarisi (MobileNetV2, ResNet50, EfficientNet-B0, DenseNet121, InceptionV3) transfer öğrenme yöntemiyle karşılaştırılmıştır. Ayrıca, demografik özellikler SPSS ile istatistiksel olarak analiz edilmiştir. Bulgular: Veri setinin %43,1'i kadın, %56,9'u erkeklerden oluşmaktadır. Yaş gruplarına göre dağılımda erişkin grubun hem sağlam hem de kırık kategorisinde en yüksek sayıya sahip olduğu saptanmıştır. Doğruluk oranları EfficientNet-B0 için %97,37, ResNet50 için %96,95, DenseNet121 için %93,75, InceptionV3 için %93,31 ve MobileNetV2 için %91,22 olarak bulunmuştur. Sonuç: EfficientNet-B0 tabanlı derin öğrenme modeli, üst ekstremite radyografilerinde kırık tespiti için insan uzman performansına yakın %97,37 doğruluk sağlamış ve temel hipotezi desteklemiştir. Klinik öncelikler doğrultusunda, eşik optimizasyonu ve olasılık kalibrasyonu uygulanan EfficientNet-B0'ın birincil tarama modeli olarak kullanılabileceği gösterilmiştir. Bu sistemin, acil servis ve radyoloji bölümlerindeki iş yükünü hafifletme potansiyelinin yanı sıra, adli vakalarda nesnel ve ölçülebilir bir delil sunma noktasında da fayda sağlayabileceği değerlendirilmektedir.
Özet (Çeviri)
Aim: This study aims to develop a system that will reduce the workload in emergency departments and radiology departments in clinical practice. The system is designed to cover the entire upper extremity rather than just a single bone, and it is intended to work with high accuracy in children, adults, and elderly patients of both sexes. Radiological images obtained for suspected upper extremity fractures were analyzed using deep learning models and classified as 'fracture present' or 'fracture absent'. Materials and Methods: A total of 9,347 images in DICOM format, pertaining to the hand, wrist, forearm, elbow, humerus, and shoulder regions of patients who visited Kütahya Evliya Çelebi Training and Research Hospital between 2020 and 2024, were obtained using the RadiAnt DICOM viewer. The images were subjected to a binary classification problem of fracture (1) and no fracture (0); five different convolutional neural network architectures (MobileNetV2, ResNet50, EfficientNet-B0, DenseNet121, InceptionV3) previously trained on the ImageNet dataset were compared using transfer learning. Additionally, demographic characteristics were analyzed statistically using SPSS software. Results: The dataset consisted of 43.1% females and 56.9% males. In terms of age group distribution, the adult group had the highest number in both the intact and fractured categories. The accuracy rates were found to be 97.37% for EfficientNet B0, 96.95% for ResNet50, 93.75% for DenseNet121, 93.31% for InceptionV3, and 91.22% for MobileNetV2. Conclusion: The EfficientNet-B0-based deep learning model achieved an accuracy of 97.37%, close to human expert performance, for fracture detection in upper extremity radiographs, supporting the primary hypothesis. In line with clinical priorities, it was demonstrated that EfficientNet-B0, with threshold optimization and probability calibration applied, could be used as a primary screening model. This system is considered to have the potential not only to alleviate the workload in emergency and radiology departments but also to provide benefits by offering objective and measurable evidence in forensic cases.
Benzer Tezler
- Nörodejeneratif hastalıklarda segmentasyon yöntemi ile hedef bölge tutulumlarının değerlendirilmesi
Evaluation of target region involvement in neurodegenerative diseases VİA segmentation
ECE AKYOL
Tıpta Uzmanlık
Türkçe
2021
Radyoloji ve Nükleer TıpDokuz Eylül ÜniversitesiRadyoloji Ana Bilim Dalı
DOÇ. DR. NURİ KARABAY
- Panoramik radyograflarda anatomik yer işaretlerinin yapay zeka destekli otomatik tespiti
Artificial intelligence-assisted automatic detection of anatomical landmarks in panoramic radiographers
RÜMEYSA SOLAK
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TAYYİP ÖZCAN
- Bitewing radyograflardaki diş çürüklerinin anlamsal bölütleme yapay zekâ modeliyle değerlendirilmesi
Evaluation of dental caries on bitewing radiographs by semantic segmentation Al model
HALİL İBRAHİM ÖZDEMİR
Yüksek Lisans
Türkçe
2022
BiyoteknolojiKütahya Dumlupınar Üniversitesiİleri Teknolojiler Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER KASIM
- Over kanserinde görüntü tabanlı olarak rezektabiliteyi değerlendirmede yapay zekanın potansiyelinin araştırılması
Investigation of the potential of artificial intelligence in imaging-based assessment of resectability in ovarian cancer
SERAY TAK AKSOY
Tıpta Uzmanlık
Türkçe
2025
Kadın Hastalıkları ve DoğumAkdeniz ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
DOÇ. DR. HASAN AYKUT TUNCER
- Tiroid nodüllerinin ayırıcı tanısı için yapay zeka temelli tirads skorlama sistemi geliştirilmesi
Development of tirads scoring system based on artificial intelligence for differential diagnosis of thyroid nodules
BURCU BEKTAŞ GÜNEŞ
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-CerrahpaşaBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. RÜYA ŞAMLI