Geri Dön

Tiroid oftalmopatili hastaların manyetik rezonans görüntülerindeki orbital yapıların derin öğrenmeyle segmentasyonu ve volüm analizi

Segmentation and volüme analysis of orbital structures in magnetik resonance images of patients with Thyroid ophthalmopathy with deep learning

PDF İndir

  1. Tez No: 1015287
  2. Yazar: NİDA AKDAŞ
  3. Danışmanlar: PROF. DR. İBRAHİM KOÇAK, DR. ECE YALÇINDAĞ AYDIN
  4. Tez Türü: Tıpta Uzmanlık
  5. Konular: Göz Hastalıkları, Eye Diseases
  6. Anahtar Kelimeler: Derin öğrenme, Graves oftalmopatisi, Deep learning, Graves ophthalmopathy
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: Sağlık Bilimleri Üniversitesi
  10. Enstitü: İstanbul Kanuni Sultan Süleyman Eğitim ve Araştırma Hastanesi
  11. Ana Bilim Dalı: Göz Hastalıkları Ana Bilim Dalı
  12. Bilim Dalı: Tıp Eğitimi Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Amaç: Tiroid oftalmopatili hastalarda orbital manyetik rezonans görüntülerinde (MRG) ekstraoküler kaslar, optik sinir, orbital yağ dokusu, lakrimal bez ve göz küresi gibi anatomik yapıların derin öğrenme tabanlı segmentasyonunu gerçekleştirmek, farklı yapay zekâ mimarilerinin performanslarını karşılaştırmak ve veri heterojenliğinin (domain shift) model performansına etkisini değerlendirmektir. Gereç ve Yöntem: Bu retrospektif gözlemsel çalışmada TOM500 veri setindeki 500 olguya ait 3 Tesla (3T) orbital MRG görüntüleri eğitim, kurum arşivinden elde edilen 30 hastaya ait 1,5 Tesla (1,5T) görüntüler dış doğrulama veri seti olarak kullanıldı. Orbital yapıların segmentasyonu için 2D Deep ResU-Net, 3D U-Net ve 3D UNETR mimarileri kullanıldı. Performans Dice, Intersection over Union (IoU), ROC eğrisi altında kalan alan (EAA) metrikleri ile değerlendirildi. Otomatik segmentasyonların klinik geçerliliği manuel segmentasyonlarla karşılaştırılarak Bland–Altman analizi ve sınıf içi korelasyon katsayısı ile incelendi. Bulgular: Tüm modeller TOM500 veri setinde yüksek performans gösterirken 3D modeller eğitim setinde üstün sonuçlar verdi. Dış doğrulamada 3D UNETR için ağırlıklı Dice 0,9538, 2D ResU-Net için 0,9510 bulundu. Buna karşın 2D model dış veri setinde daha stabil performans sergilerken, 3D modellerde domain shift etkisine bağlı performans düşüşü izlendi. Gözlemciler arası ortalama Dice 0,9264 ve IoU 0,8860 olarak hesaplandı. Küçük anatomik yapılarda hacimsel ölçümlerde değişkenlik saptandı. Sonuç: Derin öğrenme tabanlı segmentasyon yüksek klinik potansiyel göstermiştir. Ancak 3T ve 1,5T görüntüler arasındaki kalite farklılıkları model genellenebilirliğini etkilerken, küçük anatomik yapılarda segmentasyon zorluğu önemli bir sınırlılık olarak ortaya çıkmıştır.

Özet (Çeviri)

Purpose: The aim of this study was to perform deep learning-based segmentation of anatomical structures such as extraocular muscles, optic nerve, orbital adipose tissue, lacrimal gland, and eyeball on orbital magnetic resonance images in patients with thyroid ophthalmopathy, to compare the performances of different artificial intelligence architectures, and to evaluate the effect of data heterogeneity (domain shift) on model performance. Methods: In this retrospective observational study, 3 Tesla orbital MRI images of 500 patients in the TOM500 dataset were used as training datasets, and 1.5 Tesla images of 30 patients obtained from the institutional archive were used as external confirmation datasets. 2D Deep ResU-Net, 3D U-Net and 3D UNETR models were developed for the segmentation of orbital structures. Performance was evaluated with Dice, Intersection over Union (IoU), area under the ROC curve (AUC) metrics. The clinical validity of automatic segmentations was examined by comparing them with manual segmentations with Bland–Altman analysis and intraclass correlation coefficient. Results: All models showed high performance on the TOM500 dataset, while the 3D models showed superior results on the training set. External validation found a weighted Dice of 0.9538 for 3D UNETR and 0.9510 for 2D ResU-Net. On the other hand, while the 2D model showed more stable performance in the external data set, a performance decrease was observed in the 3D models due to the domain shift effect. The mean inter-observer Dice was calculated as 0.9264 and IoU as 0.8860. Variability in volumetric measurements was detected in small anatomical structures. Conclusion: Deep learning-based segmentation has shown high clinical potential. However, while quality differences between 3T and 1.5T images affected model generalizability, the difficulty of segmentation in small anatomical structures emerged as a significant limitation.

Benzer Tezler

  1. Tez No

    637368

    Tiroid oftalmopati'de orbital dokuların manyetik rezonans görüntülerinin 3 boyutlu hacim oluşturma tekniği ile değerlendirilmesi

    The evaluation of magnetic resonance images of orbital tissue in thyroid ophthalmopathy BY three dimensional volume rendering technique

    CİHANGİR BELDAĞLI

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2020

    Göz HastalıklarıOndokuz Mayıs Üniversitesi

    Göz Hastalıkları Ana Bilim Dalı

    DOÇ. DR. ÖZLEM EŞKİ YÜCEL

  2. Tez No

    496804

    Graves oftalmopatisinde tiroidektomi sonrası orbital doku volümleri ve proptozis değişikliklerinin manyetik rezonans görüntüleme ile değerlendirilmesi

    Evaluating of the graves ophthalmopathy with clinical follow-up and orbital magnetic resonance imaging after total thyroidectomy

    YİĞİT SOYTAŞ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2018

    Genel Cerrahiİstanbul Üniversitesi

    Genel Cerrahi Ana Bilim Dalı

    PROF. DR. YASEMİN ŞENYÜREK

    UZMAN İSMAİL CEM SORMAZ

  3. Tez No

    428787

    Graves hastalığında orbita MRG bulguları

    Başlık çevirisi yok

    ALİ ÖZGEN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    1999

    Radyoloji ve Nükleer TıpHacettepe Üniversitesi

    Radyoloji Ana Bilim Dalı

    DOÇ. DR. ÜSTÜN AYDINGÖZ

  4. Tez No

    352671

    Tiroid oftalmopatili hastalarda yaşam kalitesi değerlendirilmesi

    Quality of life assesment in patients with throid ophthalmopathy

    MEHMET CILI

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2013

    Göz HastalıklarıDokuz Eylül Üniversitesi

    Göz Hastalıkları Ana Bilim Dalı

    PROF. DR. MELTEM SÖYLEV BAJİN

  5. Tez No

    907232

    Tiroid oftalmopatili hastalarda optik disk ve makula değişikliklerinin OKTA ile değerlendirilmesi

    Evaluation of optic disc and macular changes in patients with thyroid ophthalmopathy with OCTA

    HASAN DELAL YÜCEDAĞ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2024

    Göz HastalıklarıMersin Üniversitesi

    Göz Hastalıkları Ana Bilim Dalı

    PROF. DR. MEHMET ATİLA ARGIN

Geri Dön