Açı ve alan tabanlı metriklerle (GOAR, asimetri) üst havayolunda sekans düzeyinde zor entübasyon tahmini için xgboost/lightgbm ile açıklanabilir karar desteği
Sequence-level difficult intubation prediction in the upper airwayusing angle and area based metrics (GOAR, asymmetry) with explainable xgboost and lightgbm models
- Tez No: 1022557
- Danışmanlar: PROF. DR. NECATİ OLGUN, DR. ÖĞR. ÜYESİ İLKAY SİBEL KERVANCI
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Matematik, Computer Engineering and Computer Science and Control, Mathematics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Gaziantep Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Matematik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Üst solunum yolu yönetimi kritik bir süreç olup zor entübasyonun doğru tahmini önemli bir problemdir. Bu çalışmada zor entübasyon tahmini, 𝑓: ℝ𝑛 → {0,1} biçiminde tanımlanan matematiksel bir sınıflandırma problemi olarak ele alınmıştır. Bu amaçla endoskopik görüntülerden elde edilen ölçülebilir geometrik özellikler kullanılmıştır. Çalışmada UAAL veri setinin simülasyon (fantom) görüntülerinden oluşan alt kümesi kullanılmıştır. Görüntüler üzerindeki hatalı veya gereksiz işaretlemeler temizlenerek veri daha güvenilir hale getirilmiştir. YOLOv8-seg modeli ile görüntülerdeki ilgili bölgeler belirlenmiş ve bu bölgelerden GOAR ve asimetri gibi sayısal değerler hesaplanmıştır. Bu değerler kullanılarak XGBoost ve LightGBM modelleri ile zor entübasyon tahmini yapılmıştır. Elde edilen sonuçlar, veri düzenleme sürecinin model performansını artırdığını ve daha kararlı sonuçlar elde edilmesini sağladığını göstermektedir. Sonuç olarak, üst solunum yolu geometrisine dayalı bu matematiksel yaklaşımın anlaşılabilir ve güvenilir bir tahmin yöntemi sunduğu görülmüştür.
Özet (Çeviri)
Airway management is an important process in anaesthesia and emergency medicine, and predicting difficult intubation is a challenging problem. In this study, difficult intubation prediction is defined as a mathematical classification problem 𝑓: ℝ𝑛 → {0,1} based on geometric features obtained from endoscopic images. The phantom (simulated) subset of the UAAL dataset was used. Incorrect and very small annotated regions were removed to make the data more reliable. A YOLOv8-seg model was used to detect relevant regions in the images, and numerical values such as GOAR and asymmetry were calculated from these regions. These values were then used with XGBoost and LightGBM models to predict difficult intubation. The results show that cleaning the data improves model performance and produces more stable predictions. Overall, the proposed approach provides a clear and reliable method for predicting difficult intubation using upper airway geometry.
Benzer Tezler
- Preeklampsi tanısı almış hastalarda trimestere bağlı olarak serum biyobelirteçlerinin makine öğrenimi ile tahmin edici özelliklerinin araştırılması
Investigation of the predictive value of serum biomarkers across trimesters in preeclamptic pregnancies using machine learning
AZIZA GULUZADE
Doktora
Türkçe
2025
BiyokimyaEge ÜniversitesiTıbbi Biyokimya Ana Bilim Dalı
PROF. DR. HİKMET HAKAN AYDIN
- Deep image prior based high resolution isar imaging for missing data case
Eksik veri için derin görüntü önceli tabanlı yüksek çözünürlüklü tyar görüntüleme
NECMETTİN BAYAR
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. IŞIN ERER
- Comparison of quaternion-based orientation estimation methods using 9-dof marg sensors
Dokuz serbestlik dereceli marg sensörleri kullanılarak dördey tabanlı yönelim kestirim yöntemlerinin karşılaştırılması
BURAK TANTAY
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN TEMELTAŞ
- Accelerated MRI sampling and reconstruction with reinforcement learning
Pekiştirmeli öğrenme ile hızlandırılmış MRG örnekleme ve geriçatımı
RURU XU
Doktora
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Assoc. Prof. Dr. İLKAY ÖKSÜZ
- Effect of digital elevation model accuracy on the geolocation accuracy of orthorectified sentinel-1 imagery
Ortorektifiye edilmiş sentinel-1 görüntülerinin konumsal doğruluğuna dijital yükseklik modeli doğruluğunun etkisi
SENA OĞUZHANOĞLU
Yüksek Lisans
İngilizce
2025
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞE FİLİZ SUNAR