Interpretation of radiological results using artificial intelligence: Comparative analysis of advanced AI models
Yapay zeka ile radyolojik sonuçların yorumlanması: Gelişmiş yapay zeka modellerinin karşılaştırmalı analizi
- Tez No: 1023111
- Danışmanlar: DR. ÖĞR. ÜYESİ SEVCAN EMEK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Manisa Celal Bayar Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışması, lomber omurga ve proksimal femur bölgelerinin kemik dan sitometresi (DEXA) ölçümlerini yapay zeka ve derin öğrenme yöntemleri kullanarak analiz etmeyi amaçlamaktadır. Osteoporoz, özellikle yaşlı ve postmenopozal kadın larda kırık riskinin artmasına ve ciddi morbidite ile ekonomik yüke yol açan, günümü zün en önemli halk sağlığı sorunlarından biridir. Mevcut klinik uygulamada DEXA ölçümleri, WHO T-skoru sınıflandırması kullanılarak klinisyenler tarafından değer lendirilmektedir; ancak hasta sayısının artması, cihazlar arası değişkenlik ve raporla madaki öznellik, otomatik ve güvenilir sınıflandırma sistemlerinin geliştirilmesini zo runlu kılmaktadır. Bu çalışmada, Manisa Celal Bayar Üniversitesi Hafsa Sultan Hastanesi Nük leer Tıp bölümünden elde edilen lomber (L1–L4) ve femoral (boyun/toplam) DEXA ölçümleri ile DEXA rapor görüntüleri kullanılarak kapsamlı bir yapay zeka çerçevesi geliştirilmiştir. Çerçeve üç veri setinden oluşmaktadır: (i) DS1: 13 tabüler makine öğ renmesi modeli için klinik DEXA parametreleri; (ii) DS2: aynı 13 model için büyük ölçekli klinik veri seti; (iii) DS3: transfer öğrenmesiyle 6 CNN mimarisi için DEXA rapor görüntüleri. Tüm tabüler modeller, SMOTE aşırı örnekleme ve Optuna hiperpa rametre optimizasyonu ile 5-katlı Tabakalı GroupKFold çapraz doğrulama kullanıla rak değerlendirilmiştir. İstatistiksel güvenilirlik; bootstrap %95 güven aralıkları, ka librasyon eğrileri ve alt grup analizleriyle belgelenmiştir. Ayrıca eğitilmiş CatBoost ve DenseNet121 modellerini entegre eden Streamlit tabanlı etkileşimli bir klinik karar destek sistemi prototipi geliştirilmiştir. Bu sistem, geliştirilen modellerin hekim yar dımcı aracı olarak klinik uygulanabilirliğini göstermektedir.
Özet (Çeviri)
This thesis aims to analyze bone densitometry (DEXA) measurements of the lumbar spine and proximal femur regions using artificial intelligence and deep learning methods. Osteoporosis is one of the most important public health problems of today, especially in elderly and postmenopausal women, causing an increased risk of fractu res as well as serious morbidity and economic burden. In current clinical practice, DEXA measurements are evaluated by clinicians using the WHO T-score classifica tion; however, the increasing number of patients, inter-device variability, and subjec tivity in reporting make it necessary to develop automated and reliable classification systems. In this study, a comprehensive artificial intelligence framework was developed using lumbar (L1–L4) and femoral (neck/total) DEXA measurements together with DEXA report images obtained from the Department of Nuclear Medicine at Manisa Celal Bayar University Hafsa Sultan Hospital. The framework consists of three data sets: (i) DS1: clinical DEXA parameters for 13 tabular machine learning models; (ii) DS2: a large-scale clinical dataset for the same 13 models; and (iii) DS3: DEXA report images for six CNN architectures using transfer learning. All tabular models were eva luated using 5-fold Stratified GroupKFold cross-validation with SMOTE oversamp ling and Optuna hyperparameter optimization. Statistical reliability was documented using 95% bootstrap confidence intervals, calibration curves, and subgroup analyses. In addition, a Streamlit-based interactive clinical decision support system prototype integrating the trained CatBoost and DenseNet121 models was developed. This system demonstrates the clinical applicability of the developed models as a physician assis tance tool.
Benzer Tezler
- Meme MRG'de saptanan kitle dışı kontrastlanmaların benign ve malign ayrımında radyolojik bulgularla doku analizi bulgularının makine öğrenimi yöntemleriyle değerlendirilmesi ve segmentasyon tabanlı 3 boyutlu evrişimsel sinir ağlarıyla karşılaştırılması
Evaluation of radiological and texture analysis findings using machine learning methods in the differentiation of benign and malignant non-mass enhancements detected on breast MRI and comparison with segmentation-based three dimensional convolutional neural networks
SERHAT AKIŞ
Tıpta Uzmanlık
Türkçe
2025
Radyoloji ve Nükleer TıpDokuz Eylül ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. DR. PINAR BALCI
- Tiroid ince iğne aspirasyon biyopsilerinde sitomorfolojik özelliklerin yapay zeka ile yorumlanması
Interpretation of cytomorphological features in thyroid fine needle aspiration biopsies using artificial intelligence
MENNAN YİĞİTCAN ÇELİK
Tıpta Uzmanlık
Türkçe
2024
PatolojiAkdeniz ÜniversitesiTıbbi Patoloji Ana Bilim Dalı
PROF. DR. İNANÇ ELİF GÜRER
- Maksillofasial bölgede radyoopak ve radyolusent görüntü veren lezyonlarda yapay zeka modellerinin etkinliğinin panoramik radyografiler üzerinde değerlendirilmesi
The effectiveness of artificial intelligence models on radiopaque and radiolucent lesions in the maxillofacial region on panoramic radiography
ZEYNEP TURANLI TOSUN
Doktora
Türkçe
2024
Diş HekimliğiAtatürk ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
PROF. DR. MUHAMMED AKİF SÜMBÜLLÜ
- Derin öğrenme ile manyetik rezonans görüntüleri üzerinden temporomandibular eklem yapısal bileşenlerinin segmentasyonu ve anteriora konumlanmış diskin tespiti
Segmentation of structural components of the temporomandibular joint and detection of anteriorly positioned discs in magnetic resonance images using deep learning
BÜŞRA SINMAZ
Diş Hekimliği Uzmanlık
Türkçe
2024
Diş HekimliğiBezm-İ Alem Vakıf ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ELİFHAN ALAGÖZ
- Deep learning applications in oral and maxillofacial radiology
Ağız, diş ve çene radyolojisinde derin öğrenme uygulamaları
ELHAM TAHSIN YASIN YASIN
Doktora
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT KÖKLÜ