Kemik mineral yoğunluğunun yapay sinir ağlarıyla saptanması
Determining of bone mineral density with using neural networks
- Tez No: 193557
- Danışmanlar: PROF. MUSTAFA SALİH ÇELİK
- Tez Türü: Doktora
- Konular: Biyofizik, Biophysics
- Anahtar Kelimeler: Kemik yoğunluğu, Saptama, Yapay Sinir Ağları, Bone-density, Determining, Artificial Neural Network
- Yıl: 2007
- Dil: Türkçe
- Üniversite: Dicle Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyofizik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 119
Özet
ÖZETKemik Mineral Yoğunluğunun Yapay Sinir Ağları ile SaptanmasıAraş. Gör. Dr. Veysi AKPOLATOsteoporoz toplumun giderek yaşlanması sonucu ciddi ve pahalı bir halk sağlığı sorunuolarak karşımıza çıkmaktadır. Son yıllarda sedanter yaşamın yaygınlaşması, yanlış beslenmealışkanlıkları, obezite, diyabet, kemiklerde mekanik stres etkisi yaratacak aktif yürüyüşegzersizlerinin ihmal edilmesi gibi nedenlerle, osteoporoz gelişme hızı ve oranı da paralelolarak artmıştır. Osteoporozun en önemli sonucu kemik kırıklarıdır ve oluşan komplikasyonmorbiditeyi ve mortaliteyi büyük ölçüde etkilemektedir.Osteoporozun belirlenmesinde kemik mineral yoğunluk ölçümleri ve Dünya SağlıkÖrgütünün (WHO) tanı kriterleri kullanılmaktadır. Özellikle ileri yaşlardaki bayanları dahaçok etkileyen osteoporozun gelişiminde, birçok risk faktörü rol oynamaktadır. Bu hastalığınerken tanınmasında epidemiyolojik taramalar önemlidir. Ancak, osteoporoz' un teşhisi vetedavisi oldukça maliyetlidir. Bu nedenle, ekonomik ve pratik olarak kemik kaybı riski olankişilerin saptanması oldukça önemlidir.Bu tez çalışmasında, ekonomik ve pratik olarak riskli olabilecek bayanların saptanmasındakemik kaybı riski olan kişilerin YSA (Yapay Sinir Ağları) yöntemi ile teşhisi amaçedinilmiştir.Çalışmada, osteoporoz ile ilişkili olduğu düşünülen parametreler değerlendirilmeyealınmıştır. Değerlendirilmeye alınan parametreler: Kilo, boy, yaş, toplam gebelik sayısı,menapoz yaşı, vücut yağ oranı ve bazal metebolizma hızı bilgileridir.Tez kapsamında, iki farklı veri grubu olduğundan, değerlendirmeler iki farklı bölümdeyapılmıştır. Birinci bölümde 765 bayandan alınan veriler (Kilo, boy, yaş, menapoz yaşı)değerlendirilmiştir. Çalışmaya alınan bireylerin kilo ortalaması 70.34 kg, boy ortalaması 1.57m, yaş ortalaması 54.94 yıl ve ortalama menapoz yaşı 35.06 yıl olarak belirlenmiştir.İkinci bölümde 442 bayandan alınan veriler (Kilo, boy, yaş, toplam gebelik sayısı, menapozyaşı, vücut yağ oranı ve bazal metebolik hız) değerlendirilmiştir. Çalışmaya alınan bireylerinkilo ortalaması 70.7014 kg, boy ortalaması 1.57 m, yaş ortalaması 54.56 yıl, ortalamatoplam gebelik sayısı 6.73, ortalama menapoz yaşı 35.62 yıl, ortalama vücut yağ oranı 35.25ve ortalama bazal metebolizma hızı 35.62 kal., kemik mineral yoğunluğu 0.908 g/cm olarakbelirlenmiştir.Birinci bölümde yapılan YSA analizi sonucunda, %85.96 toplam doğruluk oranı eldeedilmiştir. İkinci bölümde ise, %70 toplam doğruluk oranı elde edilmiştir.Hastalardan alınan ve DXA ile ölçülen veri bilgilerine dayalı oluşturulan veri kümesininanalizinde YSA öğrenme ve saptama mekanizması olarak kullanılmıştır. Yapılan çalışmadaağın eğitiminde kullanılan eğitim örüntülerinin artmasıyla, öğrenmenin ilerlediği vebaşarının arttığı görülmüştür. Örüntü saptama başarısının artması, doğru ilişkilendirmeyapıldığı şeklinde yorumlanabilir. Kullanılan saptama yöntemi belirsizlik içeren modelsorununa çare olarak görülebilir.
Özet (Çeviri)
SUMMARYDetermining of Bone Mineral Density with Using Artificial Neural NetworksResearch Assistant Dr. Veysi AKPOLATOsteoporosis, especially could be observed in older ages period, appears as a serious andcostly public health problem. In recent years, the growth rate of the clinical case:osteoporosis increases because of the following reasons: widespread inactive life, the habitof nutritional deficiency, obesity, diabetes, negligence of active physical exercise havingmechanic stress on bone. The most important outcome of osteoporosis is bone fracturewhich effects morbidity and mortality on a large scale.In order to determine osteoporosis, bone mineral density measurement and diagnosticcriteria of World Health Organization are used. Osteoporosis is generally observed inelderly women of population, for that reason this part of population is having different typeof risk factors. Predetermining of osteoporosis is possible with epidemiological data ofpopulation. However, it is very expensive for both diagnosis and treatment of osteoporosis.For that reason, economically and practically determining of the person having risk of lossbone is very important.Consequently, the aim of the current study is to determine of women having risk of lossbone with using Artificial Neural Network (ANN).In this thesis, the parameters having correlation with osteoporosis are evaluated. Theseparameters are weight, height, age, number of pregnancy, age of menopause, fat mass andbasal metabolic rate.It this study, two different ANN analysis have done with two different data groups. In thefirst part, totally 765 data are evaluated and these data includes weight, height, age, age ofmenopause and bone mineral density (BMD). Mean of weight, height, age, age ofmenopause and BMD are 70.34 kg, 1.57m, 54.94 year, 35.06 year and 0.853 g/cm2respectively.In the second part of study, totally 442 data are evaluated and these data includes weight,height, age, age of menopause, number of pregnant, fat mass, basal metabolic rate andBMD. Mean of weight, height, age, age of menopause, number of pregnant, fat mass, basalmetabolic rate and BMD are 70.7014 kg, 1.57m, 54.56 year, 6.73, 35.62 year, 35,25, 35.62and 0.908 g/cm2, respectively.The results of success rate for first study is 85.96% and for the second one is 70%.As a conclusion, for determining of the women having risk of loss bone, the patterns basedon data taken by women and measurements are used for input data in ANN. ArtificialNeural Network (ANN) having recognition and learning features is used for determiningthe women having risk of loss bone. In this study, with the increasing number of inputpatterns, the success rate of capturing those patterns are being improved gradually. Thismethod can be also use in determining other type of medical diseases.
Benzer Tezler
- Mobil telefon kullanımına bağlı oluşan 900-1800 mhz radyo frekans dalgalarının meydana getirdiği elektromanyetik alanın iliak kanat kemik mineral yoğunluğuna etkisi
The effect of electromagnetic fields on bone mineral density of iliac bone produced by 900-1800 mhz radio frequency waves dependent on cellular phone usage
BEŞİR ANDAÇ AKSOY
Tıpta Uzmanlık
Türkçe
2006
Ortopedi ve TravmatolojiSüleyman Demirel ÜniversitesiOrtopedi ve Travmatoloji Ana Bilim Dalı
PROF.DR. NEVRES HÜRRİYET AYDOĞAN
- Medial tibial stres sendromunda ayak bileği izokinetik kuvvet dengeleri ve bölgesel kemik mineral yoğunluğu
Isokinetic force balances of ankle and regional bone mineral density in medial tibial stress syndrome
OĞUZ YÜKSEL
Tıpta Uzmanlık
Türkçe
2009
Ortopedi ve TravmatolojiEge ÜniversitesiSpor Hekimliği Ana Bilim Dalı
DOÇ. DR. CENGİZHAN ÖZGÜRBÜZ
- Trabeküler kemik yapılarının yapay zeka yöntemleri ile modellenmesi
Trabecular bones structure analyzing using artificial intelligence methods
ABDURRAHİM AKGÜNDOĞDU
Doktora
Türkçe
2009
Bilim ve Teknolojiİstanbul ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN NURİ UÇAN
- Tip 1 Diabetes Mellitus'ta kemik mineral yoğunluğunun değerlendirilmesi
Evaluation of bone mineral density in Type 1 Diabetes Mellitus
ÜNSAL OKTAY
Tıpta Uzmanlık
Türkçe
2008
Çocuk Sağlığı ve HastalıklarıDicle ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. KENAN HASPOLAT
- Farklı spor branşlarında düzenli antrenman yapan 11-13 yaş arasındaki kızlarda kemik mineral yoğunluğunun kuantitatif ultrason yöntemi ile incelenmesi
Assesment of the bone mineral density with quantitative ultrasound method in 11-13 year old girls who participate in different sports
GÜNEŞ OKUT
Yüksek Lisans
Türkçe
2008
SporHacettepe ÜniversitesiSpor Bilimleri ve Teknolojisi Ana Bilim Dalı
DR. ŞÜKRÜ ALPAN CİNEMRE