Akut kolesistit tanılı hastada termal kamera ölçümlerinin analizi
Analysis of thermal camera measurements in patient with acute cholecystitis
- Tez No: 655672
- Danışmanlar: PROF. DR. FAHRETTİN YILDIZ, DR. ÖĞR. ÜYESİ ALPER AYTEKİN
- Tez Türü: Tıpta Uzmanlık
- Konular: Genel Cerrahi, General Surgery
- Anahtar Kelimeler: Ağrı, Karın ağrısı, Kolesistit, Makine öğrenmesi, Termal kamera, Yapay zeka, Pain, Abdominal pain, Cholecystitis, Machine learning, Thermal camera, Artificial intelligence
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Gaziantep Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Genel Cerrahi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmanın amacı karın ağrısı ile hastanemize başvuran ve Akut Kolesistit (AK) tanısı alan hastaların infrared (IR) (termal kamera) görüntülerinin analizi ve tanıda kullanılabilirliğini değerlendirmektir. Çalışmaya hastanemize karın ağrısı ile başvuran, AK tanısı konulan hastalar ile sağlıklı gönüllüler dahil edildi. Hasta grupta hastaneye yattıktan sonra karın dört kadranı içine alacak şekilde termal görüntüler alındı. Gönüllüler için de aynı işlemler tekrarlandı. İstatistiksel analiz sonucunda hasta ve kontrol grubunda sağ üst kadran sıcaklığı arasında anlamlı bir fark bulundu (p<0.001). Hasta ve kontrol grubundan 40'ar kişinin tüm termal analiz verileri ile önce topluluk sınıflandırıcı vektörüyle makine öğrenmesi modeli oluşturuldu. Sonra daha önce makinenin görmediği 10 hasta ve 10 kontrole ait görüntüleri yükleyip hasta ve sağlıklı olanları ayırt etmesini inceledik ve doğruluk, duyarlıklık ve özgüllük oranlarını bulduk. Daha sonra istatistiksel olarak anlamlı parametreler ile aynı uygulamayı doğrusal ayırt edici vektörüyle yapıp sonuçları tekrar inceledik. Sağ ve sol üst kadran sıcaklığı termal kamera analizi verilerinin hasta ve kontrol grubunda istatistiksel olarak karşılaştırıldığında anlamlı bulundu (p<0,001). Yapay zeka ile makine öğrenmesi yöntemi kullanılarak , yapay zekanın hasta ve kontrol grubunu ayırması yönünden %95 doğruluk, %100 duyarlılık ve %90 özgüllüğü olduğunu bulduk. AK tanılı hastalarda termal kamera görüntülerinin analiz edilip yapay zeka ve makine öğrenmesi ile hasta ve normal kişilerin yüksek bir başarı ile ayırt edildiği çalışmamızın AK tanısında yardımcı yöntemlerden birisi olabileceği ve daha geniş katılımlı çalışmalarla bu yöntemin geliştirilmesinin mümkün olabileceği sonucuna varıldı.
Özet (Çeviri)
The aim of this study is to analyze the infrared (IR) (thermal camera) images of patients admitted to our hospital with abdominal pain and diagnosed with acute cholecystitis and to evaluate their availability in diagnosis. Patients admitted to our hospital with abdominal pain, diagnosed with acute cholecystitis and healthy volunteers were included in the study. In the patient group, after hospitalization, thermal images including four quadrants of the abdomen were taken. The same procedures were repeated for the volunteers. As a result of statistical analysis, a significant difference was found between right upper quadrant temperature in the patient and control groups (p <0.001). First, a machine learning model was created with the community classifier vector with all thermal analysis data of 40 people both from the patient and control groups. Then, we uploaded images of 10 patients and 10 controls that the machine hadn't seen before, and examined how it distinguish patients and healthy ones, and found the accuracy, sensitivity and specificity rates. Then we made the same application with statistically significant parameters with a linear distinguishing vector and examined the results again. When the thermal camera analysis data of the right and left upper quadrant temperatures were compared statistically, it was found to be statistically significant in the patient and control groups (p <0.001). By using machine learning method with artificial intelligence, we found that artificial intelligence has 95% accuracy, 100% sensitivity and 90% specificity in terms of separating the patient and control group. It was concluded that our study, in which thermal camera images were analyzed in patients diagnosed with acute cholecystitis patients and normal people with high success by artificial intelligence and machine learning, could be one of the auxiliary methods in the diagnosis of Acute Cholecystitis, and it was concluded that this method could be developed with studies with broader participation.
Benzer Tezler
- Tokyo 2018 akut kolesistit tanı kriterlerine göre grade II hastalarda erken ve geç dönem kolesistektominin zor kolesistektomi, morbidite ve mortalite üzerine etkisi
Başlık çevirisi yok
GİZEM KILINÇ TUNCER
Tıpta Uzmanlık
Türkçe
2021
Genel CerrahiSağlık Bilimleri ÜniversitesiGenel Cerrahi Ana Bilim Dalı
DOÇ. DR. MUSTAFA EMİROĞLU
- Akut mezenterik iskeminin tanısında d-dimerin önemi
The importance of d-dimer in diagnosis of acute mesenteric ischemia
SEMİH HOT
Tıpta Uzmanlık
Türkçe
2006
Genel CerrahiSağlık BakanlığıGenel Cerrahi Ana Bilim Dalı
DOÇ. NÜVİT ERCAN DURAKER
- Tokyo 2018 kılavuzuna göre acil serviste akut kolesistit tanısı konulan hastaların değerlendirilmesi
According to the Tokyo 2018 guidelines, the evaluation of patients diagnosed with acute cholecystitis in the emergency department
SAADET NUR ÇETİNKAYA BODUR
Tıpta Uzmanlık
Türkçe
2024
Acil TıpBaşkent ÜniversitesiAcil Tıp Ana Bilim Dalı
PROF. DR. KEZİBAN UÇAR KARABULUT
- Akut apandisit ve akut kolesistit olgularında MPV (Ortalama trombosit hacmi) ve RDW (Eritrosit dağılım genişliği) değerlerinin karşılaştırılması
Comparison of MPV (Mean platelet volume) and RDW (Red cell distribution wi̇dth) values in cases of acute appendicitis and acute cholecystitis
İHSAN VOLKAN PENÇEK
Tıpta Uzmanlık
Türkçe
2022
Genel CerrahiNecmettin Erbakan ÜniversitesiGenel Cerrahi Ana Bilim Dalı
PROF. DR. SÜLEYMAN ŞAKİR TAVLI