Geri Dön

Proksimal junctional kifoz gelişim nedenlerinin makine öğrenmesi yöntemiyle tespiti

Determining reasons of proximal junctional kyphosis by using machine learning algorithms

PDF İndir

  1. Tez No: 668421
  2. Yazar: SALİH KAYA
  3. Danışmanlar: DOÇ. DR. SİNAN YILAR, DR. KEMAL ZENCİRLİ
  4. Tez Türü: Tıpta Uzmanlık
  5. Konular: Ortopedi ve Travmatoloji, Orthopedics and Traumatology
  6. Anahtar Kelimeler: Proksimal Junctional Kifoz, Skolyoz, Kifoz, Yapay Zeka, Makine Öğrenmesi, Proximal Junctional Kyphosis, Scoliosis, Kyphosis, Artificial Intelligence, Machine Learning
  7. Yıl: 2020
  8. Dil: Türkçe
  9. Üniversite: Atatürk Üniversitesi
  10. Enstitü: Tıp Fakültesi
  11. Ana Bilim Dalı: Ortopedi ve Travmatoloji Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 83

Özet

Proksimal Junctional Kifoz Gelişim Nedenlerinin Makine Öğrenmesi Yöntemiyle Tespiti Amaç: Omurga deformitesi nedeniyle operasyon yapılan hastaların ameliyat sonrası dönemde proksimal junctional kifoz (PJK) gelişimine etki eden parametreleri makine öğrenmesi (MÖ) yöntemleriyle tespit etmek. Gereç ve Yöntemler: 2015-2019 yılları arasında kliniğimizde omurga deformitesi nedeniyle posterior enstrümantasyon ve füzyon uygulanmış 167 hastanın kayıtları tarandı. Çalışma kriterlerine uyan 67 hasta incelendi. Hastaların; yaş, cinsiyet, kan grubu, vücut kitle endeksi, sigara kullanımı, aile öyküsü, ek hastalık durumu, aylık gelir miktarı, takip süresi, operasyon öncesi ve sonrası torakal kifoz (TK), lomber lordoz (LL), sagital vertikal aks (SVA) değerleri, füzyon seviyesi, alt ve üst enstrüman seviyeleri, rod kalınlığı, pelvik insidans (Pİ) değerleri, global sagital dizilim (GSD) değerleri, Ponte osteotomisi ve posterior vertebral kolon rezeksiyonu (PVKR) yapılan hastalar kaydedildi. Operasyon öncesi, erken operasyon sonrası ve son takiplerdeki proksimal junctional açıları (PJA) ölçülerek PJK olanlar belirlendi. Daha sonra bu veriler değerlendirilerek MÖ yöntemleri olan naive bayes (NB), destek vektör makineleri (DVM), karar ağacı (KA) ve yapay sinir ağı (YSA) modelleriyle kifoz gelişimi için en ilişkili parametreler belirlendi. Veri seti Weka 3.8.4 programıyla çalışıldı. MÖ algoritmalarını karşılaştırmak için, doğruluk, F-measure, ROC (Receiver Operating Characteristic) ve MAE (Mean Absolute Error) oranları değerlendirildi. MÖ yöntemlerinden doğruluğu en yüksek KA J48 modeli oldu. Sonuç: MÖ algoritmalarının PJK gelişimi üzerinde en çok ilişkili bulduğu parametre ameliyat sonrası erken dönemde ölçülen PJA oldu. PJK gelişimi üzerinde etkili diğer parametreler SVA farkı ve TK Cobb açı farkı oldu. PJK gelişimine ters yönde etki eden parametre, pelvik tilt (PT) idi. Erken takiplerde PJA göz önünde bulundurularak PJK gelişimi açısından bir fikir elde edilebilir. PJK gelişimini engellemek için aşırı düzeltmelerden kaçınılmalıdır. Antevert pelvislerin PJK için koruyucu olduğu bilinmelidir ve ameliyat öncesi planlamada spinopelvik parametrelere (SP) dikkat edilmelidir.

Özet (Çeviri)

Determining Reasons of Proximal Junctional Kyphosis by Using Machine Learning Algorithms Aim: To determine the reasons of proximal junctional kyphosis (PJK) by using machine learning (ML) for operated kyphosis deformity patients. Material and Methods: Between 2015 and 2019, we looked 167 patient records performed posterior instrumentation and fusion for spinal deformity in our center. 67 patients who met the study criteria were examined. Age, gender, blood group, body mass index, smoke, family history, comorbidity, monthly income, follow time, preoperative and postoperative thoracal kyphosis (TK), lumbar lordosis (LL), sagittal vertical axis (SVA) values, fusion levels, lower and upper instrumented levels, rod diameters, pelvic incidens (PI), global spinal alignment (GSA) values, patients who underwent Ponte osteotomy and posterior vertebral column resection (PVCR) were recorded. We recorded proximal junctional angles (PJA) for preoperative, early postoperative and last follows. After we determined PJK patients and found the most related parameters for PJK by using naive bayes (NB), support vector machines (SVM), desicion trees (DT) and artificial neural networks (ANN) as machine learning algorihtms. We used Weka 3.8.4 program for our data set. We looked accuracy, F-measure, ROC (Receiver Operating Characteristic) and MAE (Mean Absolte Error) rates for compare ML algortihms. Among the ML methods, DT J48 model was the most accurate. Conclusions: The most relevant parameter for the development of PJK by the ML algorithms was the PJA measured in the early postoperative period. Other parameters affecting the development of PJK were SVA difference and TK Cobb angle difference. The parameter that adversely affected the development of PJK was pelvic tilt. An idea can be obtained in terms of the development of PJK by considering PJA in early follow-up. Excessive corrections should be avoided to prevent the development of PJK. We think that the anteverted pelvis is protective for the PJK and attention should be paid to spinopelvic parameters in preoperative planning.

Benzer Tezler

  1. Tez No

    661216

    Scheuermann kifozunda posterior enstrümantasyon ve füzyon sonrası proksimal ve distal bileşke kifozunun değerlendirilmesi

    Evaluation of the proximal and distal junctional kiphosis after posterior instrumentation and fusion in scheuermann kiphosis

    MURAT BAKIR

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2021

    Ortopedi ve TravmatolojiSağlık Bilimleri Üniversitesi

    Ortopedi ve Travmatoloji Ana Bilim Dalı

    DOÇ. DR. HAKAN SERHAT YANIK

  2. Tez No

    452848

    Büyüyen omurgada füzyonsuz enstrümantasyon sonrasında komşu segment problemleri

    Adjacent segment problems after fusionless instrumentation in the growing spine

    İLYAS ÇAĞLAR YILGÖR

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2012

    Ortopedi ve TravmatolojiHacettepe Üniversitesi

    Ortopedi ve Travmatoloji Ana Bilim Dalı

    PROF. DR. MUHARREM YAZICI

  3. Tez No

    370002

    Posterior torasik enstrümantasyon sonrası proksimal kavşak kifoz gelişimini önlemede posterior elemanlar ve faset eklemlerin etkinliği: Koyun omurga modeli biyomekanik çalışma

    Evaluation of proximal junctional kyphosis following posterior thoracic enstrumentation : The effect of posterior anatomical structures and facet joints a biomechanical analysis on fresh sheep spine

    MURAT KORKMAZ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2014

    Ortopedi ve Travmatolojiİstanbul Üniversitesi

    Ortopedi ve Travmatoloji Ana Bilim Dalı

    PROF. DR. ÖNDER YAZICIOĞLU

  4. Tez No

    415063

    Omurganın sagital plan deformitelerinin cerrahi tedavi sonuçları

    The results of surgi̇cal treatment of sagittal plane deformities of vertebral column

    TEOMAN ATICI

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2002

    Ortopedi ve TravmatolojiUludağ Üniversitesi

    Ortopedi ve Travmatoloji Ana Bilim Dalı

    PROF. DR. UFUK AYDINLI

  5. Tez No

    477993

    Erişkin spinal deformite cerrahisi geçiren hastalarda post-operatif başarı için prognostik kriterler

    Prognostic criteria for post-operative success in patients undergoing surgery for adult spinal deformities

    TUNA PEHLİVANOĞLU

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2017

    Ortopedi ve Travmatolojiİstanbul Üniversitesi

    Ortopedi ve Travmatoloji Ana Bilim Dalı

    PROF. DR. UFUK TALU

Geri Dön