Mekanik dolaşım destek sistemi hastalarının driveline yaralarının görüntü işleme ve derin öğrenme yöntemi ile enfeksiyon açısından incelenmesi
Assessment of infection levels in mechanical circulatory assist devi̇ce implanted patients utilizing image processing and deep learning methods
- Tez No: 676548
- Danışmanlar: DR. ÖĞR. ÜYESİ HAMZA FEZA CARLAK
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Akdeniz Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 62
Özet
Tez çalışmasında, kalp yetersizliği yaşayan hastalara tedavi olarak uygulanan mekanik dolaşım destek sisteminin implantasyonu sonrasında oluşabilecek driveline yaralarının görüntü işleme ve derin öğrenme yöntemleri ile enfeksiyon durumunun incelenmesi üzerine çalışılmıştır. Sol ventrikül destek cihazları (LVAD) implantasyonu nedeniyle meydana gelen driveline enfeksiyonu hastalarda üçüncü en yaygın ölüm nedenidir. Driveline enfeksiyonu cilt dokusunda ödem, sıcaklık, pürülan akıntı gibi semptomların ortaya çıkmasıdır. Bu semptomlar cilt dokusunda lezyonlara neden olur. Bu çalışmada, kalp yetersizliğine bağlı LVAD implantasyonu sonrası oluşabilecek aktarma organları enfeksiyonunu tespit etmek için görüntü işleme teknikleri ve derin öğrenme yöntemleri kullanılmıştır. Çalışma kapsamında kalp yetersizliğine bağlı olarak mekanik dolaşım destek sistemi implantasyonu uygulanan hastalardan alınan görüntüler ile enfeksiyon durumu hakkında inceleme yapılmıştır. Bu tespitler için öncelikle driveline'ın vücuttan çıkış bölgesi tespit edilmiştir. Driveline vücut çıkış bölgesi tespitinde, cilt dokusu üzerinde bölütleme işlemi yapılmıştır. Bu tespit işlemi için bölütleme işlemi olarak K-Ortalamalar algoritması tercih edilmiştir. Bölütleme işlemi sonrasında elde edilen driveline vücut çıkış bölgesi, öznitelik çıkarma işlemi ve derin öğrenme için girdi olarak kullanılmıştır. Öznitelik çıkarma kısmında üç farklı yöntem kullanılmıştır. Bu yöntemler: ayrık dalgacık dönüşümü, Shannon Entropisi ve gri seviyeli eş-oluşum matrisleridir. Bu yöntemlere bağlı olarak bazı çıkarımlarda bulunulmuştur. Öznitelik çıkarmaya ek olarak derin öğrenme yöntemi kullanılmıştır. Derin öğrenmede evrişimli sinir ağı mimarisi tercih edilmiştir. Evrişimli sinir ağı mimarisine bağlı olarak model geliştirilmiştir. Bu model ile görüntünün enfeksiyon durumu hakkında tahminde bulunulmuştur. Mevcut veri yapısı ve miktarına bağlı olarak geliştirilen modelin başarı oranı %90 olarak hesaplanmıştır.
Özet (Çeviri)
In this study, infection levels of possible driveline complications due to the implantation of mechanical circulatory assist devices were investigated with image processing and deep learning methods. Driveline infection due to the left ventricular assist devices (LVAD) implantation is the third most common cause of death in patients. Driveline infection is the manifestation of symptoms such as edema, warmth, purulent discharge in the skin tissue. These symptoms cause lesions in the skin tissue. In this study, image processing techniques and deep learning methods were used to detect driveline infection that may occur after implantation of LVAD due to the heart failure. Within the scope of the study, infection status was examined with images taken from patients who underwent mechanical circulatory support system implantation due to the heart failure. For these determinations, first of all, the exit region of the driveline from the body tissue was detected. In the detection of the body exit region of the driveline cable, segmentation was performed on the skin tissue. The K-means algorithm was chosen for the segmentation process. Region of the detected driveline exit-line was used as an input for the feature extraction and deep learning operations. Three different methods which are wavelet transform, Shannon entropy and gray level co-occurrence matrix were utilized in the feature extraction stage. The inferences have been made depending on these methods. A deep learning method was used in addition to the feature extraction method. Convolutional neural network architecture was developed and used for deep learning to predict the infection level of the patients. The success rate of the model, which was developed depending on the existing data structure and amount, was calculated as 90%.
Benzer Tezler
- Validation of the first Turkish axial-flow left-ventricular assist device using particle image velocimetry (PIV)
İlk Türk eksenel-akışlı sol-ventrikül destek pompasının (SVDP) parçacık hızı görüntüleme (PHG) tekniğiyle validasyonu
SINA DADGAR
Yüksek Lisans
İngilizce
2014
BiyomühendislikBahçeşehir ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
Assoc. Prof. Dr. SARPER ÖZHARAR
Prof. Dr. MESUT EROL SEZER
- Sol ventrı̇kül destek sı̇stemı̇ yerleştı̇rı̇len hastaların ı̇zlem tarı̇hlerı̇nı̇n dışında hastane başvuru nedenlerı̇nı̇n ı̇ncelenmesı̇
Examination of the causes hospital application except in medi̇cal control dates of patients with left ventricular assi̇st devi̇ce implants
SEMRA AĞUSTOS
- Kronik kalp yetmezliği'nin akut alevlenmesinin kardiyojenik şok evresinde kısa süreli ventrikül destek sistemlerinin etkinliği
The efficacy of short term circulatory support systems in chronic heart failure patients presenting with acute decompansating cardiogenic shock
EKREM YILMAZ
Tıpta Uzmanlık
Türkçe
2014
KardiyolojiUludağ ÜniversitesiKalp ve Damar Cerrahisi Ana Bilim Dalı
PROF. DR. DAVİT SABA
- Development of an implantable left ventricular assist device: Heart turcica centrifugal
Vücuda yerleştirilebilir bir sol ventrikül asist sisteminin geliştirilmesi: Heart turcica centrifugal
ONUR DEMİR
Yüksek Lisans
İngilizce
2008
BiyomühendislikKoç ÜniversitesiMakine Mühendisliği Bölümü
DOÇ. DR. İSMAİL LAZOĞLU
- Sol ventrikül destek cihazı implante edilen hastalarda ameliyat öncesi döneme göre hayat kalitesi ve fiziksel aktivitedeki değişikliklerin saptanması
Determi̇nati̇on of changes in quality of life and physical activity compared to the pre-operative period in patients implanted with left ventricular assist device
HAKAN YUSUF KÖKSAL
Tıpta Uzmanlık
Türkçe
2024
Göğüs Kalp ve Damar CerrahisiSağlık Bilimleri ÜniversitesiKalp ve Damar Cerrahisi Ana Bilim Dalı
DOÇ. DR. SABİT SARIKAYA