Geri Dön

Lomber MRG ADC haritasından elde edilen radıomıcs verilerinden makine öğrenmesi algoritmaları kullanılarak oluşturulan modellerin osteoporoz tanısında kullanılabilirliği

The use of radiomics data obtained from ADC map of lumbar MRI and machine learning in diagnosis of osteoporosis

PDF İndir

  1. Tez No: 734845
  2. Yazar: FATİH ERDEM
  3. Danışmanlar: DR. ÖĞR. ÜYESİ EMRAH AKAY
  4. Tez Türü: Tıpta Uzmanlık
  5. Konular: Radyoloji ve Nükleer Tıp, Radiology and Nuclear Medicine
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Balıkesir Üniversitesi
  10. Enstitü: Tıp Fakültesi
  11. Ana Bilim Dalı: Radyoloji Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 150

Özet

Amaç: Biz bu çalışmada, iyonizan radyasyon içermeyen lomber MRG ADC haritalarından elde edilmiş olan radiomics verilerinden makine öğrenmesi algoritmaları kullanılarak oluşturulan modellerin osteoporozun tanısındaki performansını test etmeyi amaçlıyoruz. Çalışmamızın sekonder amaçları da her bir radiomics özelliğinin osteoporoz durumunda istatistiksel olarak anlamlı farklılık gösterip göstermediğini ve istatistiksel olarak anlamlı farklılık gösteren her bir özellik için osteoporoz tanısında kullanılabilecek bir eşik değer belirlemektir. Gereç ve Yöntem: Çalışmamızda 01.01.2015 ile 31.12.2020 tarihleri arasında Radyoloji Anabilim Dalı'na yönlendirilen olguların verileri retrospektif olarak tarandı. Bu tarih aralığında Philips Ingenia 1.5T MRG cihazında (Philips, Best, NL) çekilmiş olan lomber MRG'si ve DEXA cihazında (Lunar Prodigy, model 8743; GE Lunar, Madison, WI, USA) çekilmiş KMY ölçüm raporu bulunan ve bu tetkikleri arasında 1 yıldan az süre bulunan olgular belirlenen dışlama kriterleri yoksa çalışmaya dahil edildi. Dışlama kriterleri, lomber MRG ve DEXA tetkikleri arasında 1 yıldan fazla süre olması, lomber vertebra korpuslarında görüntüleme sınırlarında saptanabilen infeksiyöz veya neoplastik lezyon varlığı, lomber vertebra korpuslarında kompresyon fraktürü, enstrumantasyon, ölçümleri bozabilecek osteodejeneratif değişiklikler, difüzyon ağırlıklı görüntülemede L1, L2, L3, L4 vertebra seviyelerinin tümünün görüntüleme alanına dahil edilmediği olgular, lomber MRG ve DEXA tetkikleri bulunan ancak difüzyon ağırlıklı görüntüleme yapılmamış olgular şeklinde belirlendi. Dışlama sonucunda 21 tanesi osteoporozlu 140 olgu ile çalışmaya devam edildi. Arşivleme sistemi olarak hastanemizde mevcut PACS yazılımından faydalanıldı. Veri analizi IBM SPSS Statistics for Windows, version 22 (IBM Corp., Armonk, N.Y., USA) ve Orange data mining programı versiyon 3.30 (https://orange.biolab.si/) ile yapıldı. Kriterlere uyan olguların lomber MRG difüzyon ağırlıklı görüntüleri (b değerleri 0 ve 650 s/mm2) DICOM (Digital Imaging and Communications in Medicine) formatında 3DSlicer 4.8.1 (www.slicer.org) programına aktarıldı. Öncelikle 0 ve 650 s/mm2 b değerleri ile elde edilmiş olan görüntülerinden DWModeling isimli modülle monoeksponansiyel ADC haritaları elde edildi. Her olguya ait ADC haritalarından 6 adet L1, L2, L3, L4, L1-4, L2-4 etiketli segmentasyonlar elde edildi. Segmentasyon işlemi manuel olarak tek bir kıdemli radyoloji asistanı tarafından yapıldı. Segmente edilen volümlerden PyRadiomics tabanlı 3DSlicer Radiomics modülü kullanılarak her olguya ait 5580 özellik çıkarılarak veri seti oluşturuldu. Orange data mining programında tüm özellikler ve FCBF ile seçilen 5 özellik ile 7 ayrı makine öğrenmesi algoritması kullanılarak (kNN, karar ağacı, random forest, lojistik regresyon, SVM, Naive Bayes, ve neural network) sınıflandırma yapıldı. Validasyon tekniği olarak stratified 10-fold çapraz validasyon tekniği kullanıldı. Makine öğrenmesi uygulamasının ardından 5580 özelliğin osteoporoz durumunda istatistiksel olarak anlamlı farklılık gösterip göstermediğinin belirlenmesi açısından Student's t testi ve Mann-Whitney U testleri yapıldı. Bu testlerde anlamlı bulunan özelliklere ROC curve analizi yapıldı ve eşik değerler belirlendi. Bu çalışma Balıkesir Üniversitesi Tıp Fakültesi Klinik Araştırmalar Etik Kurulu Başkanlığı'nın 21/06//2021 tarihli ve E-94025189-050.03-37583 sayılı kararı ile etik kurul onayı almıştır. Bulgular: Lomber MRG ADC haritalarından elde edilen 5580 adet radiomics özelliğinin tümüyle oluşturulan makine öğrenmesi modellerinden osteoporozu saptamada en başarılı olanı, AUC'lerine göre kıyaslandığında, neural network olarak görülmektedir. Neural network algoritmasının AUC değeri 0,616, CA değeri 0,764, F1 skoru 0,108, precision değeri 0,125, recall değeri 0,095, specificity değeri 0,882 idi. Osteoporozu saptamada tüm radiomics özelliklerinden FCBF ile seçilen 5 özellik kullanılarak yapılan sınıflandırmada, tüm radiomics özellikleri kullanılarak yapılan sınıflandırmaya göre 7 makine öğrenmesi algoritmasının da performans ölçütlerinde yükselme görüldü. FCBF ile seçilen 5 özellik kullanılarak oluşturulan modellerde en yüksek performans gösteren makine öğrenmesi algoritması Naive Bayes algoritması idi (AUC değeri 0,913, CA değeri 0,907, F1 skoru 0,683, precision değeri 0,7, recall değeri 0,667, specificity değeri 0,95). Makine öğrenmesi ile sınıflandırmadan sonra radiomics özelliklerinin tek tek osteoporoz durumunda istatistiksel olarak anlamlı farklılık gösterip göstermediğine yönelik, 2073 adet normal dağılıma uyan özelliğe Student's t testi ve 3507 adet normal dağılıma uymayan özelliğe Mann-Whitney U testleri yapıldı. Student's t testinin sonucunda 521 adet özellik osteoporoz durumunda istatistiksel olarak anlamlı farklılık gösterdi (p

Özet (Çeviri)

Purpose: In this study, we aimed to test the performance of machine learning models with radiomics data obtained from lumbar MRI ADC maps, which is an imaging modality without ionizing radiation, in diagnosing osteoporosis. The secondary aims of our study are to determine whether each radiomics feature shows a statistically significant difference in osteoporosis status and to determine a threshold value that can be used in the diagnosis of osteoporosis for each feature that showed a statistically significant difference. Materials and Methods: In our study, the data of the cases referred to the Radiology Department between 01.01.2015 and 31.12.2020 were scanned retrospectively. The cases with a lumbar MRI scan by Philips Ingenia 1.5T MRI device (Philips, Best, NL) and a bone mineral density measurement by DEXA device (Lunar Prodigy, model 8743; GE Lunar, Madison, WI, USA) within a maximum 1-year interval were included in the study if there was no exclusion criterion. Exclusion criteria consisted of the presence of more than 1-year interval between lumbar MRI and DEXA examinations, the presence of an infectious or a neoplastic lesion in any lumbar vertebral body that can be detected by imaging, a compression fracture of a lumbar vertebral body, instrumentation, the osteodegenerative changes that could impair the measurements, the cases in which the first four lumbar vertebra levels were not included in the imaging field, the cases that had lumbar MRI and DEXA examinations within a maximum 1-year interval but did not have diffusion-weighted imaging. As a result of exclusion, the study continued with 140 patients, 21 of whom had osteoporosis. The PACS software available in our hospital was used as the archiving system. Statistical analysis was performed with IBM SPSS Statistics for Windows, version 22 (IBM Corp., Armonk, N.Y., USA) and Orange data mining program version 3.30 (https://orange.biolab.si/). Lumbar MRI diffusion-weighted images (b values of 0 and 650 s/mm2) of the cases that met the criteria were transferred to the 3DSlicer 4.8.1 (www.slicer.org) program in DICOM (Digital Imaging and Communications in Medicine) format. First of all, monoexponential ADC maps were created with the module named DWModeling. 6 segmentations labelled as L1, L2, L3, L4, L1-4, L2-4 were obtained from the ADC maps for each case. Segmentation was done manually by a single senior radiology assistant. A data set was created with 5580 features for each case, extracted from the segmented volumes using the PyRadiomics-based 3DSlicer Radiomics module. The classification with all features and 5 features selected with FCBF were performed by 7 different machine learning algorithms (kNN, decision tree, random forest, logistic regression, SVM, Naive Bayes, and neural network) in the Orange data-mining program. A stratified 10-fold cross-validation technique was used as the validation technique. After the machine learning application, Student's t-test and Mann-Whitney U tests were performed to determine whether 5580 features showed a statistically significant difference in osteoporosis status. ROC curve analysis was performed for the features found to be significant in these tests, and threshold values were determined. This study was approved by the Clinical Research Ethics Committee of Balikesir University Faculty of Medicine. Results: The most successful machine learning model formed with 5580 radiomic features for detecting osteoporosis was the neural network when compared according to their AUCs. The AUC value of the neural network algorithm was 0.616, its CA value was 0.764, its F1 score was 0.108, its precision value was 0.125, its recall value was 0.095, and its specificity value was 0.882. In the classification with 5 features selected among all radiomic features by FCBF, 7 machine learning algorithms' performances were increased compared to the classification with all radiomic features. Among the models created using 5 features selected by FCBF, the machine learning algorithm that showed the highest performance was the Naive Bayes algorithm (AUC value 0.913, CA value 0.907, F1 score 0.683, precision value 0.7, recall value 0.667, specificity value 0.95). Student's t-test for 2073 features with normal distribution and Mann-Whitney U tests for 3507 features with non-normal distribution were used to determine whether each radiomic feature showed a statistically significant difference in osteoporosis status. As a result of the student's t-test, 521 features showed a statistically significant difference in osteoporosis (p

Benzer Tezler

  1. Tez No

    431580

    Lomber disk herniasyon hastalarının MRG bulgularına göre herniasyon tipleriyle post-operatif dönemde nüks oranlarının araştırılması: Erken dönem sonuçlarının prospektif olarak değerlendirilmesi

    Postoperative research of recurrence rates of lumbar disc herniation types that made according to MRI findings in patients with herniated lumbar intervertebral discs: Prospective evaluation of short-term outcomes

    ANAS ABDALLAH

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2016

    NöroşirürjiSağlık Bakanlığı

    Beyin ve Sinir Cerrahisi Ana Bilim Dalı

    DOÇ. DR. ERHAN EMEL

  2. Tez No

    516193

    Rutin lomber mrg incelemesi yapılan hastalarda koronal single shot t2 sekansı ile ekstraspinal bulguların araştırılması

    Evaluating of the extraspinal findings at lumbar spine mri with coronal single shot t2 sequence

    RIDVAN PEKÇEVİK

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2013

    Radyoloji ve Nükleer TıpSağlık Bakanlığı

    Radyoloji Ana Bilim Dalı

    DOÇ. DR. ZEHRA HİLAL ADIBELLİ

  3. Tez No

    658457

    Lomber diskopati tanısı ve uyluk lateraline yayılan ağrısı olan hastalarda büyük trokanterik ağrı sendromu

    great trochanteric pain syndrome in patients with A diagnosis of lumbar discopathy and pain extending to the lateral thigh

    BERİL BAYRAKTAR

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2020

    Fiziksel Tıp ve RehabilitasyonSağlık Bilimleri Üniversitesi

    Fiziksel Tıp ve Rehabilitasyon Ana Bilim Dalı

    DOÇ. DR. EMEL EKŞİOĞLU

    DOÇ. DR. EBRU KARACA UMAY

  4. Tez No

    628563

    Adölesan yaş grubu bel ağrısında lomber MRG'nin rolü

    Adolescent back pain and the role of MRI

    AYŞEGÜL AKDOĞAN GEMİCİ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2011

    Radyoloji ve Nükleer TıpSağlık Bakanlığı

    Radyoloji Ana Bilim Dalı

    DOÇ. DR. FATMA SİBEL BAYRAMOĞLU

  5. Tez No

    115814

    Lomber bölgede end-plate MR sinyal intensite değişimlerinin ve faset eklem osteoartritinin bel ağrısı (low pack pain) ile ilişkisi

    The Correlation between low back pain and end-plate MR signal intensity alterations, facet joint osteoarthritis at the lumbar region

    AHMET AVCI

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2002

    Radyoloji ve Nükleer TıpDokuz Eylül Üniversitesi

    Radyodiagnostik Ana Bilim Dalı

    PROF. DR. EMEL ADA

Geri Dön