Geri Dön

Kalça radyografilerinde derin öğrenme yöntemleri ile proksimal femur kırıklarının tanısı ve sınıflandırılması

Diagnosis and classification of proximal femur fractures on hip radiographs with deep learning methods

  1. Tez No: 747474
  2. Yazar: HASAN ERSÖNMEZ
  3. Danışmanlar: PROF. DR. MURAT ARI, DR. ÖĞR. ÜYESİ SEDA ŞAHİN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Çankırı Karatekin Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 83

Özet

Proksimal femur kırığı geçirmiş olan hastaların %4'ü hastanede, %30'u ise tedaviden sonra 1 yıl içerisinde yaşamlarını kaybederler. Acil servislerin yoğunlukları ve hastalara ayrılan zamanın kısalığı nedeniyle kalça radyografilerinde proksimal femur kırıkların tanısı atlanabilmektedir. Proksimal femur kırıklarına doğru ve hızlı tanı konulması ile tedaviye erken başlanması hasta morbidite ve mortalitesini azaltmaktadır. Dört veri seti hazırlanmıştır. İlk veri setimizde (VS-1) 178 x-ray görüntüsü, ikinci veri setimiz (VS-2), VS-1'e görüntü işleme yöntemlerinden CLAHE filtresi uygulanmış halidir, üçüncü veri setimizde (VS-3), VS-1'e veri artırımı yapılarak elde edilmiş olup 316 adet x-ray görüntüsü ve son olarak dördüncü veri setimizde (VS-4) ise VS-3'e CLAHE filtresi uygulanarak elde edilmiştir. Kırıkların teşhisinde öğrenim aktarımı modellerinden DenseNet201, Xception, ResNet152V2 ve InceptionResNetV2 kullanılmıştır. Bu modeller bütün veri setlerinde eğitilmiştir. VS-1'de InceptionResNetV2 modeli ile F1 score 0.9500 başarı elde edilmiştir. VS-2'de DenseNet201 ve InceptionResNetV2 modellerinde F1 score 0.9500 başarı elde edilmiştir. VS-3'de Xception ve InceptionResNetV2 modellerinde F1 score 0.9000 başarı elde edilmiştir. VS-4'te ise DenseNet201 modelinde F1 score 0.9250 başarı elde edilmiştir. Genel olarak baktığımızda veri seti artırıldığında ve görüntü işleme yöntemlerinden CLAHE filtresi uygulandığında başarısı düşük olan modellerde başarı oranları artmaktadır. Bu çalışmamızda yeterli miktarda veri olduğunda ve görüntü işleme teknikleri ile desteklendiğinde Yapay Zeka teknolojisini proksimal femur kırıklarının optimize tespiti için kullanılabilir ve ayrıca klinisyenlerin çalışmalarını kolaylaştırabilir olduğunu gördük.

Özet (Çeviri)

4% of patients who have had a proximal femur fracture die in hospital, and 30% die within 1 year after treatment. The diagnosis of proximal femur fractures can be missed on hip radiographs due to the intensity of the emergency services and the short time allocated to the patients. Accurate and rapid diagnosis of proximal femur fractures and early initiation of treatment reduce patient morbidity and mortality. Four data sets were prepared. 178 x-ray images in our first dataset (VS-1), our second dataset (VS-2), VS-1 with CLAHE filter applied from image processing methods, in our third dataset (VS-3), VS-1 316 x-ray images and finally in our fourth data set (VS-4) were obtained by applying CLAHE filter to VS-3. Learning transfer models DenseNet201, Xception, ResNet152V2 and InceptionResNetV2 were used in the diagnosis of fractures. These models are trained on all datasets. F1 score of 0.9500 was achieved with the InceptionResNetV2 model in VS-1. F1 score of 0.9500 was achieved in DenseNet201 and InceptionResNetV2 models in VS-2. F1 score of 0.9000 was achieved in Xception and InceptionResNetV2 models in VS-3. In VS-4, F1 score of 0.9250 was achieved in the DenseNet201 model. In general, when the data set is increased and the CLAHE filter is applied from the image processing methods, the success rates of the models with low success increase. In this study, we have seen that when there is sufficient data and supported by image processing techniques, Artificial Intelligence technology can be used for optimized detection of proximal femur fractures and can also facilitate the work of clinicians.

Benzer Tezler

  1. Yapay zeka ve derin öğrenme teknolojileri ile kalça eklemi radyografilerinde femoral komponentin tanınması

    Identifying femoral stems from pelvic x-ray with deep learning and artificial intelligence algorithm

    AHMET METİN ÖZSEZEN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2021

    Ortopedi ve TravmatolojiSağlık Bilimleri Üniversitesi

    Ortopedi ve Travmatoloji Ana Bilim Dalı

    PROF. DR. CEMİL YILDIZ

  2. Yürüyebilen ve yürüyemeyen Serebral Palsili çocukların Articulatio Coxae'ların anatomik ve alt ekstremitelerin antropometrik ölçümlerinin karşılaştırılması

    Comparison of anthropometric measurements of lower extremities and Articulationes Coxae anatomically in ambulatory and non- ambulatory children with Cerebral Palsy

    BUKET RENDE

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    AnatomiKocaeli Üniversitesi

    Anatomi Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AYLA TEKİN ORHA

  3. Gelişimsel kalça displazili hastaların ön-arka pelvis radyografilerinde ölçülen parametrelerin güvenilirliği

    The Reliability of radiographical parameters measured in the anterio-posterior pelvis radiographs of the patients with developmental hip dysplasia

    LEVENT TAN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2000

    Ortopedi ve TravmatolojiTrakya Üniversitesi

    Ortopedi ve Travmatoloji Ana Bilim Dalı

    YRD. DOÇ. DR. ŞEREF AKTAŞ

  4. Kalça kırığı riskini değerlendirmede femur geometrik ölçümlerinin yeri

    The Importance of femoral geometrical measuraments toevaluate hip fracture risk

    HAVVA TALAY ÇALIŞ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2000

    Fiziksel Tıp ve Rehabilitasyonİstanbul Üniversitesi

    Fiziksel Tıp ve Rehabilitasyon Ana Bilim Dalı

    PROF. DR. MERİH ERYAVUZ

  5. Gelişimsel kalça displazilerinde tönnis lateral asetabuloplastisinin erken ve orta dönem sonuçları

    Başlık çevirisi yok

    ÖMER YONGA

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2017

    Ortopedi ve TravmatolojiKocaeli Üniversitesi

    Ortopedi ve Travmatoloji Ana Bilim Dalı

    DOÇ. DR. KAYA MEMİŞOĞLU