Geri Dön

Klivusa ait BT tabanlı radiomics özelliklerinden makine öğrenme algoritmaları kullanılarak elde edilen modellerin osteoporoz tanısındaki yeri

Role of models obtained from ct-based radiomics features and machine learning algorithms of clivus in the diagnosis of osteoporosis

PDF İndir

  1. Tez No: 755992
  2. Yazar: CANDAN GÜNGÖR
  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: 68

Özet

Amaç: Osteoporoz (OP) önemli bir halk sağlığı sorunu olup önemli mortalite ve morbiditelere yol açmaktadır. Bu nedenle erken tanı önemlidir. Amacımız bilgisayarlı tomografi (BT) görüntüleri üzerinden klivusun radiomics verilerini, makine öğrenme algoritmaları ile kombine ederek OP'yi tahmin etmedeki etkinliğini ölçmektir. Gereç ve Yöntem: Bu retrospektif çalışmada, kurumumuzda DEXA ve bir yıl içerisinde kraniofasial bölgeye BT tetkiki yapılmış olan 140 olgu incelemeye alındı. Hastalar DEXA T-skorlarına göre, 30'u OP, 33'ü osteopeni ve 77'si normal olmak üç gruba ayrıldı. Üç boyutlu segmentasyon işlemi ve radiomics özelliklerin çıkarımı“3D slicer”programı ile tek hekim tarafından yapıldı. Klivusun trabeküler kemik komponentleri manuel çizilerek segmente edildi. Radiomics çıktıları, orijinal, ince- kaba Laplacian of Gaussian ve wavelet transform filtreli görüntülerden oluşmaktadır. Toplam 1023 adet radiomics özellik elde edildi. Voksel yeniden örnekleme 1x1x1 mm³ olarak standardize edildi. MÖ için Orange Data Mining programı kullanıldı. Özellik azaltma için relieff ve fast correlation based filter (FCBF) metodları uygulandı. MÖ algoritmaları olarak k-nearest neighborhood (kNN), decision tree, random forest, logistic regression, support vector machine (SVM), naive bayes ve neural network sınıflandırmaları kullanıldı. Sınıflandırmaları karşılaştırmak için area under curve (AUC), duyarlılık (sensitivity, recall), özgüllük (spesifite), çalışma karakteristiği eğrisi (ROC), hata matriksi gibi parametreler kullanıldı. Tüm istatiksel sonuçlar için p

Özet (Çeviri)

Purpose: Osteoporosis is an important public health problem that causes significant mortality and morbidity. Therefore, early diagnosis is crucial. Our goal is to investigate the role of radiomics and machine learning (ML) algorithms in the diagnosis of osteoporosis using clivus computerized tomography images. Material and method: Our study retrospectively included 140 ceses who had undergone both DEXA and craniofacial CT examinations in one year period in our institution. Patients were separated into three groups according to their DEXA T-scores; 30 for osteoporosis, 33 for osteopenia, and 77 for normal. The three-dimensional segmentation process and the extraction of radiomics features were performed with the“3D slicer”program by a single physician. The trabecular bone components of the clivus were segmented manually. Radiomics output consists of original, fine-coarse Laplacian of Gaussian and wavelet transform filtered images. A total of 1023 radiomics features were analysed. Voxel resampling was standardized at 1x1x1 mm³. ML was performed using the Orange Data Mining software. The relief and fast correlation based filter (FCBF) methods were used for feature reduction. The K-nearest neighborhood (kNN), decision tree, random forest, logistic regression, support vector machine (SVM), naive Bayes, and neural network were used as ML alogarithms. Parameters like AUC, sensitivity (recall), specificity, receiver operating characteristic curve (ROC) and confusion matrix were used to compare the results. P-values < 0.05 were considered as significant. Results: In the binary classification of osteoporosis and non-osteoporosis (osteopenia + normal), the neural network algorithm achieved the highest success in predicting osteoporosis (AUC 0.87, sensitivity 0.63, specificity 0.93). In the other binary classification of patients with low bone mineral density (BMD) and normal BMD, the SVM algorithm was the best predictor of patients with low BMD (AUC 0.82, sensitivity 0.73, specificity 0.84). Finally, the multiclass classification was performed as osteoporosis, osteopenia and normal. The Naive Bayes algorithm performed best in identifying patients with osteoporosis (AUC 0.9, sensitivity 0.73, specificity 0.89) and osteopenia (AUC 0.69, sensitivity 0.33, specificity 0.89). Finally, CT Hounsfield Units (HU) values of the clivus were measured by the ROI method. HU values were significantly different between low BMD and normal BMD cases (p

Benzer Tezler

  1. Tez No

    395949

    İntrakraniyal tümörlerin flat-panel BT anjiografi ile preoperatif değerlendirilmesi

    Assesment of intracranial tumors preoperatively with the use of flat-panel CT angiography

    ÖZLEM KORKMAZ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2014

    Radyoloji ve Nükleer Tıpİstanbul Üniversitesi

    Radyoloji Ana Bilim Dalı

    PROF. DR. OSMAN KIZILKILIÇ

  2. Tez No

    697531

    Fossa Cranii Posterior'a ait anatomik yapıların nörogörüntüleme tekniği ile morfometrik analizi ve klinikte görülen patolojilerle ilişkisi

    Morphometric analysis of the anatomical structures of Posterior Cranial Fossa with neuroimaging technique and its relation with clinical pathologies

    DERYA DEMİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    AnatomiOndokuz Mayıs Üniversitesi

    Anatomi Ana Bilim Dalı

    DOÇ. DR. MENNAN ECE PİRZİRENLİ

  3. Tez No

    272548

    Chiari malformasyonlu hastalarda MRG'de görülen hacimsel değişiklikler ve anomaliler

    Volumetric changes and anomalies in MRI in patients with chiari malformation

    OZAN ALKOÇ

    Doktora

    Türkçe

    Türkçe

    2010

    AnatomiAfyon Kocatepe Üniversitesi

    Anatomi Ana Bilim Dalı

    DOÇ. DR. AHMET SONGUR

    DOÇ. DR. OLCAY ESER

  4. Tez No

    914187

    Agresif hipofiz tümörlerinin retrospektif değerlendirilmesi

    Retrospective evaluation of aggressive pituitary tumors

    MEHMET BEHAEDDİN KARABULUT

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2024

    Endokrinoloji ve Metabolizma HastalıklarıErciyes Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

    PROF. DR. ZÜLEYHA CİHAN ÖZDAMAR KARACA

  5. Tez No

    361444

    Nazofarinks kanserli hastalarda radyoterapi sonrası MRG'de klivustaki medüller intensite değişiklikleri

    Cli̇val meduller i̇ntensi̇ty changes after radi̇otherapy in nasopharyngeal carci̇noma

    ŞAFAK PARLAK

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2014

    Radyoloji ve Nükleer TıpHacettepe Üniversitesi

    Radyoloji Ana Bilim Dalı

    DOÇ. DR. BURÇE ÖZGEN MOCAN

Geri Dön