Yapay zeka algoritmaları ile doğumsal hidronefrozda cerrahi gerektirecek olguları öngörme modeli oluşturma
Establishing a model for predicting the cases requiring surgery in congenital hydronephrosis with artificial intelligence algorithms
- Tez No: 788209
- Danışmanlar: PROF. DR. BARAN TOKAR
- Tez Türü: Tıpta Uzmanlık
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Çocuk Cerrahisi, Çocuk Sağlığı ve Hastalıkları, Computer Engineering and Computer Science and Control, Pediatric Surgery, Child Health and Diseases
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Çocuk Cerrahisi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 73
Özet
Doğumsal hidronefroz antenatal dönemde en sık rastlanan üriner sistem patolojisi olup postnatal dönemde yakın izlem gerektirmektedir. Bu çalışmada Yapay Zeka (YZ) algoritmaları kullanılarak, üst üriner sistem ve alt üriner sistem cerrahisi geçiren olguların, ameliyat gerekliliğinin tahminine yönelik makine öğrenme yönteminin geliştirilmesi amaçlanmıştır. Eskişehir Osmangazi Üniversitesi Tıp Fakültesi Çocuk Cerrahisi Anabilim Dalı'nda Haziran 2010 ile Ocak 2021 tarihleri arasında üreteropelvik bileşke darlığı nedeniyle pyeloplasti uygulanan (Grup 1) 129, alt üriner sistem patolojileri nedeniyle cerrahi müdahale uygulanan (Grup 2) 271 ve hidronefroz nedeniyle cerrahi müdahale olmaksızın takip edilen (Grup 3) 96 olguya ait veriler retrospektif olarak toplandı. Hastaların demografik özellikleri, klinik bulguları, radyolojik ve sintigrafik incelemeleriyle ilgili veriler değerlendirildi. Üst üriner sistemde ameliyat gerekliliğinin tahmin edilmesi için grup 1 ile grup 3, alt üriner sistem için ise grup 2 ile grup 3 karşılaştırılacak şekilde iki ayrı tahminleme seti oluşturuldu. Makine Öğrenme Yöntemi (MÖY) kullanılarak üst ve alt üriner sistemde cerrahi gerektirecek olguların öngörülmesi amaçlandı. Sonuçlara göre MÖY'nin Random Forest Classifier algoritmasının, üst üriner sistem patolojilerinde %97.83, alt üriner sistem patolojilerinde %92.11 doğruluk oranları ile cerrahi gerektirecek hastaların başarı ile tahmin edilmesinde en uygun algoritma olduğu bulundu. Gelecekte yapılacak yeni YZ çalışmalarında, klinik ve diğer değerlendirme kriterleri dahil edilerek ve veri seti büyütülerek, cerrahi gerektirecek olguların tahmininde ve bu temelde planlanacak benzeri çalışmalarda, daha güçlü ve güvenilir doğruluk oranları ile öngörünün yapılmasının mümkün olacağı düşünüldü.
Özet (Çeviri)
Congenital hydronephrosis is the most common urinary system pathology in the antenatal period and requires close follow-up in the postnatal period. In this study, it is aimed to develop a machine learning method for estimating the necessity of surgery in cases that underwent upper urinary system and lower urinary system surgery by using Artificial Intelligence (AI) algorithms. The data of the patients who had pyeloplasty due to ureteropelvic junction obstruction (group 1, n=129), a surgical intervention performed due to lower urinary system pathologies (group 2, n=271) and follow up without surgical intervention due to hydronephrosis (group 3, n=96) were included into the study contacted by department of Pediatric Surgery between June 2012 and January 2021 in Eskişehir Osmangazi University Faculty Of Medicine. Data regarding demographic characteristics, clinical findings, radiological and scintigraphy examinations of the patients were evaluated. Two separate estimation sets were created to compare group 1 and 3 to predict the need for surgery in the upper urinary system, and to compare group 2 and 3 for the lower urinary system. Cases requiring surgery in the upper and lower urinary tracts were predicted using the Machine Learning Method (MLM). According to the results, it was found that MLM's Random Forest Classifier algorithm was the most appropriate algorithm in estimating with 97.83% accuracy in upper urinary tract pathologies and 92.11% in lower urinary tract pathologies. In the future AI studies, it was thought that it would be possible to make more accurate predictions by enlarging the data set and including clinical and other evaluation criteria in studies evaluating the need of surgery or the other related topics.
Benzer Tezler
- Sınırlı veri setiyle sınıflama uygulamalarına yeni bir yaklaşım
A new approach to classification applications with limited dataset
SAİM ERVURAL
Doktora
Türkçe
2021
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT CEYLAN
- Yapay zeka algoritmaları kullanılarak X bandı için mikroşerit yama anten boyut optimizasyonu ve uygulaması
Dimension optimization and application of microstrip patch antenna in X band via artificial intelligent algorithms
UMUT ÖZKAYA
Yüksek Lisans
Türkçe
2016
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. LEVENT SEYFİ
- Yapay zeka algoritmaları ile beynin tümörlü bölgelerin teşhisi
Detection of brain tumor zones via artificial intelligence algorithms
OMAR KHALIL
Yüksek Lisans
Türkçe
2024
Biyoteknolojiİstanbul Yeni Yüzyıl ÜniversitesiBiyomedikal Mühendisliği ve Biyoenformatik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DİYADİN CAN
- Yapay zeka algoritmaları ile kriptoanaliz
Cryptoanalysis using artificial intelligence algorithms
ARKAN KH SHAKR SABONCHI
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BAHRİYE AKAY
- Yapay zekâ algoritmaları ile ameliyat sırasındaki mikroskop görüntüleri üzerinden derin öğrenme tekniği ile pediatrik posterior fossa (arka çukur) tümör tanımlama yapılması
Pediatric posterior fossa tumor identification using artificial intelligence algorithms and deep learning techniques on intraoperative microscopic images
AHMET KARAGÖZ
Tıpta Uzmanlık
Türkçe
2024
NöroşirürjiMarmara ÜniversitesiBeyin ve Sinir Cerrahisi Ana Bilim Dalı
DOÇ. DR. MUSTAFA SAKAR