Çocuklarda abdomen radyografilerinden gastrointestinal obstrüksiyon tanısı için evrişimsel sinir ağı kullanımı
Convolutional neural network usage on abdominal radiographs for the diagnosis of gastrointestinal obstruction in children
- Tez No: 803792
- Danışmanlar: PROF. DR. HASAN GÜÇLÜ, DOÇ. DR. AYŞE BETÜL OKTAY
- Tez Türü: Yüksek Lisans
- Konular: Biyoistatistik, Radyoloji ve Nükleer Tıp, Biostatistics, Radiology and Nuclear Medicine
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: İstanbul Medeniyet Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Biyolojik Veri Bilimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 105
Özet
Radyografilerde izlenen bağırsak dilatasyonları, kusma, karın ağrısı, kronik kabızlık veya ishal gibi şikâyetlerle başvuran hastalarda sık görülen bir bulgudur. En sık nedenleri bağırsak enfeksiyonları, inflamatuvar hastalıklar ve obstrüksiyonlardır. Bu hastalarda cerrahi gerektiren obstrüksiyon olup olmadığının ayrımının zamanında ve doğru yapılması, ölüme kadar gidebilecek olan nekroz, perforasyon gibi komplikasyonların önlenmesi için çok önemlidir. Bu tezde, ilk olarak abdomen radyografilerinde normal bağırsak gaz dağılımı olan sağlıklı çocuklarla, bağırsak dilatasyonu veya obstrüksiyon bulgusu olan anormal hastaların evrişimsel sinir ağı (ESA) modelleriyle ikili sınıflama kullanılarak ayrımının yapılması amaçlandı. Daha sonra da hasta grubunda cerrahi gerektiren obstrüksiyon hastaları ile diğer bağırsak dilatasyonu veya ileusu bulunan inflamatuvar/enfeksiyöz nedenli hastaların sınıflandırılması hedeflendi. Bu amaçla çocukluk çağındaki hastalarda çekilen 1152 abdomen radyografisi (540 normal, 298 cerrahi tanılı dilatasyon, 314 inflamatuvar/enfeksiyöz dilatasyon) veri kümesi olarak kullanıldı. Bu veri kümesine gerekli ön işlemeler yapıldıktan sonra görüntü analizinde başarısı kanıtlanmış olan 5 ESA modeliyle (ResNet50, InceptionResNetV2, Xception, EfficientNetV2L, ConvNeXtXLarge) transfer öğrenme metodu kullanılarak eğitim, validasyon işlemlerinden sonra test edildi. Sonuç olarak normal ile anormal ayrımında en yüksek doğruluk oranı ResNet50 (0,938) ile elde edildi. Daha sonra otomatik kırpılma ön işleme metoduyla verilerin tanısal değeri olmayan kısımları çıkarıldıktan sonra yapılan analizde en yüksek doğruluk oranları EfficientNetV2L (0,962), ConvNeXtXLarge (0,956) ve InceptionResNetV2(0,950) ile elde edildi. Cerrahi obstrüksiyonlar ile diğer hastaların ayrımında ise en yüksek doğruluk oranı EfficientNetV2L(0,972) ile elde edildi. Sonuç olarak, ESA modelleri, gastrointestinal obstrüksiyon olgularında dijital radyografiye entegre edilerek karar destek sistemi olarak yüksek doğruluk ile kullanılabilir. Anormal radyografiler konusunda hekimi uyararak tanı ve tedavi sürecinin hızlanmasına katkıda bulunabilir.
Özet (Çeviri)
Intestinal dilatations in radiographs are a common finding in patients presenting with symptoms such as vomiting, pain, constipation, or diarrhea. The most common causes are intestinal infections, inflammatory diseases, and obstructions. Timely and accurate differentiation of whether there is an obstruction requiring surgery in these patients is crucial to prevent complications such as necrosis and perforation, which can lead to death. In this thesis, the first aim was to differentiate healthy children with normal intestinal gas distribution in abdominal radiographs from intestinal dilatation or obstruction using convolutional neural network (CNN) models. Then, the classification of patients with surgical obstruction and those with other intestinal dilatation or ileus was aimed. For this purpose, a dataset of 1152 abdominal radiographs taken in childhood (540 normal, 298 surgically diagnosed dilatation, 314 inflammatory/infectious dilatation) was used. After preprocessing of this dataset, five CNN models with proven success in image analysis (ResNet50, InceptionResNetV2, Xception, EfficientNetV2L, ConvNeXtXLarge) were trained, validated, and tested using transfer learning method. Consequently, the highest accuracy in the differentiation between normal and abnormal was achieved with ResNet50 (0.938). Then, after removing the non-diagnostic parts of the data using an automated cropping preprocessing, the highest accuracy rates were achieved with EfficientNetV2L (0.962), ConvNeXtXLarge (0.956), and InceptionResNetV2 (0.950). The highest accuracy in the differentiation between surgical obstructions and others was achieved with EfficientNetV2L (0.972). In conclusion, CNN models can be integrated into radiographs as a decision support system with high accuracy rates in pediatric gastrointestinal obstructions by alerting the physician about abnormal radiographs.
Benzer Tezler
- Travma nedeniyle batın BT çekilen çocuk hastalarda mezenter yerleşimli lenf nodlarının değerlendirilmesi ve bulguların akut batın tablosu bulunan hastalarla karşılaştırılması
Evaluation of mesenteric lymph nodes in pediatric patients who underwent abdominal CT for trauma and comparison of findings with patients with acut abdomen
EMRAH YAŞAR
Tıpta Uzmanlık
Türkçe
2020
Radyoloji ve Nükleer TıpDicle ÜniversitesiRadyoloji Ana Bilim Dalı
DOÇ. DR. MEMİK TEKE
- Çocuklarda göğüs ağrısının nedenleri ve göğüs ağrısı etyolojisinde helikobakter pylori enfeksiyonunun yeri
Başlık çevirisi yok
ŞULE KOÇAK
Tıpta Uzmanlık
Türkçe
2005
Çocuk Sağlığı ve HastalıklarıOndokuz Mayıs ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF.DR. AYHAN GAZİ KALAYCI
- İdyopatik göğüs ağrısıyla başvuran çocuklarda kalp hızı değişkenliği ve efor testinin etkisinin incelenmesi
Başlık çevirisi yok
MUSTAFA GÜLOĞLU
Tıpta Uzmanlık
Türkçe
2009
Çocuk Sağlığı ve HastalıklarıOndokuz Mayıs ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. KEMAL BAYSAL
- Çocuklarda, thoracoabdominal bölgenin major anatomik yapılarının, yüzey anatomisi ile karşılaştırılması
Comparison of major anatomical structures of thoracoabdominal region with surface anatomy in children
UMUT ŞENER
Yüksek Lisans
Türkçe
2021
AnatomiAydın Adnan Menderes ÜniversitesiAnatomi Ana Bilim Dalı
DOÇ. DR. AYFER METİN TELLİOĞLU
- Çocuklarda akut apandisit tanısında spiral bilgisayarlı tomografinin yeri
The role of helical computed tomography in the diagnosis of acute appendicitis in pediatric patients
SERDAR AYÇİÇEK
Tıpta Uzmanlık
Türkçe
2005
Radyoloji ve Nükleer TıpAnkara ÜniversitesiRadyoloji Ana Bilim Dalı
DOÇ.DR. SUAT FİTOZ