Diz eklem direkt grafilerinde görüntü işleme ve derin öğrenme algoritması kullanılarak (gonartroz) evresinin sınıflandırılması
Classification of the stage of knee osteoarthritis using image processing and deep learning algorithm on direct X-Ray of the knee joint
- Tez No: 824960
- Danışmanlar: PROF. DR. EMRE ÇOMAK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Burdur Mehmet Akif Ersoy Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 79
Özet
Günümüze kadar gelişerek gelen ve gelişmeye davam eden teknolojinin insan hayatını kolaylaştırmada ve hızlandırmada sağladığı faydalara her geçen gün yenileri eklenmektedir. Özellikle 2020 yılında dünya genelinde yaşanan Covid-19 salgın sürecinden sonra insan ilişki ve iletişiminde yakın temas kurmaktan kaçınılması zorunlu bir hal almıştır. Bu salgın sürecinde çeşitli kamu veya özel kuruluşlarda imkânlar ve hizmet çeşidinin el verdiği süre boyunca uzaktan çalışma gerçekleşmiştir. Yaşamımızın her alanında kullanılan teknoloji tıp alanında da çeşitli uygulamalarda yüksek oranda doğruluk ve hassasiyet gerektiren birçok karmaşık problemleri çözmek amacıyla tanı ve tedavi uygulamalarında yaygın olarak kullanılmaktadır. Sağlık sektöründe sağlık çalışanı ve hasta arasındaki yakın temas hiçbir zaman sıfır olmasa da bunu en aza indirmek mümkündür. Bu amaçla yapılan tez çalışmasında sınıflama algoritması kullanılarak sağlık sektörünü ortopedi alanında yapılan diz protez ameliyatlarının tanı aşamasında hekimlere daha hızlı ve doğru karar vermede yardımcı olabilecek bir program geliştirilmiştir. Çalışmada diz eklem direkt grafilerinden (X-Ray) convolutional neural network (CNN) derin öğrenme yöntemi kullanılarak diz ekleminde gonartroz evresinin sınıflandırması işlemi yapılmaktadır. Gonartroz evresini sınıflandırmak için yaygın olarak kullanılan Kellgren-Lawrance (KL) skalası kullanılmaktadır. Çalışmada yaşları 45 ile 75 arasında değişen 732 hasta ve sağlıklı bireylerin sağ ve sol dizlerinden elde edilen 1464 X-Ray tek görüntüleri kullanılmaktadır. Tahmin değerlerindeki genel başarı oranı %99 olarak sonuçlanırken, kesinlik değerleri; evre 0 ve evre 1 için %98, evre 2, evre 3 ve evre 4 için ise %100 doğruluk olarak elde edilmiştir.
Özet (Çeviri)
Every day, new ones are added to the benefits of technology, which has developed and continues to develop until today, in facilitating and accelerating human life. It has become imperative to avoid close contact in human relations and communication, especially after the Covid-19 during pandemic experienced worldwide in 2020. During this pandemic, remote work has been carried out in various public or private institutions for as long as the opportunities and service types allow. The technology used in all areas of our lives is also widely used in diagnosis and treatment applications in order to solve many complex problems that require high accuracy and precision in various applications in the field of medicine. Although the close contact between the health worker and the patient in the health sector is never zero, it is possible to minimize it. In the thesis study conducted for this purpose, a program was developed that can help physicians to make faster and more accurate decisions in the diagnosis phase of knee prosthesis surgeries performed in the field of orthopedics in the health sector by using the classification algorithm. In the study, the classification of the knee osteoarthritis stage in the knee joint is performed by using the deep learning method from the knee joint direct radiographs (X-Ray) and the convolutional neural network (CNN). The widely used Kellgren-Lawrence (KL) scale is used to classify the stage of knee osteoarthritis. In the study, 1464 X-Ray single images obtained from the right and left knees of 732 patients and healthy individuals aged between 45 and 75 are used. While the overall success rate in the prediction values is 99%, the precision values are; 98% accuracy for stage 0 and stage 1, and 100% accuracy for stage 2, stage 3 and stage 4.
Benzer Tezler
- Aseptik gevşeme oluşumunda farklı insert hammaddelerinin etkilerinin hayvan modellemesinde deneysel olarak karşılaştırılması
Comparing the effects of different insert raw materials on aseptic loosening formation in animal modelling
CELALEDDİN BİLDİK
Tıpta Uzmanlık
Türkçe
2016
Ortopedi ve TravmatolojiSağlık BakanlığıOrtopedi ve Travmatoloji Ana Bilim Dalı
DOÇ. DR. BARANSEL SAYGI
- Deprese tibia plato kırıklarında greftsiz fiksasyon uygulaması
Fixation application without grafting in depressed tibial plateau fractures
CAN BURAK ÖZKAN
Tıpta Uzmanlık
Türkçe
2023
Ortopedi ve TravmatolojiSağlık Bilimleri ÜniversitesiOrtopedi ve Travmatoloji Ana Bilim Dalı
DOÇ. DR. ALİ ÇAĞRI TEKİN
- Pediyatrik femur cisim kırığının titanyum elastik çivi ile tedavisi: Radyolojik ve klinik değerlendirme
Treatment of pediatric diaphyseal femur fracture by titanium elastic nail: Radiological and clinical evaluation
MUSTAFA FAHRİ YURTGÜN
Tıpta Uzmanlık
Türkçe
2014
Ortopedi ve TravmatolojiNecmettin Erbakan ÜniversitesiOrtopedi ve Travmatoloji Ana Bilim Dalı
PROF. DR. MUSTAFA NAZIM KARALEZLİ
- Total diz artroplastisi cerrahisi sonrası patellar klunk sendromu insidansı
Patellar clunk syndrome incidence after total knee arthroplasty
YUNUS EMRE BULUM
Tıpta Uzmanlık
Türkçe
2020
Ortopedi ve TravmatolojiDüzce ÜniversitesiOrtopedi ve Travmatoloji Ana Bilim Dalı
DOÇ. DR. ERDEM DEĞİRMENCİ
- Adölesan idiopatik skolyozlu olgularda normal eklem hareketi değerlerinin incelenmesi
M.SC. thesis examination of normal joint movement values in patients with adolescent idiopatic scoliosis
AYKUT ÇELİK
Yüksek Lisans
Türkçe
2022
Fizyoterapi ve RehabilitasyonKırşehir Ahi Evran ÜniversitesiMoleküler Tıp Ana Bilim Dalı
DOÇ. DR. ÖZNUR BÜYÜKTURAN