Geri Dön

Lumbar vertebraların bilgisayarlı tomografi görüntülerinden ölçülen yükseklik ve derinlik değerlerinin yapay zeka ile cinsiyet tayininde kullanılabilirliği

'Usability of height and depth values measured fromcomputerized tomography images of lumbar vertebra ingender determination by artificial intelligence

PDF İndir

  1. Tez No: 825118
  2. Yazar: AYSUN KARACA YALÇIN
  3. Danışmanlar: PROF. DR. BÜNYAMİN ŞAHİN, DOÇ. DR. MUHAMMED KAMİL TURAN
  4. Tez Türü: Doktora
  5. Konular: Adli Tıp, Anatomi, Radyoloji ve Nükleer Tıp, Forensic Medicine, Anatomy, Radiology and Nuclear Medicine
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Ondokuz Mayıs Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Radyolojik Bilimler Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 124

Özet

Cinsiyet tayini, kimlik tespitinde en önemli adımlardan biridir. Cinsiyet tayininde, güvenirliliği kanıtlanmış olan pelvis ve kafatası kemikleri sıklıkla kullanılır. Fakat bazen bu kemiklere olay yerinde ulaşılamayabilir. Bu gibi durumlarda vertebralar, sayıca çok olan ve daha iyi korunabilen kemikler olarak cinsiyet tahmininde kullanılmıştır. Bu çalışma ile, bilgisayarlı tomografiden elde edilen lumbar vertebra görüntüleri üzerinde işaret noktaları arasındaki uzunluk ve açı değerlerini hesaplayarak, makine öğrenme sınıflandırıcıları ile cinsiyet tahmini yapmayı amaçladık. Ondokuz Mayıs Üniversitesi Radyoloji Ana Bilim Dalı arşivinden alınan, hiçbir anomalisi olmayan 20-40 yaş aralığında 50 kadın 50 erkek hastanın lumbar vertebra bilgisayarlı tomografi görüntüleri kullanıldı. Digital Imaging and Communications in Medicine (DİCOM) formatındaki görüntüler kişisel iş istasyonunda (Horos Project, Version 3.0) ortogonal düzleme getirildi. Makine öğrenmesi algoritmalarını kullanmak amacıyla geliştirilmiş olan Sekazu adlı programa yüklenen görüntüler üzerinde anatomik noktalar elle etiketlenerek uzunluk ve açı değerleri hesaplandı. 13 farklı makine öğrenme sınıflandırıcısı kullanılarak, doğruluk oranları hesaplandı. Bu hesaplamaların sonucuna göre L1-L5 vertebralarının cinsiyet tayininde doğruluk oranları sırasıyla %93, %90, %90, %87 ve %86 olarak bulundu. Bu veriler, K-Nearest Neighbors, Extra Tree, Random Forest, Decision Tree, Gaussian Bayes ve Linear Discrimant Classifier makine öğrenme sınıflandırıcıları ile bulundu. Elde edilen sonuçlara göre lumbar vertebra üzerinde etiketlenen noktalar ve makine öğrenmesi uygulaması sonucunda %86-%93 aralığında doğruluk oranları ile cinsiyet tahmini yapılabileceği bulundu. Cinsiyet tahmininde doğruluk oranı en yüksek vertebranın L1 olduğu sonucuna ulaşıldı. L1-L5 omurlarının herbiri için yapılan ölçümler sonucunda, parametrelerin bir çoğunda erkeklerden elde edilen ortalama değerlerin kadınlardan daha büyük ve istatistiksel olarak anlamlı olduğu tespit edilerek bel omurlarının cinsel dimorfik özellikte olduğu tespit edildi.

Özet (Çeviri)

Gender determination is one of the most important steps in identification. Pelvis and skull bones, which have proven reliability, are frequently used in sex determination. However, sometimes these bones cannot be reached at the crime scene. In such cases, vertebrae have been used for sex estimation as bones that are more numerous and better preserved. In this study, we aimed to predict gender using machine learning classifiers by calculating the length and angle values between landmarks on lumbar vertebra images obtained from computed tomography. Lumbar vertebra computed tomography images of 50 female and 50 male patients aged 20-40 years who had no anomaly and were taken from the archive of Ondokuz Mayıs University Radiology Department were used. Images in Digital Imaging and Communications in Medicine (DICOM) format were brought to the orthogonal plane on the personal workstation (Horos Project, Version 3.0). The length and angle values were calculated by manually labeling the anatomical points on the images uploaded to the program called Sekazu, which was developed to use machine learning algorithms. Accuracy rates were calculated using 13 different machine learning classifiers. According to the results of these calculations, the accuracy rates in sex determination of L1-L5 vertebrae were found to be 93%, 90%, 90%, 87% and 86%, respectively. These data were found with K-Nearest Neighbors, Extra Tree, Random Forest, Decision Tree, Gaussian Bayes and Linear Discrimant Classifier machine learning classifiers. According to the results obtained, it was found that the tagged points on the lumbar vertebrae and the machine learning application could make gender prediction with an accuracy rate of 86%-93%. It was concluded that the vertebra with the highest accuracy rate in estimating gender was L1. As a result of the measurements made for each of the L1-L5 vertebrae, it was determined that the mean values obtained from men in most of the parameters were larger and statistically significant than women, and it was determined that the lumbar vertebrae were sexually dimorphic.

Benzer Tezler

  1. Tez No

    910179

    Bilgisayarlı tomografi görüntülerinden osteopeni ve osteoporoz tanısının radiomics ve makine öğrenmesi yöntemleri ile öngörülmesi

    Başlık çevirisi yok

    ASİYE SÖZERİ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2024

    Radyoloji ve Nükleer TıpSağlık Bilimleri Üniversitesi

    Radyoloji Ana Bilim Dalı

    PROF. DR. NURDAN ÇAY

  2. Tez No

    555237

    Skolyozlu hastalarda torakal ve lumbal vertebraların çok kesitli bilgisayarlı tomografi ile morfometrik olarak değerlendirilmesi

    Morphometric evaluation of thoracal and lumbar vertebrae with MDCT in scoliosis patients

    MEHMET CENGİZ TATAR

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2018

    AnatomiSelçuk Üniversitesi

    Anatomi Ana Bilim Dalı

    PROF. DR. AHMET KAĞAN KARABULUT

  3. Tez No

    819039

    Dördüncü ve beşinci lumbal vertebranın antropometrik ölçümleri ile makine öğrenme algoritmaları kullanılarak cinsiyet tayini üzerine bir çalışma

    Gender determination from 4th, and 5th lumbal vertebra using machine learning algorithm on computerized tomography images

    GİZEM NUR KARABAL

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    AnatomiKarabük Üniversitesi

    Anatomi Ana Bilim Dalı

    DOÇ. DR. MUHAMMED KAMİL TURAN

  4. Tez No

    360342

    Alt torakal ve üst lomber vertebra pediküllerinde bilgisayarlı tomografi ile yapılan morfometrik ölçümler

    To evaluate the morphometric measuerment of lower thoracal and upper lumbar vertebrae pedicles by computer tomography

    NECMETTİN ARAZ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2014

    NöroşirürjiMersin Üniversitesi

    Cerrahi Tıp Bilimleri Bölümü

    DOÇ. DR. AHMET DAĞTEKİN

  5. Tez No

    873741

    Skolyozlu hastalarda lumbal vertebraların morfometrik olarak incelenmesi; radyo-,anatomik çalışma

    Morphometric examination of lumbar vertebrae in patients with scoliosis; radio-anatomical study

    SELMA ÖNAL

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    AnatomiNecmettin Erbakan Üniversitesi

    Anatomi Ana Bilim Dalı

    PROF. DR. MUZAFFER ŞEKER

    DOÇ. DR. DUYGU AKIN SAYGIN

Geri Dön