Fossa cranii posterior'dan makine öğrenmesi algoritmaları ile cinsiyet tahmini
Sex estimation from posterior cranial fossa with machine learning algorithms
- Tez No: 834905
- Danışmanlar: DR. ÖĞR. ÜYESİ MURAT DIRAMALI
- Tez Türü: Yüksek Lisans
- Konular: Anatomi, Anatomy
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Bolu Abant İzzet Baysal Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Anatomi Ana Bilim Dalı
- Bilim Dalı: Anatomi Bilim Dalı
- Sayfa Sayısı: 80
Özet
Fossa cranii posterior'da bulunan anatomik yapılardan kadın ve erkek bireylerde yapılan morfometrik ölçümler ile makine öğrenme algoritmalarını kullanarak cinsiyetler arasında anlamlı farklılık olup olmadığını belirlemek/ortaya koymak amaçlandı. BAİBÜ Eğitim ve Araştırma Hastanesine başvuran dâhil edilme ve dışlanma kriterlerine uygun olan 100 erkek 100 kadın toplamda 200 birey çalışmaya alındı. Görüntüler iş istasyonuna aktarılarak volume rendering tekniği ile fossa cranii posterior'da yer alan 26 parametrede morfometrik ölçümler yapıldı. Lojistik Regresyon, Rastgele Orman, Karar Ağacı, K-En Yakın Komşu, Gaussian Naive Bayes, Doğrusal Diskriminant Analizi, Destek Vektör Makinesi algoritmaları kullanıldı. Doğruluk skoruna bakıldığında eğitim seti için 0,894 ve test seti için 0,875 olarak bulunan en yüksek değer ile en efektif algoritmanın Rastgele Orman olduğu görüldü. Fossa cranii posterior bölgesindeki anatomik yapıların morfometrik ölçümleri kullanılarak cinsiyet belirlemede makine öğrenmesi algoritmalarının kullanılabileceği sonucuna varıldı.
Özet (Çeviri)
The aim of the study is to determine whether there is a significant difference between male and female in terms of morphometric measurements of anatomical structures in the fossa cranii posterior using machine learning algorithms. A total of 200 individuals, consisting of 100 men and 100 women who met the inclusion and exclusion criteria for the BAIBU Education and Research Hospital, were included in the study. Measurements were taken with 26 parameters using volume rendering technique on the images. Logistic Regression, Random Forest, Decision Tree, K-Nearest Neighbour, Gaussian Naive Bayes, Linear Discriminant Analysis, and Support Vector Machine algorithms were employed in the study. As considering the accuracy score, it is observed that the most effective algorithm is Random Forest, with a value of 0.894 for the training set and 0.875 for the test set. It has been concluded that machine learning algorithms can be used to determine gender by utilizing morphometric measurements of anatomical structures in the posterior cranial fossa.
Benzer Tezler
- Yerli sığır, koyun ve keçilerde Hypophysis cerebrinin morfolojik yapısı ve meningeslerle ilişkileri
Başlık çevirisi yok
MEHMET ÇAKIR
- Fossa cranii posterior boyutları, cerebrum ve cerebellum morfometrisinin, tonsillar herniasyonla ilişkisi
The relationship of fossa cranii posterior, cerebrum and cerebellum morphometry with tonsiller herniation
YAŞAR TAŞTEMUR
Tıpta Uzmanlık
Türkçe
2014
AnatomiCumhuriyet ÜniversitesiAnatomi Ana Bilim Dalı
DOÇ. DR. VEDAT SABANCIOĞULLARI
- Pediatrik popülasyonda fossa cranıı posterıor ve ilişkili yapıların morfometrik analizi
Fossa cranii posterior in pediatric population and morphometric analysis of related structures
MERYEM ÇINAR
Yüksek Lisans
Türkçe
2023
AnatomiAfyonkarahisar Sağlık Bilimleri ÜniversitesiAnatomi Ana Bilim Dalı
PROF. DR. ESRA KOYUNCU
- Chiari tip 1 malformasyonlu hastalarda fossa cranii posterior ve cerebellum'da meydana gelen değişikliklerin değerlendirilmesi
The evaluation of the changes in fossa cranii posterior and cerebellum in patients with chiari type 1 malformation
GÜLNUR BAĞCI
Yüksek Lisans
Türkçe
2022
AnatomiSelçuk ÜniversitesiAnatomi Ana Bilim Dalı
PROF. DR. AHMET KAĞAN KARABULUT
- Bulbus olfactorius tractus olfactorius ve trigonum olfactorium'u besleyen arterlerin mikroanatomisi
Microanatomy of arteries supplying olfactory bulb, tract and trigonum olfactorium
AYHAN CÖMERT