El bileği x-ray grafilerinde derin nöralağlar ile pediatrik kemik yaşı tayini: Türk popülasyon örneklem çalışması
Pediatric bone age assessment using deep neural networks from wrist x-rays: Turkish population sample study
- Tez No: 846636
- Danışmanlar: DOÇ. DR. MUSA ATAY
- Tez Türü: Tıpta Uzmanlık
- Konular: Radyoloji ve Nükleer Tıp, Radiology and Nuclear Medicine
- Anahtar Kelimeler: Kemik yaşı tayini, derin öğrenme, yapay zeka, evrişimsel sinir ağları, Bone age assessment, deep learning, artificial intelligence, convolutional neural network
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Sağlık Bilimleri Üniversitesi
- Enstitü: Bağcılar Eğitim ve Araştırma Hastanesi
- Ana Bilim Dalı: Radyoloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 84
Özet
Giriş ve Amaç: Kemik yaşı tayini (KYT) için en yaygın olarak kullanılan Greulich ve Pyle ile Tanner-Whitehouse yöntemleri, popülasyondan, gözlemciler arası ve içi değişkenliklerden önemli ölçüde etkilenmektedir. Otomatik KYT, hız, tutarlılık, etkinlik sağlamaktadır. Kemik yaşı tayininde popülasyon, ırk ve cinsiyetin etkisini değerlendiren veya ortaya koyan derin öğrenme algoritmalarına dair literatürde sınırlı sayıda çalışma bulunmaktadır. Bu bağlamda, geliştirilecek derin öğrenme algoritmalarının Türk popülasyonu üzerindeki performans farklarını açıklayan ve popülasyon düzeyinde model başarılarını artırmayı amaçlayan bir çalışma yürüttük. Gereç ve Yöntem: 2012 Nisan ila 2023 Eylül arasında Bağcılar Eğitim ve Araştırma Hastanesi HBYS kayıtlarında mevcut grafi raporları içeriğine göre“kemik yaşı”anahtar sözcük grubu kullanılarak taranmıştır. Hastaların görüntüleri deneyimli bir radyolog tarafından tekrar kontrol edilerek veri setine dahil edildi. Elde edilen tüm veriler kişisel verilerin gizliliği prensibine bağlı kalınarak anonimize bir şekilde saklandı. Derin öğrenme modelleri, Bağcılar kaynaklı 2776 ve RSNA kaynaklı 12843 röntgenle birlikte ilgili raporları içeren bir veri tabanı kullanılarak eğitildi. En yüksek performansı sergileyen modeller türetilerek test verilerinin kemik yaşı tahminleri elde edildi. Modeller arasında en uygunu, modifiye edilmiş Inception V3 temelli olup kemik yaşını değerlendirmek için 500x500 piksel düşük çözünürlüklü görüntülere doğrudan regresyon uygulayan modeldir. Bulgular: Modelin kemik yaşını 6, 12, 18 ve 24 aydan az mutlak farklarla tahmin etme oranları sırasıyla %44, %72, %86 ve %94 idi. Modelimizde güncel modellere benzer şekilde ortalama mutlak hata değeri RSNA verisinde 6,9 ay bulunmuştur. Sonuç: Bu çalışmamızda Türk popülasyonu barındıran bir model geliştirmiş olduk. Modelimizde uyguladığımız regresyon yüksek doğrulukla sonuç vermektedir. Kemik yaşı tayininde daha doğru ve verimli kaynak kullanımı açısından hekimlere yardımcı olacağını düşünüyoruz.
Özet (Çeviri)
Introduction and Aim: Greulich and Pyle and Tanner-Whitehouse methods for bone age assessment (BAA) are prone to variations due to population, inter-observer, and intra-observer factors. Automated BAA offers speed and consistency, but scant literature explores the impact of population, race, and gender on bone age assessment through deep learning. This study focuses on elucidating performance variations in deep learning algorithms tailored for the Turkish population, aiming to enhance model efficacy at the population level. The research aims to uncover nuanced influences of demographic factors on bone age assessment through this targeted approach. Materials and Methods: The reports obtained from Bağcılar Training and Research Hospital's Health Information Management System records, spanning from April 2012 to September 2023, underwent systematic scanning using the“bone age”keyword group for content analysis. Patient images were reassessed by an experienced radiologist and subsequently incorporated into the dataset. All collected data strictly adhered to anonymization principles to ensure compliance with personal data privacy regulations. Deep learning models were trained using a database that included 2776 hand radiographs from Bağcılar and 12843 from RSNA, along with their corresponding reports. Bone age assessments were generated from models exhibiting the highest performance. The optimal model, based on a modified Inception V3, applied regression to the 500x500 pixel low-resolution images to assess bone age. Results: The model demonstrated success rates in estimating bone age with absolute differences less than 6, 12, 18, and 24 months, reaching 44%, 72%, 86%, and 94%, respectively. The mean absolute error was determined to be 6.9 months in the RSNA dataset. Conclusion: The study introduces a model tailored for the Turkish population, contributing to advancements in bone age assessment methodologies. Regression application in our model yielded high accuracy, presenting valuable support for healthcare professionals to achieve more precise and resource-efficient determination of bone age.
Benzer Tezler
- Direkt radyografilerde derin öğrenme tabanlı nesne tanıma algoritması ile otomatik fraktür tespiti
Automatic fracture detection with deep learning based object detection algorithm in direct radiography
GÜL GİZEM PAMUK
Tıpta Uzmanlık
Türkçe
2023
Radyoloji ve Nükleer TıpSağlık Bilimleri ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. DR. AHMET TAN CİMİLLİ
- Gaziantep doğumlu 15-18 yaşlarındaki Türk çocuklarında el ve el bileği grafilerinden Gök Atlası ve İskelet Olgunlaşmasının Radyografik Atlası (Kahn-Gaskin)'na göre yaş tespitindeki korelasyonun değerlendirilmesi
Evaluation of the correlation in age detection according to the Gok Atlas and Radiographic Atlas of Skeletal Maturation (Kahn-Gaskin) from the hand and wrist x-ray of Turkish children aged 15-18 born in Gaziantep
MEHMET POSLU
Tıpta Uzmanlık
Türkçe
2022
Adli TıpGaziantep ÜniversitesiAdli Tıp Ana Bilim Dalı
PROF. DR. AYSUN BARANSEL ISIR
- Gaziantep doğumlu 15-18 yaşlarındaki Türk çocuklarında el ve el bileği grafilerinden Gök, Greulich-Pyle ve Gilsanz Ratib atlaslarına göre yaş tespitindeki korelasyonun değerlendirilmesi
The evaluation of the correlation in age detection according to Gök, Greulich-Pyle and Gilsanz-Ratib atlas from hand and wrist x-ray in Turkish children aged 15-18 born in Gaziantep
MÜCAHİT KOÇULU
Tıpta Uzmanlık
Türkçe
2023
Adli TıpGaziantep ÜniversitesiAdli Tıp Ana Bilim Dalı
PROF. DR. AYSUN BARANSEL ISIR
DR. ÖĞR. ÜYESİ MURAT AKBABA
- İç kulak malformasyonlu hastalarda anteroposterior grafi ile açısal insersiyon derinliği ölçümü, koklea boyutları ve elektrod uzunluğu ile ilişkisinin incelenmesi
Angular Insertion Depth Measurement on Anteroposterior Skull X-ray in Patients with Inner Ear Anomaly, Investigation of Its Relationship with Cochlea Dimensions and Electrode Length
BURÇAY TELLİOĞLU
Tıpta Uzmanlık
Türkçe
2023
Kulak Burun ve BoğazHacettepe ÜniversitesiKulak Burun Boğaz Hastalıkları Ana Bilim Dalı
PROF. DR. LEVENT SENNAROĞLU
- Sivas Cumhuriyet Üniversitesi hastanesine başvuran yaşları 12-18 arasında değişen bireylerin el ve el bileği röntgen görüntülerinin kemik yaşı tayini açısından gilsanz ratib ve kahn gaskin atlaslarıyla karşılaştırılması
Comparison of hand and wrist x-ray images of individuals aged 12-18 applying to sivas Cumhuriyet University Hospital for bone age assessment using gilsanz-rati̇b and kahn-gaskin atlases
NERMİN MALKOÇOĞLU
Tıpta Uzmanlık
Türkçe
2024
Adli TıpSivas Cumhuriyet ÜniversitesiAdli Tıp Ana Bilim Dalı
PROF. DR. FATMA YÜCEL BEYAZTAŞ