Makine öğrenmesi yöntemleri ile sakrum kemiği üzerine bir karar destek sisteminin oluşturulması
Designing a decision support system on the sacrum bone using machine learning methods
- Tez No: 856940
- Danışmanlar: DR. ÖĞR. ÜYESİ CEMİL ALTIN
- Tez Türü: Doktora
- Konular: Biyomühendislik, Mekatronik Mühendisliği, Mühendislik Bilimleri, Bioengineering, Mechatronics Engineering, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Yozgat Bozok Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Mekatronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 124
Özet
Kaudal epidural enjeksiyon, genellikle sakro-ilyak bölgesindeki ortopetik yaralanmalar ve kırılmalar ile kronik sırt ağrısıyla mücadelede bilinen ve sıklıkla uygulanan en iyi anestezi tekniğidir. Sakral hiatusun (SH) şekli ve boyutundaki farklılıklar nedeniyle sınıflandırılması çok önemli ve zorlu bir iştir. Klinik olarak cerrahların hızlı ve doğru seçimler yapması gereken travmalarda önemlidir. Geçmişteki çalışmalar, SH sınıflandırması için morfometrik ve istatistiksel analizlere odaklanmıştır. Bu nedenle SH türlerinin makine öğrenimi yöntemleriyle otonom olarak doğru ve hızlı sınıflandırılması hayati önem taşımaktadır. Bu amaçla, Makine Öğrenmesi Yöntemleri ile Sakrum Kemiği Üzerine Bir Karar Destek Sisteminin Oluşturulması başlıklı tez çalışmasında, yeni bir SH sınıflandırma yaklaşımı olan Çok Aşamalı Süreç (MSP) önerilmiştir. Başlangıçta; sakrumun bilgisayarlı tomografi taramalarından, manuel özellik çıkarımlarıyla küçük bir tıbbi tablosal veri seti elde edildi. Sonraki aşamada, bu veri seti Üreten-Ayrıştıran Ağı (GAN) aracılığıyla sentetik olarak artırıldı ve geleneksel makine öğrenimi sınıflandırıcılarına uygulandı. MSP yaklaşımının üçüncü aşamasında; sentetik olarak artırılan tablosal özellikleri, görüntülere dönüştürmek için iki boyutlu (2B) bir gömme (yerleştirme) algoritması uygulandı. Son olarak; görüntüler, önceden eğitilmiş derin Evrişimsel Sinir Ağları'na (CNN) uygulandı. MSP yaklaşımının altı farklı CNN modeline uygulanması sonucunda, yaklaşık olarak %90 ile %93 arasında kayda değer sınıflandırma başarı oranları elde edildi. Önerilen MSP yaklaşımı; özellikle kemik sınıflandırmasına getirdiği yeni ve tıp alanına sağladığı bir çok yeniliğin yanında, derin modellerde karşılaşılan yetersiz veri seti sorununa da çözüm getirmiştir.
Özet (Çeviri)
Caudal epidural injection is the most well-known and frequently applied anesthesia technique for dealing with orthopedic injuries, fractures and chronic back pain, generally in the sacro-iliac region. Classification of the sacral hiatus (SH) is a very important and challenging task due to variences in its shape and size. It is clinically important in traumas where surgeons need to make quick and accurate decisions. Past studies have focused on morphometric and statistical analyzes for SH classification. Therefore, accurate and rapid autonomous classification of SH types using machine learning methods is vital. For this purpose, in the thesis titled Designing a Decision Support System on the Sacrum Bone using Machine Learning Methods, a new SH classification approach, Multi-Stage Process (MSP), was proposed. Initially; a small medical tabular dataset was obtained from computed tomography scans of the sacrum by manual feature extraction. In the next stage, this dataset was synthetically augmented through the Generative Adversarial Network (GAN) and applied to traditional machine learning classifiers. In the third stage of the MSP approach; a two-dimensional (2D) embedding algorithm was applied to transform, synthetically augmented tabular features into images. Finally; these images were applied to pre-trained deep Convolutional Neural Networks (CNN). As a result of applying the MSP approach to six different CNN models, significant classification success rates of approximately 90% to 93% were achieved. Recommended MSP approach; in addition to the many innovations it has brought to the field of medicine, especially in bone classification, it has also provided a solution to the problem of insufficient data set encountered in deep models.
Benzer Tezler
- Makine öğrenmesi yöntemleri ile video görüntülerindeki fiziksel şiddetin tespit edilmesi
Video based physical violation detection using machine learning methods
MUHAMMET FATİH POLAT
Yüksek Lisans
Türkçe
2022
İstatistikDokuz Eylül Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. AYLİN ALIN
- Makine öğrenmesi yöntemleri ile sahte felaket tweetlerinin tahmini
Predicting fake disaster tweets with machine learning methods
FATMA KURŞUN
Yüksek Lisans
Türkçe
2022
İstatistikYıldız Teknik Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. FATMA NOYAN TEKELİ
- Makine öğrenmesi yöntemleri ile futbol oyuncularının performans analizi
Football player performance analysis using machine learning techniques
VEHBİ HAKAN SAYAN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBurdur Mehmet Akif Ersoy ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. EMRAH HANÇER
- Makine öğrenmesi yöntemleri ile banka pazarlama tahmini
Bank marketing prediction with machine learning methods
EGEMEN TÜRKMEN
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Kültür ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ÖZGÜR KORAY ŞAHİNGÖZ
- Makine öğrenmesi yöntemleri ile demans tahmini
Prediction of dementia by machine learning methods
TUĞBA TUNA
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiHesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
PROF. DR. FETHİYE AYLİN SUNGUR
PROF. DR. MUSTAFA ERSEL KAMAŞAK