Dermoskopik görüntüler kullanılarak yapay zeka tabanlı tanı sistemi oluşturulması ve tanı sisteminin asistan eğitimindeki yerinin değerlendirilmesi
Development of an artificial intelligence-based diagnostic system using dermoscopic images and evaluation of the diagnostic system's place in dermatology residency
- Tez No: 869668
- Danışmanlar: PROF. SİBEL DOĞAN GÜNAYDIN
- Tez Türü: Tıpta Uzmanlık
- Konular: Dermatoloji, Dermatology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Deri ve Zührevi Hast. Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 131
Özet
Giriş: Yapay zeka; öğrenme, problem çözme, anlam çıkarma ve hatırlama gibi yeteneklerin makinelere kazandırılması olarak tanımlanmaktadır. Yapay zeka günümüzde hızla gelişen görüntü işleme becerisi kazanmıştır. Dermatolojide tanı koymada kullanılan dermoskopi yönteminde de klinisyenler lezyonların özel olarak çekilen görüntülerini analiz ederek tanı koymaktadır. Yapay zeka ile dermoskopik görüntülerin analizi üzerine çalışmalar bulunmaktadır. Bazı çalışmalarda yapay zeka dermoskopik görüntülere tanı koymada tecrübeli uzman doktorlardan dahi başarılı olarak bulunmuştur. Bu çalışmanın amacı kendi hasta grubumuzun özelliklerini yansıtan dermoskopik görüntüler kullanılarak eğitilmiş bir yapay zekanın dermatoloji uzmanlık eğitiminde araştırma görevlilerinin var olan becerilerine katkısını ortaya koymaktır. Yöntem ve Gereçler: 2013-2023 yılları arasında hastanemizde tanı ve takip amaçlı çekilen dermoskopik fotoğraflar değerlendirildi. Bazal hücreli karsinom, skuamöz hücreli karsinom, melanom, displastik nevus, melanositik nevus, benign keratozlar, aktinik keratoz, dermatofibroma ve vasküler lezyonlar tanılı 4.220 adet görüntüden oluşan veri seti hazırlandı. Bu veri setine literatürde yer alan ISIC 19 açık veri seti eklendi. Bir görüntü işleme yapay zeka algoritması oluşturuldu. Algoritmanın eğitimi ve testinde elde edilen veri seti kullanıldı. Yapay zekanın araştırma görevlilerinin tanı doğruluklarına etkisini araştırmak amacıyla bir ağ uygulaması tasarlandı. Çalışmaya ünitemizde uzmanlık eğitimi alan akademik eğitim takvimi içinde en az bir yıl dermoskopi dersi almış ve en az bir yıllık poliklinikte dermoskopi tecrübesi olan n=17 araştırma görevlisi dahil edildi. Katılımcılara önce kendileri, daha sonra yapay zeka desteği ile yanıtlayacakları her bir tanıdan altışar adet toplam n=54 adet dermoskopik görüntü sorusu uygulama üzerinden yöneltildi. Uygulama üzerinden veriler kaydedildi. Uygun istatistiksel yöntemlerle analiz edildi. Bulgular: Veri seti ISIC19'a ait n=24.731 (%85) dermoskopik fotoğraf ile Hacettepe Üniversitesi (HÜ) hastalarına ait n=4.220 (%15) dermoskopik fotoğraf kullanılarak n=28.951 fotoğraftan oluşturuldu. Yapay zeka n=5.910 fotoğraf ile test edildi. Yapay zekanın tanı koymada 0,91 (%91) doğruluk oranı elde ettiği görüldü. Algoritmanın dengeli doğruluk oranı 0,78 (%78) ve F1 skoru 0,80 olarak hesaplandı. Test setinden hazırlanan 54 soruluk katılımcı değerlendirme testine göre Katılımcıların (n=17) yapay zeka desteği ile doğruluk oranlarındaki değişim bağımlı t testi ile 0,13 (p
Özet (Çeviri)
Introduction: Artificial intelligence is defined as endowing machines with abilities such as learning, problem solving, deriving meaning, and remembering. Today, artificial intelligence has rapidly developed image processing capabilities. In dermatology, clinicians diagnose conditions using dermoscopy, a method that involves analyzing specially taken images of lesions. There are studies on the analysis of dermoscopic images with artificial intelligence. In some studies, artificial intelligence has been found to be more successful than experienced specialist doctors in diagnosing dermoscopic images. However, our literature search to date has not found a study evaluating the position of artificial intelligence's successful diagnostic capability, especially in dermatology specialist training. The aim of this study is to demonstrate the contribution of an artificial intelligence trained with dermoscopic images reflecting the characteristics of our own patient group to the existing skills of residents. Methods and Materials: Dermoscopic photos taken for diagnosis and follow up purposes at our hospital between 2013-2023 were evaluated. A dataset consisting of 4,220 images diagnosed with basal cell carcinoma, squamous cell carcinoma, melanoma, dysplastic nevus, melanocytic nevus, benign keratoses, actinic keratosis, dermatofibroma, and vascular lesions was prepared. The ISIC 19 open dataset from the literature was added to this dataset. An image processing artificial intelligence algorithm was developed. The dataset obtained was used for the training and testing of the algorithm. A web application was designed to investigate the effect of artificial intelligence on the diagnostic accuracy of residents. The study included n=17 research assistants who had received at least one year of dermoscopy training in our unit's academic training schedule and had at least one year of clinical experience in dermoscopy. Participants were asked a total of n=54 dermoscopic image diagnosis questions through the our application, first answering themselves and then with the support of artificial intelligence. Data was recorded through the application and the interaction between dermatology assistants and artificial intelligence was analyzed. Findings: The dataset was created using n=24,731 (85%) dermoscopic photos from ISIC19 and n=4,220 (15%) dermoscopic photos from patients at Hacettepe University (HU), totaling n=28,951 photos. The artificial intelligence was tested with n=5,910 photos. It was found that the artificial intelligence achieved a diagnostic accuracy of 0.91 (91%). The balanced accuracy rate of the algorithm was calculated as 0.78 (78%) and the F1 score as 0.80. According to a 54-question participant evaluation test prepared from the test set, the change in accuracy rates of the participants (n=17) with artificial intelligence support was calculated as 0.13 (p
Benzer Tezler
- Derin öğrenmeye dayalı yapay zekâ teknikleri kullanılarak dermoskopik görüntülerden melanom tahminini sağlayan bir web arayüzünün geliştirilmesi
Development of a web interface for estimating melanoma from dermoscopic images using artificial intelligence techniques based on deep learning
ALİ KAPLAN
Yüksek Lisans
Türkçe
2021
Biyoistatistikİnönü ÜniversitesiBiyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMEK GÜLDOĞAN
- Skin lesion classification with machine learning
Makine öğrenmesi ile cilt lezyonu sınıflandırması
ESRA SENDEL
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. İSA YILDIRIM
- Derin öğrenme ile görüntü bölütleme
Image segmentation with deep learning
ELİF IŞILAY ÜNLÜ
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET ÇINAR
- Segmentation of skin cancer by using image processing techniques
Görüntü işleme teknikleri kullanılarak cilt kanseri segmentasyonu
AZHAR KASSEM FLAYEH FLAYEH
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Assist. Prof. Dr. GÖRKEM SERBES
- Classification of dermoscopic images using neural networks
Dermoskopik görüntülerin sinir ağları kullanılarak sınıflandırılması
ENES ALBAY
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA ERSEL KAMAŞAK