Geri Dön

Bilgisayarlı tomografi görüntülerinden travmatik olmayan omurga çökme kırıklarının tespiti için hibrit bir makine öğrenme yönteminin geliştirilmesi

Development of a hybrid machine learning method for the detection of non-traumatic spine compression fractures from computed tomography (CT) image

PDF İndir

  1. Tez No: 875013
  2. Yazar: MURAT TÜRKMEN
  3. Danışmanlar: PROF. DR. ZEYNEP ORMAN
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Ortopedi ve Travmatoloji, Computer Engineering and Computer Science and Control, Orthopedics and Traumatology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: İstanbul Üniversitesi-Cerrahpaşa
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 130

Özet

Travmatik olmayan vertebral kompresyon fraktürleri, insan omurgasında sık görülen bir patolojik durumdur. Yaşla birlikte kemik kütlesinin azalması, travmatik olmayan vertebral kompresyon fraktürlerinin oluşmasına sebep olmaktadır. Travmatik olmayan vertebral kompresyon fraktürleri genellikle uzun süre semptomsuz kaldığı için bu dönemde erken teşhis, hastalığın ilerlememesini ve daha etkin tedavi olanağını sunmaktadır. Teşhis ve tedavi için hastalara ait radyolojik görüntülerden faydalanılmaktadır. Radyolojik görüntülerden elde edilen veri kümeleri günümüzde bilimsel gelişmelere önemli katkılar sağlamaktadır. Veri kümeleri, makine öğrenme yöntemleri kullanılarak sağlık alanında patolojik durumların segmentasyonu, yüksek doğruluk ve hassasiyetle tespiti, sınıflandırılması, hastalık tanısı için etkili çözümler oluşturmaktadır. Son yıllarda travmatik olmayan vertebral kompresyon fraktürlerinin tespiti araştırmalarında makine öğrenme yöntemleri daha sık kullanılmaya başlanmıştır. Bu tez çalışmasında, hastaların ham bilgisayarlı tomografi görüntü verileri işlenerek makine öğrenme yöntemlerinin uygulanması için özgün bir veri kümesi oluşturulmuştur. Özgün veri kümesi, İstanbul Üniversitesi-Cerrahpaşa, Cerrahpaşa Tıp Fakültesi Radyoloji Anabilim Dalı'nda bilgisayarlı tomografi ile radyolojik tanı alan hastaların retrospektif görüntülerinden sağlanmıştır. Tez kapsamında, görüntü özellikleri, VGG16 yöntemi ile çıkarılmış ve SVM yöntemi ile seçilmiştir. Yeni bir hibrit çekişmeli üretici Ağ -quantum evrişimli sinir ağı (QCNN) makine öğrenmesi sınıflandırma modeli geliştirilmiştir. Hibrit model oluşturulurken quantum özellikler, DenseNet121 ve GAN dan esinlenilmiştir. Model, oluşturulan veri kümesi ile test edilmiştir. Hibrit modelin özgün veri kümesini sınıflandırma sonuçları, DenseNet121, GAN, MobileNetV3, EfficientNetB1, VGG16 ve ResNet50V2 ile karşılaştırılmış ve bu sonuçlar tartışılmıştır.

Özet (Çeviri)

*Non-traumatic vertebral compression fractures are a common pathological condition in the human spine. The decrease in bone mass with age causes non-traumatic vertebral compression fractures. Since non-traumatic vertebral compression fractures usually remain asymptomatic for a long time, early diagnosis in this period prevents the disease from progressing and provides more effective treatment. Radiological images of patients are used for diagnosis and treatment. Data sets obtained from radiological images make significant contributions to scientific developments today. Data sets create effective solutions for the segmentation of pathological conditions in the field of healthcare, detection, classification with high accuracy and precision, and disease diagnosis by using machine learning methods. In recent years, machine learning methods have begun to be used more frequently in research on the detection of non-traumatic vertebral compression fractures. In this thesis study, a unique data set was created for the application of machine learning methods by processing the raw computed tomography image data of the patients. The original data set was created from retrospective images of patients who received radiological diagnosis with computed tomography at Istanbul University-Cerrahpaşa, Cerrahpaşa Faculty of Medicine, Department of Radiology. Within the scope of the thesis, image features were extracted with the VGG16 method and selected with the SVM method. A new hybrid adversarial generative Network -quantum convolutional neural network (QCNN) machine learning classification model has been developed. While creating the hybrid model, quantum features, DenseNet121 and GAN were inspired. The model was tested with the created data set. The classification results of the hybrid model on the original dataset were compared with DenseNet121, GAN, MobileNetV3, EfficientNetB1, VGG16 and ResNet50V2, and these results were discussed.

Benzer Tezler

  1. Tez No

    815728

    Diffüz aksonal hasarlanmaların kontrastsız bilgisayarlı tomografi incelemelerinde histogram analizi yöntemi kullanılarak saptanmasının araştırılması

    Investigation of detection of diffuse axonal injury in non-contrast computed tomography examinations with histogram analysis method.

    SÜMEYRA SARITOY

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    Radyoloji ve Nükleer TıpFırat Üniversitesi

    Radyoloji Ana Bilim Dalı

    DOÇ. DR. MURAT BAYKARA

  2. Tez No

    497701

    Bisipital oluk morfolojisi ve biseps tendonu uzun başındaki farklılıkların biseps tendiniti üzerindeki etkileri

    The effects of bisipital groove morphology and long head of biceps tendon differences on biceps tendinitis

    ZAFER GÜNEŞ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2018

    Ortopedi ve TravmatolojiSağlık Bilimleri Üniversitesi

    Ortopedi ve Travmatoloji Ana Bilim Dalı

    PROF. DR. CEM NURİ AKTEKİN

  3. Tez No

    685248

    Acil servise intakranial hemoraji ile başvuran hastalarda mortalite ve morbiditelerinin değerlendirilmesinde bilgisayarlı beyin tomografisi ile ölçülen optik sinir kılıfı çapının tanısal değeri

    Diagnostic value of optic nerve sheath diameter measured by computerized brain tomography in the evaluation of mortality and morbidity in patients admitted to the emergency department with intracranial hemorrhage

    NUKHET BURÇEM BORAN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2021

    İlk ve Acil Yardımİzmir Katip Çelebi Üniversitesi

    Acil Tıp Ana Bilim Dalı

    DOÇ. DR. ZEYNEP KARAKAYA

    UZMAN HÜSEYİN ACAR

  4. Tez No

    618365

    Acil servise başvuran non-travmatik subaraknoid kanamalı olgularda optik sinir kılıf çapının mortalite ile ilişkisi

    Relation of optic nerve sheath diameter with mortality in non-traumatic subarachnoid hemorrhagic patients presenting to the emergency department

    AHMET YILMAZ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2020

    NöroşirürjiOndokuz Mayıs Üniversitesi

    Acil Tıp Ana Bilim Dalı

    PROF. DR. AHMET BAYDIN

  5. Tez No

    524193

    Spontan intrakraniyal kanamalı hastalarda beyin tomografisinde optik sinir kılıf çapı ölçümünün prognozu öngörmede etkinliği

    Effectiveness of computerized tomography optic nerve sheath diameter measurement in predicting outcome of the patients with sontaneous intracranial hemorrhage

    İBRAHİM BİLGİN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2018

    İlk ve Acil YardımDokuz Eylül Üniversitesi

    Acil Tıp Ana Bilim Dalı

    DOÇ. DR. BAŞAK BAYRAM

    DOÇ. DR. NEŞE ÇOLAK ORAY

Geri Dön