Skrotal ultrason görüntüleri ile spermiyogram ve hormon profili arasındaki ilişkinin belirlenmesinde yapay zeka kullanımı
Using artificial intelligence to determine the relationship between scrotal ultrasound images and spermiogram and hormone profile
- Tez No: 876450
- Danışmanlar: DR. ÖĞR. ÜYESİ FİLİZ TAŞÇI
- Tez Türü: Tıpta Uzmanlık
- Konular: Radyoloji ve Nükleer Tıp, Radiology and Nuclear Medicine
- Anahtar Kelimeler: Testis ultrasonografisi, infertilite, yapay zeka, derin ögrenme, spermiyogram, Testicular ultrasonography, infertility, artificial intelligence, deep learning, spermiogram
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Recep Tayyip Erdoğan Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Radyoloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Giriş ve Amaç: Günümüzün yaygın problemi haline gelen infertilitenin altta yatan birçok etkeni bulunmaktadır. Bu etkenler arasında erkek gonadal fonksiyon bozuklukları, infertil çiftlerin yarısında tek başına ya da kadın faktörüyle birlikte yer almaktadır. İnfertilitenin tanısında semen analizi altın standart olmakla birlikte, ultrasonografi (US) başlıca yardımcı tanı yöntemini oluşturmaktadır. Amacımız; testis US görüntülerinden yapay zekanın derin ögrenme algoritmalarının semen analizi parametrelerini tahmin etmedeki etkinliğini ölçmektir. Gereç ve Yöntem: Bu çalışmaya, Şubat 2022 ile Nisan 2023 tarihleri arasında hastanemiz Üroloji Polikliniği'ne infertilite şikâyeti ile başvuran 18-54 yaş arası erkek hastalar dahil edilmiştir. Hastalara; kan hormon profili, semen analizi ve aynı operatör tarafından US inceleme yapıldı. Her iki testisin uzun eksende görüntüleri alındı ve segmente edildi. Semen analizinden elde edilen veriler ışığında sperm konsantrasyonu, ileri hareketlilik, morfoloji başlıkları altında hastalar gruplara ayrılarak klasörleme yapıldı. Ardından her semen parametresi için düşük ve normal olmak üzere alt klasörleme oluşturuldu. Tüm hastaların sağ ve sol testis görüntüleri laboratuvar parametrelerine bakılarak ilgili klasöre yüklendi. Segmente edilen görüntülerden oluşturulan 3 farklı veri setine augmentasyon işlemi uygulandı ve tüm veri setleri %80 eğitim, %20 test seti rastgele olarak ayrıldı. Ardından görüntüler VGG-16 derin öğrenme mimarisi kullanılarak sınıflandırıldı. Bulgular: Sperm konsantrasyonu (oligospermi ve normal) sınıflandırmasında AUC, doğruluk, F1 skor sırasıyla 0.76, 0.68 ve 0.69'dur. İleri hareketlilik (astenozoospermi ve normal) sınıflandırmasında AUC, doğruluk, F1 skor sırasıyla 0.89, 0.83 ve 0.84'tür. Aynı zamanda çalışmada elde edilen en yüksek AUC değeri 0.89 ile astenospermi ve normal grupların ayrımında elde edilmiştir. Morfoloji (teratozoospermi ve normal) sınıflandırmasında AUC, doğruluk, F1 skor sırasıyla 0.86, 0.79 ve 0.77'dir. Sonuç: Çalışmamızda, yenilikçi yaklaşım olan yapay zekanın derin öğrenme algoritmalarını kullanarak testis US görüntülerinden elde ettiğimiz veriler ile spermiyogram tahmininde başarılı sonuçlara ulaştık. Bu alanda literatürde çok az yayın olup çalışmamız gelecekteki doğrulama çalışmalarına kılavuzluk niteliği taşımaktadır.
Özet (Çeviri)
Introduction and Objective: Infertility, which has become a common problem today, has many underlying factors. Among these factors, male gonadal dysfunction is present in half of infertile couples either alone or in combination with female factors. Although semen analysis is the gold standard in the diagnosis of infertility, ultrasonography (US) is the main auxiliary diagnostic method. Our aim is to measure the effectiveness of deep learning algorithms of artificial intelligence in predicting semen analysis parameters from testicular US images. Materials and Methods: Male patients aged 18-54 years who presented to the Urology Outpatient Clinic of our hospital between February 2022 and April 2023 with the complaint of infertility were included in this study. Blood hormone profile, semen analysis and US examination were performed by the same operator. Long axis images of both testes were taken and segmented. In the light of the data obtained from semen analysis, patients were divided into groups under the headings of sperm concentration, forward motility and morphology. Sub-classification as low and normal was then created for each semen parameter. Right and left testicular images of all patients were uploaded to the relevant folder according to laboratory parameters. Augmentation process was applied to 3 different data sets created from the segmented images and all data sets were randomly divided into 80% training and 20% test sets. The images were then classified using the VGG-16 deep learning architecture. Results: AUC, accuracy and F1 score for sperm concentration (oligospermia and normal) classification were 0.76, 0.68 and 0.69, respectively. AUC, accuracy and F1 score for the classification of forward motility (asthenozoospermia and normal) were 0.89, 0.83 and 0.84, respectively. At the same time, the highest AUC value obtained in the study was 0.89 in the differentiation of asthenospermia and normal groups. In morphology (teratozoospermia and normal) classification, AUC, accuracy, F1 score were 0.86, 0.79 and 0.77, respectively. Conclusion: In our study, we achieved successful results in spermiogram prediction with the data obtained from testicular US images using deep learning algorithms of artificial intelligence, which is an innovative approach. There are very few publications in the literature in this field and our study is a guide for future validation studies.
Benzer Tezler
- Koyunlarda döl veriminin genetik ıslahında testis özelliklerinden yararlanma olanakları
Başlık çevirisi yok
NEDİM KOŞUM
- İntraskrotal patolojilerin değerlendirilmesinde skrotal ultrasonografinin yeri
Başlık çevirisi yok
BÜLENT ÖZDEŞLİK
- İntraskrotal patolojilerin B-mode real-time ultrasonografi tekniği ile değerlendirilmesi
Başlık çevirisi yok
ALİ ÖZMEN
Tıpta Uzmanlık
Türkçe
1989
Radyoloji ve Nükleer TıpOndokuz Mayıs ÜniversitesiRadyodiagnostik Ana Bilim Dalı