Tek taraflı nazal kavite ve paranazal sinüs patolojilerinin bilgisayarlı tomografi ile ayırıcı tanısında derin öğrenmenin kullanımı
The use of deep learning in the differential diagnosis of unilateral nasal cavity and paranasal sinus pathologies using computed tomography
- Tez No: 876500
- Danışmanlar: PROF. DR. ÖZLEM ÇELEBİ ERDİVANLI
- Tez Türü: Tıpta Uzmanlık
- Konular: Kulak Burun ve Boğaz, Otorhinolaryngology (Ear-Nose-Throat)
- Anahtar Kelimeler: Nazal kavite, paranazal sinüs, maksiller sinüs, yapay zekâ, derin öğrenme, sınıflandırma, Nasal cavity, paranasal sinus, maxillary sinus, artificial intelligence, deep learning, classification
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Recep Tayyip Erdoğan Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Kulak Burun Boğaz Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 82
Özet
Amaç: Tek taraflı nazal kavite ve paranazal sinüs patolojileri Kulak Burun Boğaz (KBB) hekimlerinin tanı koymakta zorlanabileceği patolojilerdir. Enfeksiyöz ve inflamatuvar lezyonlar olduğu gibi bu lezyonlarla karışabilecek benign ve malign sinonazal tümörler de mevcuttur. Özellikle ayırıcı tanıda zorlanılan tek taraflı lezyonlarda Bilgisayarlı Tomografi (BT) preoperatif dönemde altın standart olarak kullanılmaktadır. Biz de bu çalışmamızda derin öğrenme kullanarak tek taraflı nazal kavite ve paranazal sinüs patolojilerinin preoperatif dönemde BT üzerinden ayırıcı tanısını yapmayı amaçladık. Gereç ve Yöntem: Recep Tayyip Erdoğan Üniversitesi Tıp Fakültesi Eğitim ve Araştırma Hastanesinde Ocak 2019 – Şubat 2023 tarihleri arasında tek taraflı nazal kavite ve paranazal sinüs patolojisi nedeniyle Fonksiyonel Endoskopik Sinüs Cerrahisi uygulanan, peroperatif ayırıcı tanısı belirlenen ve histopatolojik incelemeler sonrası tanısı netleştirilen hastalar çalışmamıza dahil edilmiştir. 114 hastadan 950 adet kesit kullanılmıştır. BT görüntülerinden lezyonları içeren aralıktan 2 mm aralıklarla koronal kesitler alınmıştır. Koronal olarak kaydedilen görüntüler paranazal sinüs alanlarını içerecek şekilde kırpılmıştır. Kırpılan görüntülerden oluşturulan 5 farklı veri setine görüntü artımı işlemi uygulandıktan sonra tüm veri setleri %80 eğitim ve %20 doğrulama olarak ikiye ayrıldı. Görüntüler ön işleme aşamalarının ardından ResNet-18 derin öğrenme mimarisi kullanılarak sınıflandırıldı. Bulgular: Doğrulama seti sonuçlarına göre tüm grupları sınıflandırmayı amaçlayan bu çalışmamızda doğruluk değeri %91.58, sensitivite %93.04, spesifite %97.9 olarak bulunmuştur. Antrokoanal polip, fungal sinüzit, retansiyon kisti, malign ve normal grupların sınıflandırılmasında sensitivite değerleri sırasıyla %95.4, %85.7, %83.3, %80, %98.1 olarak elde edilmiştir. Bu grupları sınıflandırmada spesifite değerleri ise sırasıyla %88.6, %90, %93.8, %100, %92.9 olarak bulunmuştur. Sonuç: Tek taraflı nazal kavite ve paranazal sinüs lezyonlarının ayırıcı tanısında BT görüntüleri ile derin öğrenme mimarileri kullanarak yüksek başarılı sonuçlar elde edilebilmektedir. Bu sonuçlar değerlendirildiğinde derin öğrenme mimarilerinin ilk basamaktan gerekli ve hızlı yönlendirmeleri sağlaması, tanı sürecini daha başarılı, daha hızlı hale getirmesi ve bunun sonucunda daha etkili bir tedavi olanağı sunması ile klinisyenlerin iş yükünü önemli ölçüde azaltma potansiyeline sahip olduğunu düşünüyoruz.
Özet (Çeviri)
Objective: Unilateral nasal cavity and paranasal sinus pathologies are challenging for ENT (Ear, Nose, and Throat) specialists in terms of diagnosis. These pathologies encompass various infectious and inflammatory lesions, and they may coexist with benign and malignant sinonasal tumors. CT scans are widely regarded as the gold standard for preoperative evaluation of these pathologies. In this study, we aimed to utilize deep learning to perform a differential diagnosis of unilateral nasal cavity and paranasal sinus pathologies through CT imaging. Materials and Methods: Patients who underwent Functional Endoscopic Sinus Surgery due to unilateral nasal cavity and paranasal sinus pathology at Recep Tayyip Erdogan University Faculty of Medicine Training and Research Hospital between January 2019 and February 2023 were included in our study. A total of 950 slices from 114 patients were used. Coronal sections were obtained at 2 mm intervals from the range containing lesions in the CT images. The images recorded coronally were cropped to include paranasal sinus areas. After applying image augmentation to the cropped images, the entire dataset was split into 80% training and 20% validation sets. The images were classified using the ResNet-18 deep learning architecture after preprocessing. Results: In this study aiming to classify all groups based on the validation set results, the accuracy was found to be 91.58%, sensitivity 93.04%, and specificity 97.9%. Sensitivity values for classifying Antrochoanal Polyp, Fungal Sinusitis, Retention Cyst, Malignant, and Normal groups were obtained as 95.4%, 85.7%, 83.3%, 80%, and 98.1%, respectively. The specificity values for classifying these groups were found to be 88.6%, 90%, 93.8%, 100%, and 92.9%, respectively. Conclusion: Differential diagnosis of unilateral nasal cavity and paranasal sinus lesions can be achieved with high success using CT images and deep learning architectures. When evaluating these results, it is evident that deep learning architectures have the potential to provide necessary and prompt guidance from the primary care level, making the diagnostic process more successful and faster. Consequently, this can significantly reduce the workload of clinicians and offer a more effective treatment.
Benzer Tezler
- Primer edinsel nazolakrimal kanal tıkanıklığı bulunan hastalarda lakrimal drenaj sisteminin anatomik özellikleri: Bir çok kesitli BT incelemesi
Anatomical characteristics of lacrimal drainage system in patients with primary acquired nasolacrimal duct obstruction: A study of multislice CT
EMİN ULUTAŞ
Tıpta Uzmanlık
Türkçe
2011
Radyoloji ve Nükleer TıpUludağ ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. DR. ZEYNEP YAZICI
- Nazal kitlelerin bilgisayarlı tomografi görüntüleri kullanılarak radyomik tabanlı sınıflandırılması: sinonazal inverted papillom, antrokoanal polip ve nazal polipin karşılaştırmalı analizi
Radiomics-based classification of nasal masses using computerized tomography images: comparative analysis of sinonasal inverted papilloma, antrochoanal polyp and nasal polyp
MUHAMMED FAZIL ARAS
Tıpta Uzmanlık
Türkçe
2024
Kulak Burun ve BoğazSağlık Bilimleri ÜniversitesiKulak Burun Boğaz Hastalıkları Ana Bilim Dalı
DR. FATİH TETİK
- Konka bullozalı hastaların pre-operatif ve post-operatif dönemlerde akustik rinometri ile değerlendirilmesi
Evaluation of the patients with concha bullosa during preoperative and postoperative periods by acoustic rhinometry
FATMA ÇAYLAKLI
Tıpta Uzmanlık
Türkçe
2001
Kulak Burun ve BoğazAnkara ÜniversitesiKulak Burun Boğaz Ana Bilim Dalı
PROF.DR. METİN AKINER
- Karma dentisyon döneminde kilitli modifiye akrilik bonded aparey ile yapılan hızlı üst çene genişletmesinin dentofasiyal yapılar üzerine etkilerinin incelenmesi
The investigation of treatment results of locked rapid maxillary expansion with modified acrylic bonded expansion appliance on dentofacial structures in mixed dentition
CELAL IRGIN
- Canalis sinuosus morfolojisinin konik ışınlı bilgisayarlı tomografi ile retrospektif olarak incelenmesi
Retrospective evaluation of canalis sinuosus morphology by cone BEAM computed tomography
İRFAN ÇELİK
Diş Hekimliği Uzmanlık
Türkçe
2021
Diş Hekimliğiİstanbul ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
PROF. DR. İLKNUR ÖZCAN