Dijital mamografi kalite kontrol değerlendirmesinde yapay zekanın katkısı
The contribution of artificial intelligence in digital mammography quality control assessment
- Tez No: 876982
- Danışmanlar: DOÇ. DR. GÖKÇE KAAN ATAÇ
- Tez Türü: Tıpta Uzmanlık
- Konular: Radyoloji ve Nükleer Tıp, Radiology and Nuclear Medicine
- Anahtar Kelimeler: Mamografi, Kalite kontrol, Yapay zeka, Konvolüsyonel sinir ağları
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Sağlık Bakanlığı
- Enstitü: Ankara Etlik Şehir Hastanesi
- Ana Bilim Dalı: Radyoloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 75
Özet
Dijital Mamografi Kalite Kontrol Değerlendirmesinde Yapay Zekânın Katkısı Amaç: Ufuk Üniversitesi Tıp Fakültesi Dr. Rıdvan Ege Hastanesi Radyoloji kliniğindeki mamografi görüntü kalitesini retrospektif değerlendirmek ve mamografi görüntü kalitesinin değerlendirilmesinde yapay zekanın (AI = artificial intelligence) katkısını araştırmak Gereç ve Yöntem: Tanısal Radyografik Görüntüler İçin Avrupa Kalite Kriterleri Rehberi mamografi bölümü referans alınarak, 1060 CC (kraniokaudal) ve 1031 MLO (mediolateral oblik) grafide, 10 kalite kriteri ve görüntünün optimal tanısal kalitede olup olmadığı araştırıldı. Görüntüler DICOM formatında ve anonimize edilerek ViewDEX 2.0 programına yüklenerek ve kriterlere ait değerlendirme soruları aynı programda oluşturularak değerlendirildi. Görüntülerin optimal tanısal kalitede olup olmadığı ve kriterler, AI algoritması olarak seçilen VGG-16 ağıyla transfer öğrenme uygulanarak değerlendirildi. Algoritmanın eğitiminde“veri artırma yöntemi”uygulandı. Bulgular: AI ile yapılan değerlendirmede, MLO grafilerde“meme başı tepe noktasında”kriterinde sırasıyla %80.6, %81.3, %87.8, %80.8 ve 0.87 doğruluk, duyarlılık, özgüllük, hassasiyet ve AUC sonuçları elde edildi. MLO grafilerde“cilt katlantısı yok”kriterinde sırasıyla %83.1, %83.1, %83.3, %82.8 ve 0.86 doğruluk, duyarlılık, özgüllük, hassasiyet ve AUC sonuçları elde edildi. AI algoritması, eldeki veriler kullanılarak diğer kriterlerin değerlendirilmesini yüksek bir etkinlikte sonuçlandıramadı. Sonuç: Mamografi görüntü kalitesinin değerlendirilmesinde konvolüsyonel nöral ağlarla yapılan testlerde anlamlı sonuçlara ulaşılabildiği gösterildi. Radyoloğun sonuçlarıyla karşılaştırıldığında, AI'nın doğruluğu meme başı konumu değerlendirmesinde %80,6, cilt katlantılarının gösterilmesinde %83,1'di. Diğer kriterlerde anlamlı sonuçlara ulaşılamaması örneklem genişliğimizin yetersizliğiyle ilişkili olabilir. Daha anlamlı sonuçlar için geniş veri setleriyle yapılacak çalışmalar, AI'nın mamografi kalite kontrolüne katkısı konusunda literatüre önemli katkılar yapabilir.
Özet (Çeviri)
Contribution of Artificial Intelligence in Digital Mammography Quality Control Assessment Objective: The aim was to retrospectively evaluate the mammography image quality at the Radiology Clinic of Dr. Rıdvan Ege Hospital, Faculty of Medicine, Ufuk University, and investigate the contribution of artificial intelligence (AI = artificial intelligence) in assessing mammography image quality. Materials and Methods: Quality criteria for diagnostic radiographic images were investigated based on the mammography section of European guidelines, using 1060 CC (craniocaudal) and 1031 MLO (mediolateral oblique) graphs, examining 10 quality criteria and determining whether the images were of optimal diagnostic quality. The images were uploaded to the ViewDEX 2.0 program in DICOM format, anonymized, and assessment questions related to the criteria were created and evaluated in the same program. The images' optimal diagnostic quality and criteria were evaluated using transfer learning with the VGG-16 network selected as the AI algorithm. Data augmentation was applied during the algorithm's training. Findings: In the evaluation with AI, accuracy, sensitivity, specificity, precision, and AUC results of 80.6%, 81.3%, 87.8%, 80.8%, and 0.87, respectively, were obtained for the“nipple apex”criterion in MLO graphs. For the“no skin folding”criterion in MLO graphs, accuracy, sensitivity, specificity, precision, and AUC results of 83.1%, 83.1%, 83.3%, 82.8%, and 0.86, respectively, were obtained. However, the AI algorithm could not effectively evaluate other criteria based on the available data. Conclusion: Meaningful results were achieved in tests conducted with convolutional neural networks for evaluating mammography image quality. When compared with radiologists' results, AI achieved an accuracy of 80.6% for nipple positioning evaluation and 83.1% for demonstrating skin folds. The lack of significant results in other criteria may be associated with the inadequacy of our sample size. Conducting studies with larger datasets could make significant contributions to the literature regarding the contribution of AI to mammography quality control.
Benzer Tezler
- Dijital mamografi cihazlarının kalite kontrol, kalibrasyon ve standardizasyonu
Quality control, calibration and standardization of full field digital mammography systems
OĞUZHAN AYRANCIOĞLU
Yüksek Lisans
Türkçe
2011
Radyoloji ve Nükleer TıpDokuz Eylül ÜniversitesiMedikal Fizik Ana Bilim Dalı
YRD. DOÇ. DR. AYŞEGÜL YURT
- Dijital mamografi sistemlerinin kalite kontrol ve kabul testleri
Quality control and acceptance tests of digital mammography systems
ŞÖLEN YÜKSEL
Yüksek Lisans
Türkçe
2010
Fizik ve Fizik MühendisliğiAnkara ÜniversitesiMedikal Fizik Ana Bilim Dalı
PROF. DR. DOĞAN BOR
- Dijital mamografi cihazlarında kalite kontrol ölçümleri ve görüntü kalitesinin değerlendirilmesi
Quality control measurements and evaluation of image quality in digital mammographic devices
RUKİYE ŞANLI
Yüksek Lisans
Türkçe
2019
Fizik ve Fizik MühendisliğiKocaeli ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. ÖZCAN GÜNDOĞDU
- Regresyon modeliyle meme dozunun hesaplanması
Calculation of breast dose with the regression model
ALİYE SEZEN UYSAL
Yüksek Lisans
Türkçe
2016
Radyoloji ve Nükleer TıpDokuz Eylül ÜniversitesiMedikal Fizik Ana Bilim Dalı
YRD. DOÇ. DR. AYŞEGÜL YURT
PROF. DR. PINAR BALCI
- Mamografi sistemlerinde optimum film/ekran kombinasyonlarının saptanması
Optimisation of film/screen combinations for mammography systems
KERİME AKDUR
Yüksek Lisans
Türkçe
2012
Fizik ve Fizik MühendisliğiAnkara ÜniversitesiMedikal Fizik Ana Bilim Dalı
PROF. DR. DOĞAN BOR