Kemik fraktürlerinin radyolojik tanısındayapay zeka tabanlı karar destek algoritması geliştirilmesi
Development of an artificial intelligence-based decision support algorithm in the radiological diagnosis of bone fractures
- Tez No: 905764
- Danışmanlar: PROF. DR. ONUR TAYDAŞ
- Tez Türü: Tıpta Uzmanlık
- Konular: Radyoloji ve Nükleer Tıp, Radiology and Nuclear Medicine
- Anahtar Kelimeler: Direkt grafi, kırıklar, makine öğrenimi, yapay zeka, Plain radiography, fractures, machine learning, artificial intelligence
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Sakarya Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Radyoloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 58
Özet
GİRİŞ VE AMAÇ: Yaygın olan ve sıklığı artan kırık vakalarına zamanında doğru tanının konulabilmesi için destek sistemlerine ihtiyaç vardır. Bu araştırma da acil servise kırık şüphesi ile başvuran hastaların, direkt grafilerini hekimlerin değerlendirilme sürelerinin ve kırığı atlama riskinin düşürülebilmesi için yapay zeka tabanlı karar destek algoritmasının oluşturulması amaçlanmaktadır. YÖNTEM: Araştırmaya 1040 fraktür grafisi ve 250 fraktür olmayan grafi dahil edildi. Bunlardan 832 fraktür grafisi ve 200 fraktür olmayan grafi eğitim datası olarak kullanılırken, 208 fraktür grafisi ve 50 fraktür olmayan grafi test datası olarak kullanıldı. Ham grafi imajlarına gürültü ekleme, bulanıklaştırma, kırma, çevirme ve döndürme gibi görüntü işleme teknikleri uygulanarak her imaj için 10 farklı görüntü elde edildi. Bu şekilde 10 320 direkt grafi kullanılarak transfer learning metodu ile makine öğrenimi gerçekleştirildi. BULGULAR: Test setindeki 258 grafi, oluşturulan model ile tahmin edildi. Model kırığı olan hastaların %82'sini kırık olarak tahmin etmektedir (Duyarlılık). Sağlam olan hastaların %88'ini sağlam olarak tahmin etmektedir (Özgüllük). Modelin kırık olarak tahmin ettiği hastaların %97'si gerçekte kırıktır (Kesinlik). Modelin sağlam olarak tahmin ettiği hastaların %54'ü gerçekte sağlamdır (Negatif prediktif değer). Model sağlam hastaların %12'sini kırık olarak tahmin etmektedir (Yanliş pozitiflik oranı). Model kırık hastalarının %18'ini sağlam olarak tahmin etmektedir (Yanlış negatiflik oranı). Modelin tüm hastalar içinde doğru tahmin yapma sıklığı ise %83'tür (Doğruluk). Modelin F1 skoru 0,89'dur. SONUÇ: Oluşturulan model verilerine göre özellikle %97 kesinlik ile hekimin kırık olduğunu düşündüğü vakalarda daha hızlı karar vermesini sağlayacaktır. Acil servislerde buna benzer modellerin kullanımı yanlış ve gecikmiş tanı sıklığını en aza indirecektir.
Özet (Çeviri)
INTRODUCTION AND AIM: Support systems are needed to ensure timely and accurate diagnosis of fracture cases, which are common and increasing in frequency. This research aims to create an artificial intelligence-based decision support algorithm to reduce the time taken for physicians to evaluate direct radiographs of patients who apply to the emergency department with suspected fractures and to reduce the risk of missing a fracture. METHOD: 1040 fracture and 250 non-fracture radiographs were included in the study. Of these, 832 fracture radiographs and 200 non-fracture radiographs were used as training data, while 208 fracture radiographs and 50 non-fracture radiographs were used as test data. 10 different images were obtained for each image by applying image processing techniques such as adding noise, blurring, breaking, flipping and rotating to the raw radiograph images. RESULTS: 258 graphs in the test set were predicted with the created model. The model predicts 82% of patients with fractures as fractures (Sensitivity). It predicts 88% of healthy patients as healthy (Specificity). 97% of patients that the model predicts to have a fracture actually have a fracture (Precision). 54% of the patients predicted by the model to be healthy are actually healthy (Negative predictive value). The model predicts 12% of healthy patients to have a fracture (False positive rate). The model predicts 18% of fracture patients as intact (False negative rate). The frequency of the model making correct predictions among all patients is 83%. The F1 score of the model is 0.89 CONCLUSION: According to the model data created, it will enable the physician to make faster decisions, especially in cases where he thinks there is a fracture, with 97% accuracy. The use of similar models in emergency departments will minimize the frequency of incorrect and delayed diagnosis.
Benzer Tezler
- Torakolomber vertebra fraktürlerinin posterior pedikül vidası ile tespitinde laminektomi uygulamasının radyolojik parametreler ve klinik üzerine etkilerinin değerlendirilmesi
Clinical and radialogic effects of laminectomy during posterior pedicle screw fixation in the surgical management of thoracolumbar fractures
İLHAN YILMAZ
Tıpta Uzmanlık
Türkçe
2022
NöroşirürjiRecep Tayyip Erdoğan ÜniversitesiBeyin ve Sinir Cerrahisi Ana Bilim Dalı
DOÇ. DR. BÜLENT ÖZDEMİR
DR. ÖĞR. ÜYESİ CİHANGİR ERTÜRK
- Vertebral kemik iliği lezyonlarının ayırıcı tanısında difüzyon ağırlıklı manyetik rezonans görüntülemenin ve apparent diffusion coefficent ölçümlerinin değeri
Assesment of vertebral bone marrow patologies with diffusion weighted imaging and apperent diffusion coefficent
GÜLTEN TAŞKIN
Tıpta Uzmanlık
Türkçe
2010
Radyoloji ve Nükleer TıpOndokuz Mayıs ÜniversitesiRadyodiagnostik Ana Bilim Dalı
PROF. DR. LÜTFİ İNCESU
- Torakolomber instabil vertebra fraktürlerinin anterior ve posterior enstrümantasyon ve füzyon yöntemleriyle tedavisi
Treatment of thoracolumbar instable vertebra fractures with anterior and posterior instrumentation and fusion methods
GÖKHAN GÖKÇE
Tıpta Uzmanlık
Türkçe
2004
NöroşirürjiSağlık BakanlığıBeyin ve Sinir Cerrahisi Ana Bilim Dalı
DR. HAKAN SOMAY
- Kafa kaidesi ve orbita fraktürlerinin bilgisayarlı tomografi ile değerlendirilmesi
Başlık çevirisi yok
İHSAN ÖZGÜRÇAĞ
- Traneksamik asitin lokal ve intravenöz uygulanmasının tibia fraktürlerinin kaynaması üzerine etkilerinin değerlendirilmesi:Deneysel çalışma
The effects of local and intravenous tranexamic acid administration on tibia fracture healing:Experimental study
BAHADIR BALKANLI
Tıpta Uzmanlık
Türkçe
2018
Ortopedi ve TravmatolojiTrakya ÜniversitesiOrtopedi ve Travmatoloji Ana Bilim Dalı
PROF. DR. CEM ÇOPUROĞLU