Kontrastsız manyetik rezonans görüntüleme ile yapay zeka modelleri kullanılarak multipl skleroz hastalarında beyindeki aktif plakların tanımlanması
Identification of active lesions in the brains of multiple sclerosis patients on non-contrast magnetic resonance imagingusing artificial intelligence models
- Tez No: 908138
- Danışmanlar: DOÇ. DR. MEHMET FATİH ERBAY
- Tez Türü: Tıpta Uzmanlık
- Konular: Radyoloji ve Nükleer Tıp, Radiology and Nuclear Medicine
- Anahtar Kelimeler: Yapay zekâ, makine öğrenmesi, multipl skleroz, Artificial intelligence, machine learning, multiple sclerosis
- Yıl: 2024
- Dil: Türkçe
- Üniversite: İnönü Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Radyoloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 64
Özet
Kontrastsız Manyetik Rezonans Görüntüleme ile Yapay Zeka Modelleri Kullanılarak Multipl Skleroz Hastalarında Beyindeki Aktif Plakların Tanımlanması Amaç: Yapay zeka makine öğreniminin, beyindeki aktif MS plaklarını, MRG'deki FLAIR görüntülerde kontrast madde verilmeden tanımlayabilme başarısını değerlendirmek. Gereç ve Yöntem: Ocak 2017 ile Aralık 2023 tarihleri arasında MS tanısı ile kontrast öncesi ve sonrası beyin MRG çekimi yapılan yaşları 18 ile 65 arasında değişen 422 hastanın görüntüleri retrospektif olarak değerlendirildi. Hastalar, MRG incelemelerinde aktif plak (789 sayıda) ve inaktif plak (693 sayıda) bulunanlar olarak iki gruba ayrıldı. Görüntüler, yeniden boyutlandırılarak dizilere dönüştürüldü. Oluşturulan veri setinin rastgele olarak %80'i eğitim, %20'si ise test için kullanıldı. ResNet50, InceptionV3, Xception, MobileNet, MobileNetV2, VGG16, VGG19, DenseNet121, DenseNet169, DenseNet201 ve NASNetMobile transfer öğrenme modelleri; optimizasyon algoritmaları olan SGD, Adam, RMSprop ve Nadam; aktivasyon fonksiyonu olan relu ve swish hiperparemetreleri 88 farklı model oluşturularak iteratif bir şekilde kullanıldı. Bulgular: MobileNet ile Adam optimizasyon algoritması ve relu aktivasyon fonksiyonu kullanılarak oluşturulmuş yapay zekâ modeli aktif ve inaktif plak sınıflamasında %74,4 doğruluk oranı ile en başarılı sonucu verdi. Sonuç: Yapay zekâ makine öğrenimi, bir konvansiyonel MRG sekansı olan kontrastsız FLAIR sekansı ile kontrastlandığı bilinen aktif plakları orta-yüksek doğruluk oranında tahmin edebilmiştir. Bu sonuç; klinik uygulamalarda kullanım açısından yeterli olmamakla birlikte kontrast madde kullanımından kaçınan bir tanı protokolü için ümit vericidir.
Özet (Çeviri)
Identification of Active Lesions in the Brains of Multiple Sclerosis Patients on Non-contrast Magnetic Resonance Imaging Using Artificial Intelligence Models Purpose: To evaluate the success of artificial intelligence machine learning in identifying active MS plaques in brain on pre-contrast FLAIR MRI sequence. Material and Methods: Images of 422 patients diagnosed with MS who underwent pre- and post-contrast brain MRI between January 2017 and December 2023 were retrospectively evaluated. Patients were divided into two groups based on the presence of active plaques (789 in number) and inactive plaques (693 in number) on MRI examinations. The images were resized and converted into arrays. Randomly, 80% of the created dataset was used for training and 20% for testing. Transfer learning models including ResNet50, InceptionV3, Xception, MobileNet, MobileNetV2, VGG16, VGG19, DenseNet121, DenseNet169, DenseNet201, and NASNetMobile were used iteratively with optimization algorithms such as SGD, Adam, RMSprop, and Nadam, along with activation functions relu and swish, resulting in 88 different models. Results: The artificial intelligence model created using MobileNet with the Adam optimization algorithm and relu activation function yielded the most successful result with a 74.4% accuracy rate in classifying active and inactive plaques. Conclusion: Artificial intelligence machine learning was able to predict active plaques with moderate to high accuracy using a conventional MRI sequence, the contrast-free FLAIR sequence. Although this result may not be sufficient for clinical applications, it is promising for a diagnosis protocol avoiding the use of contrast agents.
Benzer Tezler
- Yapay zeka yöntemleri ile Multipl Sklerozis tanısı
Başlık çevirisi yok
BARAN BAYTAR
Tıpta Uzmanlık
Türkçe
2023
Radyoloji ve Nükleer TıpSağlık Bilimleri ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. DR. FATMA SİBEL BAYRAMOĞLU
- Parotis bezi patolojileri tanısında derin öğrenme tabanlı yapay zeka modelinin kullanımı ve etkinliği
Utilization and efficacy of deep learning-based artificial intelligence model in the diagnosis of parotid gland pathologies
KAZIM AYBERK SİNCİ
Tıpta Uzmanlık
Türkçe
2024
Radyoloji ve Nükleer Tıpİzmir Katip Çelebi ÜniversitesiRadyoloji Ana Bilim Dalı
DOÇ. DR. NEZAHAT KARAÇA ERDOĞAN
DR. İLKER ÖZGÜR KOSKA
- Image segmentation and classification based on CNN model to detect brain tumor
Başlık çevirisi yok
NOOR S. SALEH
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Okan ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SHADİ M S HİLLES
- Parotis bezi tümörlerinin ayırıcı tanısında yapay zeka kullanımı
Use of artificial intelligence in the differential diagnosis of parotid gland tumors
ESAT KABA
Tıpta Uzmanlık
Türkçe
2023
Radyoloji ve Nükleer TıpRecep Tayyip Erdoğan ÜniversitesiRadyoloji Ana Bilim Dalı
DOÇ. DR. FATMA BEYAZAL ÇELİKER
- Ön işleme tabanlı manyetik rezonans sekans karşılaştırmalı servikal lenf nodu segmentasyonu
Preprocessing based magnetic resonance sequence comparative cervical lymph node segmentation
ELİF AYTEN TARAKÇI
Tıpta Uzmanlık
Türkçe
2024
Kulak Burun ve BoğazSağlık BakanlığıKulak Burun Boğaz Ana Bilim Dalı
PROF. DR. METİN ÇELİKER