Geri Dön

Tibia plato kırıklarının yazılım algoritması kullanılarak yorumlanma başarısı

Success in interpreting tibia plateau fractures using software algorithm

PDF İndir

  1. Tez No: 934463
  2. Yazar: BURAK ACAR
  3. Danışmanlar: DOÇ. DR. UMUT PAYZA, DOÇ. DR. MEHMET GÖKTUĞ EFGAN
  4. Tez Türü: Tıpta Uzmanlık
  5. Konular: Acil Tıp, Emergency Medicine
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: İzmir Katip Çelebi Üniversitesi
  10. Enstitü: İzmir Atatürk Eğitim ve Araştırma Hastanesi
  11. Ana Bilim Dalı: Acil Tıp Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 77

Özet

Giriş ve Amaç: Tibia plato kırıkları, diz ekleminin yük taşıma fonksiyonunu ve stabilitesini etkileyen önemli ortopedik yaralanmalardır. Yüksek enerjili travmalar veya osteoporozlu bireylerde düşük enerjili travmalar sonucu oluşabilir. Doğru sınıflandırma ve uygun tedavi seçimi, fonksiyonel sonuçları doğrudan etkilemektedir. Geleneksel görüntüleme ve manuel sınıflandırma yöntemleri subjektif değerlendirmelere bağlı olduğundan hata payı yüksektir. Bu çalışmada, tibia plato kırıklarının yazılım algoritmaları ile otomatik analiz edilmesi ve farklı derin öğrenme modellerinin tanısal başarısının karşılaştırılması amaçlanmıştır. Böylece klinik karar süreçlerinde daha hızlı ve objektif değerlendirme sağlanması hedeflenmiştir. Gereç ve Yöntem: Bu retrospektif çalışma, acil servise başvuran ve tibia plato kırığı ön tanısı alan olguların radyografik görüntülerinin yapay zeka destekli derin öğrenme algoritmaları ile değerlendirilmesini amaçlamaktadır. Son 15 yıl içinde İzmir Katip Çelebi Üniversitesi Atatürk Eğitim ve Araştırma Hastanesi acil servisine başvuran, 18 yaş ve üzeri, tibia plato kırığı ön tanısı almış 317 hasta ile kontrol grubundaki 339 hasta çalışmaya dahil edilmiştir. Eksik verisi bulunan hastalar, 18 yaş altı bireyler, ileri gonartrozu olanlar ve gebeler çalışma dışı bırakılmıştır. Hastaların diz ön-arka (AP) ve yan (lateral) standart radyografileri, hastane bilgi yönetim sisteminden (HBYS) JPEG formatında elde edilmiştir. Görüntüler, AlexNet, ResNet18, ResNet50, ResNet101 ve MobileNet gibi evrişimli sinir ağı (CNN) mimarileri ile eğitilerek tibia plato kırığı tanısında en doğru yaklaşım belirlenmiştir. İki farklı derin öğrenme yöntemi kullanılmıştır: Görüntü aşamasında birleştirme: Ön-arka ve yan X-ray görüntülerinin birleştirilerek eğitilmesi. Öznitelik aşamasında birleştirme: Ön-arka ve yan görüntülerin ayrı ayrı eğitilip, elde edilen derin özniteliklerin birleştirilerek sınıflandırılması. Eğitilen modeller, doğruluk, duyarlılık ve özgüllük gibi performans ölçütleri açısından karşılaştırılmıştır. Bulgular: Çalışmada, tibia plato kırığı tanısında farklı derin öğrenme modellerinin performansları karşılaştırılmıştır. Toplam 317 tibia plato kırıklı hasta ve 339 kontrol grubunun radyografileri analiz edilerek AlexNet, ResNet18, ResNet50, ResNet101 ve MobileNet gibi evrişimli sinir ağı (CNN) mimarileri test edilmiştir. Eğitim ve test veri performanslarının tutarlılığı, yüksek doğruluk oranı ve hızlı eğitilebilirliği nedeniyle ResNet18, en başarılı model olarak belirlenmiştir. Görüntü aşamasında birleştirme yöntemi, ResNet18 için en yüksek doğruluğa ulaşmıştır (ACC %93.90, SEN %89.60, SPE %98.00, PPV %97.70, FDR %2.30). Buna karşın, öznitelik aşamasında birleştirme yöntemi daha düşük doğruluk oranı göstermiştir (ACC %87.82, SEN %87.37, SPE %88.24, PPV %87.37, FDR %12.63). Sonuçlar: Bu çalışmada, tibia plato kırıklarının tanısında yapay zeka tabanlı derin öğrenme modellerinin etkinliği değerlendirilmiş ve karşılaştırılmıştır. Analizler sonucunda ResNet18 modeli en yüksek doğruluğa ulaşmış, görüntü aşamasında birleştirme yöntemi en başarılı sonuçları vermiştir. Geleneksel kırık değerlendirmeleri zaman alıcı ve subjektif olabilirken, yapay zeka destekli sistemler süreci hızlandırarak objektifliği artırmaktadır. Bulgularımız, derin öğrenme modellerinin klinik kullanıma entegrasyonunun, tibia plato kırıklarının daha hızlı ve doğru teşhis edilmesine katkı sağlayabileceğini göstermektedir. Gelecekte veri setlerinin genişletilmesi ve algoritmaların daha fazla klinik değişkenle desteklenmesi, yapay zeka modellerinin ortopedik travma tanısındaki rolünü güçlendirebilir. Bu nedenle, klinik karar destek sistemlerine entegrasyonu için daha fazla çalışma gerekmektedir.

Özet (Çeviri)

Introduction and Objective: Tibial plateau fractures are significant orthopedic injuries that affect the knee joint's load-bearing function and stability. They may result from high-energy trauma or low-energy trauma in osteoporotic individuals. Accurate classification and appropriate treatment selection directly influence functional outcomes. Traditional imaging and manual classification methods rely on subjective evaluations, leading to a high margin of error. This study aims to enable the automatic analysis of tibial plateau fractures using software algorithms and compare the diagnostic performance of different deep learning models. The goal is to facilitate faster and more objective assessments in clinical decision-making processes. Materials and Methods: This retrospective study aimed to evaluate the radiographic images of patients presenting to the emergency department with a preliminary diagnosis of tibial plateau fractures using artificial intelligence-supported deep learning algorithms. The study included 317 patients diagnosed with tibial plateau fractures and 339 control subjects who presented to the emergency department of İzmir Katip Çelebi University Atatürk Training and Research Hospital within the last 15 years. Patients with missing data, those under 18 years of age, individuals with advanced gonarthrosis, and pregnant women were excluded. Standard anteroposterior (AP) and lateral knee radiographs were obtained in JPEG format from the hospital information management system (HBYS). These images were processed using convolutional neural network (CNN) architectures such as AlexNet, ResNet18, ResNet50, ResNet101, and MobileNet to determine the most accurate approach for diagnosing tibial plateau fractures. Two different deep learning approaches were utilized: Image-level fusion: Combined training of AP and lateral X-ray images. Feature-level fusion: Independent training of AP and lateral images, followed by the fusion of extracted deep features for classification. The trained models were compared based on performance metrics such as accuracy, sensitivity, and specificity. Results: The study compared the performance of different deep learning models in diagnosing tibial plateau fractures. A total of 317 patients with tibial plateau fractures and 339 control subjects were analyzed using convolutional neural network (CNN) architectures, including AlexNet, ResNet18, ResNet50, ResNet101, and MobileNet. ResNet18 was identified as the most successful model due to its consistency in training and test performance, high accuracy, and faster training capability. The image-level fusion method achieved the highest accuracy with ResNet18 (ACC: 93.90%, SEN: 89.60%, SPE: 98.00%, PPV: 97.70%, FDR: 2.30%). In contrast, the feature-level fusion method yielded lower accuracy (ACC: 87.82%, SEN: 87.37%, SPE: 88.24%, PPV: 87.37%, FDR: 12.63%). Conclusion: This study evaluated and compared the effectiveness of artificial intelligence-based deep learning models in diagnosing tibial plateau fractures. The analysis identified ResNet18 as the most accurate model, with the image-level fusion method yielding the best results. Traditional fracture assessment methods can be time-consuming and subjective, whereas AI-assisted systems enhance efficiency and objectivity. Our findings suggest that integrating deep learning models into clinical practice may facilitate faster and more accurate diagnosis of tibial plateau fractures. Expanding datasets and incorporating additional clinical variables in the future could further strengthen the role of AI models in orthopedic trauma diagnosis. Therefore, further research is needed to integrate these technologies into clinical decision support systems.

Benzer Tezler

  1. Tez No

    645808

    Bikondiler tibia plato kırıklarında tek plak veya çift plak uygulamasının enerji tüketimi üzerine etkisi

    Başlık çevirisi yok

    BATUHAN GENCER

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2020

    Ortopedi ve TravmatolojiSağlık Bilimleri Üniversitesi

    Ortopedi ve Travmatoloji Ana Bilim Dalı

    DOÇ. DR. ÖZGÜR DOĞAN

  2. Tez No

    242092

    Tibia plato kiriklarinin cerrahi tedavi sonuçlarinin değerlendirilmesi

    Plateau fractures of tibia surgery treatment results evaluation

    ŞÜKRÜ DEMİR

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2009

    Ortopedi ve TravmatolojiFırat Üniversitesi

    Ortopedi ve Travmatoloji Ana Bilim Dalı

    YRD. DOÇ. DR. OKTAY BELHAN

  3. Tez No

    99105

    Tibia plato kırıklarının artroskopi yardımlı cerrahi tedavisi

    Arthroscopy assisted operative management of tibial plateau fractures

    ÖZGÜR ÇETİK

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2000

    Ortopedi ve Travmatolojiİstanbul Üniversitesi

    Ortopedi ve Travmatoloji Ana Bilim Dalı

    PROF.DR. YUNUS VEHBİ SÖZEN

  4. Tez No

    224371

    Tibia plato kırıklarının cerrahi tedavisinde klinik sonuçlar

    Surgical treatment results of tibial plateau fractures

    MEHMET İŞYAR

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2007

    Ortopedi ve TravmatolojiGATA

    Ortopedi ve Travmatoloji Ana Bilim Dalı

    PROF.DR. KAAN ERLER

  5. Tez No

    195028

    Tibia plato kırıkları

    Tibia plateau fracture

    MUSTAFA KARAHAN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2007

    Ortopedi ve TravmatolojiDicle Üniversitesi

    Ortopedi ve Travmatoloji Ana Bilim Dalı

    PROF.DR. AHMET KAPUKAYA

Geri Dön