Bilgisayarlı tomografi akciğer görüntülerindeki akciğer hastalıklarına bağlı pulmoner değişikliklerin piksel bazlı analizlerle değerlendirilmesi
Evaluation of pulmonary changes in CT lung images due to lung diseases with pixel-based analysis
- Tez No: 936822
- Danışmanlar: DOÇ. DR. ÖZKAN DOĞANAY
- Tez Türü: Doktora
- Konular: Biyofizik, Göğüs Hastalıkları, Biyoteknoloji, Biophysics, Chest Diseases, Biotechnology
- Anahtar Kelimeler: Bilgisayar destekli yazılım, Bilgisayarlı görüntüleme, Görüntü işleme-bilgisayarlı, Tomografi-taramalı-x ışınlı-bilgisayarlı, Computer aided software, Computer imaging, Image processing-computer assisted, Tomography scanners-x-ray computed
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Temel Onkoloji Ana Bilim Dalı
- Bilim Dalı: Kanser Biyolojisi ve İmmünolojisi Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmanın amacı, COVID-19 ile ilişkili pnömoni değişikliklerini BT görüntülerinde daha hassas bir şekilde ölçmek için piksel tabanlı bir analiz yöntemi geliştirmektir. BT görüntülerinde pnömoni bölgelerinin düşük kontrastı nedeniyle enfeksiyon alanlarının belirlenmesi zordur. Mevcut yapay zeka yazılımları, lokal pnömoni özelliklerini çıkararak COVID-19 lezyonlarını ölçmek için geliştirilmiştir, ancak bu yazılımlar, kümelenmiş fokal pnömoni hacimlerinin ötesindeki piksel düzeyindeki değişiklikleri göz ardı edebilmektedir. Bu çalışmada önerilen yöntem, COVID-19 pnömonisinin tüm akciğer üzerinde, yalnızca kümelenmiş fokal pnömoni hacimlerine odaklanmak yerine, piksel piksel ölçülmesini hedeflemektedir. Çalışmada, 50 COVID-19 hastası ve 50 yaş eşleştirilmiş sağlıklı kontrol grubu analiz edilmiştir. Pnömoni oranı, akciğer parankimasındaki piksel yoğunluğu ile hesaplanmış ve pulmoner havayolları, damarlar ve pleural boşluklar hariç tutulmuştur. Yapılan analizlerde, COVID-19 hastalarının tüm akciğerlerinde pnömoni oranı %8,1 ± 4,4, sol üst ve alt loblarda ise sırasıyla %6,1 ± 4,5 ve %11,3 ± 7,3 olarak bulunmuş ve istatistiksel olarak anlamlı farklar saptanmıştır (P < 0.01). Piksel tabanlı yöntemler, ticari yapay zeka yazılımlarla karşılaştırıldığında, özellikle üst loblardaki pnömoniyi dört kat daha hassas şekilde tespit etmiştir (P < 0.01). Sonuç olarak, piksel tabanlı analiz yöntemi, COVID-19 hastalarında pnömoniyi doğru bir şekilde değerlendirebilir ve yapay zeka tabanlı yöntemlere göre daha hassas sonuçlar vermektedir. Ayrıca, bu teknik, üst loblardaki pnömoniyi daha hassas bir şekilde tespit ederken, yapay zeka tabanlı analiz sonuçlarına bakıldığında üst loblardaki akciğer pnömoni bölgesini gözden kaçırdığı belirlenmiştir. Bu yeni yaklaşım, yalnızca kümelenmiş pnömoni bölgelerinde değil, tüm akciğerde de pnömoni oranını hesaplayarak daha yüksek hassasiyet elde edilmesini sağlar. Sonuç olarak, bu çalışmada geliştirilen piksel tabanlı analiz yöntemi, COVID-19 ile ilişkili pnömoni değişikliklerinin daha hassas ve doğru bir şekilde değerlendirilmesine olanak sağlamaktadır. Bu teknik, yalnızca klinik uygulamalarda daha etkili bir tanı ve tedavi sürecine katkı sağlamakla kalmayıp, aynı zamanda daha geniş kapsamlı araştırmalara, özellikle COVID-19 sonrası uzun dönem etkilerinin incelenmesine de olanak tanıyacaktır. Gelecekte, bu yöntemin, pnömoni takibi, ilaç tedavi süreçlerinin izlenmesi ve yeni tedavi stratejilerinin geliştirilmesi açısından büyük bir potansiyel taşıdığı düşünülmektedir. Ayrıca, bu tür yaklaşımlar, daha hızlı ve doğru tıbbi kararlar alınmasına yardımcı olarak sağlık sistemlerinin etkinliğini artırabilir. Anahtar Kelimeler; Bilgisayarlı Tomografi (BT); SARS-CoV-2; buzlu cam opasitesi; pnömoni; akciğer hastalıkları; BT atenüasyon
Özet (Çeviri)
This study aims to develop a pixel-based analysis method for more accurately measuring COVID-19-related pneumonia changes in CT images. Due to the low contrast of pneumonia regions in CT images, it is difficult to identify infection areas. Existing artificial intelligence (AI) software has been developed to measure COVID-19 lesions by extracting local pneumonia features, but these programs may overlook pixel-level changes beyond clustered focal pneumonia volumes. The proposed method in this study focuses on pixel-by-pixel measurement of COVID-19 pneumonia throughout the entire lung, rather than focusing solely on clustered focal pneumonia volumes. The study analyzed 50 COVID-19 patients and 50 age-matched healthy control subjects. The pneumonia percentage was calculated based on the pixel density in the lung parenchyma, excluding pulmonary airways, vessels, and pleural spaces. The analysis found the pneumonia percentage in the entire lungs, left upper, and lower lobes of the COVID-19 patients to be 8.1 ± 4.4%, 6.1 ± 4.5%, and 11.3 ± 7.3%, respectively, with statistically significant differences (P < 0.01). Pixel-based methods were four times more sensitive than commercial AI software, particularly in detecting pneumonia in the upper lobes (P < 0.01). In conclusion, pixel-based analysis can accurately assess pneumonia in COVID-19 patients and provide more precise results than AI-based methods. Moreover, this technique detects pneumonia in the upper lobes more accurately, while AI-based analysis tends to overlook the upper lung pneumonia regions. This new approach allows for more accurate calculation of the pneumonia percentage not only in clustered pneumonia areas but also throughout the entire lung, achieving higher sensitivity. As a result, the pixel-based analysis method developed in this study allows for more precise and accurate evaluation of COVID-19-related pneumonia changes. This technique not only contributes to more effective diagnosis and treatment processes in clinical applications but also enables broader research, particularly in investigating the long-term effects of COVID-19. In the future, this method is believed to have great potential in monitoring pneumonia, tracking medication treatment processes, and developing new treatment strategies. Additionally, such approaches can assist in making faster and more accurate medical decisions, thereby enhancing the effectiveness of healthcare systems. Keywords; Computed Tomography (CT); SARS-CoV-2; Ground Glass Opacity (GGO); pneumonia; lung diseases; CT attenuation
Benzer Tezler
- Radyoterapinin pulmoner damarlara etkisinin incelenmesi ve radyasyon pnömonisi erken tanısına katkısının araştırılması
Investigation of the effect of radiotherapy on pulmonary vessels and its contribution to the early diagnosis of radiation pneumonia
GÖKÇE TANIYAN
Doktora
Türkçe
2025
Göğüs HastalıklarıEge ÜniversitesiTemel Onkoloji Ana Bilim Dalı
DOÇ. DR. ÖZKAN DOĞANAY
- Hemoptizilerde endovasküler tedavinin etkinliği
Effectiveness of endovascular treatment in hemoptysis
ELİF ARZU ÖZEN
Tıpta Uzmanlık
Türkçe
2023
Radyoloji ve Nükleer TıpSağlık BakanlığıRadyoloji Ana Bilim Dalı
DOÇ. DR. MEHMET BEYAZAL
- Bilgisayarlı tomografide akciğerde izlenen solid dışı nodüllerin benign ve malign ayrımında doku analizinin rolü
The role of texture analysis in the discrimination of benign and malign subsolid nodules in computerized tomography
MEHMET AKİF KAMAR
Tıpta Uzmanlık
Türkçe
2023
Radyoloji ve Nükleer TıpDokuz Eylül ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. DR. ERKAN YILMAZ
- Diesel motorları yakıt püskürtme sistemlerinin dinamik simülasyonu
Başlık çevirisi yok
İRFAN KARAGÖZ
Yüksek Lisans
Türkçe
1986
Makine MühendisliğiUludağ ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. OĞUZ BORAT
- Ağızlık açma mekanizmalarının tasarımı
Başlık çevirisi yok
RECEP EREN
Yüksek Lisans
Türkçe
1987
Tekstil ve Tekstil MühendisliğiUludağ ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİL R. ALPAY