Geri Dön

Trigeminal nevralji ve normal popülasyonda semptomatik ve asemptomatik trigeminal sinirlerin ayırt edilmesine yönelik derin öğrenme yaklaşımı

A deep learning approach for diagnosing symptomatic and asymptomatic trigeminal nerves in trigeminal neuralgia and the normal population

PDF İndir

  1. Tez No: 946889
  2. Yazar: MARZIYE JALILI
  3. Danışmanlar: DR. ÖĞR. ÜYESİ GÖKALP TULUM
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Üsküdar Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Yapay Zeka Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 80

Özet

Bu çalışma, trigeminal nevralji (TN) hastalarında semptomatik ve asemptomatik trigeminal sinirleri tanımlamak amacıyla yeni derin öğrenme modellerinin geliştirilmesine odaklanmaktadır. Araştırmanın temel amacı, sinir dokusunun görsel inceleme yöntemleriyle değerlendirilmesindeki sınırlamaların ötesine geçerek, doku bileşimini daha bütüncül ve nesnel bir ölçekte analiz etmeyi hedeflemektedir. Bu kapsamda, grade-1 semptomatik TN, asemptomatik grade-1 ve asemptomatik grade-0 olmak üzere üç farklı kategoriye ayrılan toplam 260 temporal MRG (Manyetik Rezonans Görüntüleme) veri setindeki yüksek çözünürlüklü taramalar analiz edilmiş ve işlenmiştir. Trigeminal sinirin sisternal (cisternal) kısımları manuel olarak segmentlenmiş, her birey için en geniş kesitsel alana sahip görüntü test görüntüsü olarak seçilmiştir. Eğitim aşamasında ise segmentlenmiş tüm dilimler modele dahil edilmiştir. Sınıflandırma için iki model geliştirilmiştir (DenseASPP 201 ve MobileASPP V2); bu modeller, DenseNet-201 ve MobileNet-V2 mimarilerinin ASPP bloklarıyla birleştirilmesiyle oluşturulmuştur. DenseASPP-201 modeli, grade-1 semptomatik grupta %96,4 doğruluk ve %93,3 F1 skoru ile en yüksek performansı göstermiştir. Asemptomatik gruplar arasında model performansı heterojenlik göstermiş olsa da genel sınıflandırma başarısı güçlü bulunmuştur. Bu çalışma, TN tanısı sırasında mikroyapısal farklılıkları saptamada klasik yöntemlere göre daha hassas ve tekrarlanabilir sonuçlar sunabilecek derin öğrenme tabanlı bir yaklaşım önermektedir. Gelecekteki çalışmalarda modelin çok merkezli ve daha büyük kohortlarda doğrulanması önerilmektedir.

Özet (Çeviri)

This study focused on developing novel deep learning models to identify symptomatic and asymptomatic trigeminal nerves for patients suffering from trigeminal neuralgia (TN). The main objective of the research is to go beyond the limitations posed by visual methods of inspection, in this case examining nerve tissue structure, and attempts at a more holistic approach on analyzing tissue composition on an objective scale. We analyzed and processed the high-resolution scans in 260 temporal MRI (Magnetic Resonance Imaging) datasets, grouped as grade-1 symptomatic TN, asymptomatic grade-1, and asymptomatic grade-0, leading to three distinctive categories. The cisternal parts of the trigeminal nerve were manually segmented and the image with the largest cross-sectional area was selected from each individual as a testing image. During the training phase, all the segmented slices were included. Two models were developed for classification (DenseASPP 201 and MobileASPP V2) by combining DenseNet-201 and MobileNet-V2 architectures with ASPP blocks. DenseASPP-201 achieved the highest performance in the symptomatic grade-1 group, with an accuracy of 96.4% and an F1-score of 93.3%. While performance was heterogeneous across the asymptomatic groups, classification success was overall strong. This study proposes a deep learning-based method that may provide more sensitive and reproducible results than classical methods to detect microstructural differences during TN diagnosis. Future studies should validate the model in multi-center and larger cohorts.

Benzer Tezler

  1. Tez No

    352830

    Multipl skleroz hastalarında uykuya ilişkin parametrelerin değerlendirilmesi

    Assesments of sleep parameters in multiple sclerosis patients

    SERKAN YILMAZER

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2011

    NörolojiMustafa Kemal Üniversitesi

    Nefroloji Ana Bilim Dalı

    DOÇ. DR. ESRA OKUYUCU

  2. Tez No

    734332

    Trigeminal nevralji hastalarında koku fonksiyonları ile sinonazal yaşam kalitesi ölçeklerinin değerlendirilmesi ve normal popülasyon ile karşılaştırılması

    Evaluation of olfactory functions and sinonasal quality of life scales in patients with trigeminal neuralgia and comparison with the normal population

    DENİZ ULUÇ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2022

    Kulak Burun ve BoğazAnkara Üniversitesi

    Kulak Burun Boğaz ve Baş-Boyun Cerrahisi Ana Bilim Dalı

    DOÇ. DR. SÜHA BETON

  3. Tez No

    248044

    Trigeminal sinir ve vasküler yapıların ilişkilerinin kadavrada ve manyetik rezonans görüntüleme (MRG) ile karşılaştırılması

    Structures and vascular relationships trigeminal nerve kadavra and magnetic resonance imaging (MRI) with comparison

    METE RÜKŞEN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2009

    NöroşirürjiEge Üniversitesi

    Nöroşirürji Ana Bilim Dalı

    DOÇ. DR. TAŞKIN YURTSEVEN

  4. Tez No

    861246

    Trigeminal nevralji hastalarında MR ve blink refleks korelasyonu

    MRI and blink reflex correlation in trigeminal neuralgia patients

    MAHMUT SAMİ BİÇİMVEREN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2024

    NörolojiSağlık Bilimleri Üniversitesi

    Nöroloji Ana Bilim Dalı

    PROF. DR. ÖMER KARADAŞ

  5. Tez No

    79886

    Herpes zoster tedavisinin asiklovir, valasiklovir ve famsiklovirin etkinliğinin karşılaştırılması

    Comparison of efficacy acyclovir, valaciclovir and famciclovir in the treatment herpes zoster

    TAMER SERT

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    1999

    DermatolojiTrakya Üniversitesi

    Dermatoloji Ana Bilim Dalı

    PROF. DR. ADNAN GÖRGÜLÜ

Geri Dön