Geri Dön

Üç boyutlu bilgisayarlı tomografi görüntülerinde derin öğrenme yöntemleri kullanılarak cinsiyet tespiti

Sex determination using deep learning methods on three-dimensional computed tomography images

PDF İndir

  1. Tez No: 953080
  2. Yazar: SEFA KOCA
  3. Danışmanlar: DOÇ. DR. MEHMET CAVLAK
  4. Tez Türü: Tıpta Uzmanlık
  5. Konular: Adli Tıp, Antropoloji, Forensic Medicine, Anthropology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Hacettepe Üniversitesi
  10. Enstitü: Tıp Fakültesi
  11. Ana Bilim Dalı: Adli Tıp Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 77

Özet

Kimliği belirlenemeyen bireylerin cinsiyet tespiti, adli tıp uygulamalarında kritik bir öneme sahiptir. Geleneksel yöntemlerde, cinsiyet belirleme işlemi için yumuşak dokuların çıkarılması ve kemik dokuların doğrudan incelenmesi gerekmekte olup bu süreç zaman alıcıdır ve kemik bütünlüğü ile DNA örneklerine zarar verme riski taşımaktadır. Görüntüleme teknikleri, invaziv işlemlere gerek kalmadan değerlendirme imkânı sunarak büyük avantaj sağlamaktadır. Ayrıca, kömürleşmiş veya ileri derecede bozulmuş numunelerde hassas ve doğru ölçümler yapılmasına olanak tanımaktadır. Bu çalışmada, adli antropoloji alanında cinsiyet tespiti için derin öğrenme tekniklerinden yararlanılarak, üç boyutlu (3D) kraniyal bilgisayarlı tomografi (BT) görüntülerinden elde edilen iki boyutlu (2D) projeksiyonların sınıflandırılması amaçlanmıştır. Araştırmada, 150 erkek ve 150 kadın bireyin kraniyal BT taramalarından sagittal ve koronal düzlemlerde alınan 2D görüntüler kullanılmıştır. Cinsiyet sınıflandırması için VGG16, ResNet50 ve MobileNetV2 gibi Evrişimsel Sinir Ağı (Convolutional Neural Network-CNN) tabanlı modeller değerlendirilmiş; VGG16 modeli, Koronal planda %92 doğruluk oranıyla en yüksek performansı göstermiştir. Veri seti, eğitim, doğrulama ve test aşamalarına ayrılarak model performansı analiz edilmiş; doğruluk, duyarlılık, özgüllük ve F1 skoru gibi metriklerle değerlendirilmiştir. Elde edilen sonuçlar, derin öğrenme tekniklerinin adli antropoloji bağlamında hızlı, otomatik ve yüksek doğruluk oranına sahip bir cinsiyet tespit yöntemi olarak kullanılabileceğini göstermektedir.

Özet (Çeviri)

Sex determination plays a crucial role in forensic medicine, particularly in cases involving unidentified individuals. Traditional methods require the removal of soft tissues to examine skeletal structures, a process that is time-consuming and risks damaging bone integrity and DNA samples. Imaging techniques offer significant advantages by enabling non-invasive examination, eliminating the need for such invasive procedures. Moreover, they provide accurate measurements for charred or highly decomposed remains. This study aims to classify two-dimensional (2D) projections derived from three-dimensional (3D) cranial computed tomography (CT) images for sex determination in forensic anthropology using deep learning techniques. A dataset comprising 150 male and 150 female individuals was utilized, with 2D projections extracted from their cranial CT scans in sagittal and coronal planes. Convolutional Neural Network (CNN)-based models, including VGG16, ResNet50, and MobileNetV2, were evaluated for classification; the VGG16 model achieved the highest performance with a 92% accuracy rate in the coronal plane. The dataset was divided into training, validation, and test sets, and model performance was assessed using metrics such as accuracy, sensitivity, specificity, and F1 score. The findings demonstrate that deep learning techniques provide a fast, automated, and highly accurate method for sex determination in forensic anthropology.

Benzer Tezler

  1. Tez No

    808977

    Derin öğrenme yöntemleri kullanılarak CT görüntüleri üzerinden damar segmentasyonu

    Vessel segmentation on CT images using deep learning methods

    ÖMER FARUK BOZKIR

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Göğüs Kalp ve Damar CerrahisiKonya Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MURAT CEYLAN

  2. Tez No

    945247

    Developing a smart method for real -time brain tumor localization and segmentation on ct ımages using hybrid techniques and yolo

    Hibrit teknikler ve yolo kullanilarak bt görüntülerinde gerçek zamanli beyin tümörü lokalizasyonu ve segmentasyonu için akilli bir yöntem geliştirilmesi

    NUSAIBAH KHALID ABDULMAJEED AL-SALIHI

    Doktora

    İngilizce

    İngilizce

    2025

    Elektrik ve Elektronik MühendisliğiÇukurova Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ULUS ÇEVİK

    PROF. DR. TURGAY İBRİKÇİ

  3. Tez No

    747494

    COVID-19 hastalığının derin öğrenme yöntemleri kullanılarak tespiti

    Detection of COVID-19 disease using deep learning methods

    HÜSEYİN YAŞAR

    Doktora

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik MühendisliğiKonya Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MURAT CEYLAN

  4. Tez No

    886696

    Classification of knee osteoarthritis severity using deep learning with fully supervised and semi-supervised-based approaches

    Derin öğrenme ile tamamen denetimli ve yarı-denetimli yaklaşım tabanlı diz osteoartrit şiddetinin sınıflandırılması

    İLKNUR AKTEMUR

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İLKAY ÖKSÜZ

  5. Tez No

    950691

    Bilgisayarlı tomografi'de yapay zekadestekli akciğer nodülü tanı ve izlem sistemi

    Başlık çevirisi yok

    RAİF CAN YAROL

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2025

    Radyoloji ve Nükleer TıpDokuz Eylül Üniversitesi

    Radyoloji Ana Bilim Dalı

    PROF. DR. OĞUZ DİCLE

Geri Dön