Mechanical complication prediction in well-aligned adult spinal deformity patients, privacy-preserving ml inferences with blockchain applications
İyi hizalanmış yetişkin omurga deformitesi hastalarında mekanik komplikasyon tahmini, gizliliği koruyan makine öğrenme modelleri ve blockchain uygulamaları
- Tez No: 954933
- Danışmanlar: PROF. DR. OSMAN UĞUR SEZERMAN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Biyoistatistik, Ortopedi ve Travmatoloji, Computer Engineering and Computer Science and Control, Biostatistics, Orthopedics and Traumatology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Acıbadem Mehmet Ali Aydınlar Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyoistatistik ve Biyoinformatik Ana Bilim Dalı
- Bilim Dalı: Biyoinformatik Bilim Dalı
- Sayfa Sayısı: 144
Özet
Bu tez, yetişkin omurga deformitesi hastalarında mekanik komplikasyonları tahmin etmek için tasarlanmış ağaç-bazlı makine öğrenimi modellerinin geliştirilme ve hasta ve model veri gizliliklerini koruyan tahmin algoritmalarına dönüştürülme süreçleri sunulmuştur. Ağaç tabanlı denetimli makine öğrenimi algoritmalarını kullanarak, bu çalışma ameliyat sonrası komplikasyonlar için tahmin doğruluğunu iki belirgin hasta grubunda; ameliyat sonrası iyi hizalanmış ve orta derecede orantısız hastalada etkili bir şekilde artırmaktadır. Modeller yüksek tahmin performansı göstermiş, %90'e kadar duyarlılık ve %70 civarında F-skor değerlerine ulaşmıştır ki bu değerler, cerrahi plan- lama ve risk yönetimi için kritik metriklerdir. Homomorfik şifreleme entegrasyonuyla, çalışma işleme sırasında hassas hasta verilerinin gizli kalmasını sağlar. Modellerin gizli kalması ise güvenlik analizleri sonucu bir sorgu limiti atanarak gerçekleştirilmiştir. Bu yaklaşım, sağlık verilerinin işlenmesinde yaygın olan önemli gizlilik ve güvenlik endişelerini ve modelin çalınma risklerini ortadan kaldırmakadır. Araştırma bulguları, bu modellerin güvenilir tahminler sağlayarak tıp profesyoneller- ine bilinçli kararlar almada yardımcı olabileceğini ve böylece ASD ameliyatlarındaki mekanik komplikasyonların görülme sıklığını azaltabileceğini önermektedir. Modellerin ve hasta verisinin gizliliğinin korunmuş olması bu alanda ilerlemenin önünü açacaktır.
Özet (Çeviri)
This dissertation presents the development and validation of advanced machine learn- ing models designed to predict mechanical complications in adult spinal deformity patients. Utilizing tree-based supervised machine learning algorithms, this study effectively enhances the predictive accuracy for post-operative complications in two distinct patient groups; well-aligned and moderately disproportioned ASD patients after surgery. The models demonstrated high predictive performance, achieving sensitivity values up to 90% and F-score values around 70%, which are critical metrics for clinical applications in surgical planning and risk management. A considerable part of the research was dedicated to implementing privacy-preserving machine learning techniques to secure the models and the data. By integrating homomorphic encryption, the study ensures that sensitive patient data remains confidential during processing. This approach addresses significant privacy and security concerns prevalent within healthcare data handling. The research findings suggest that these models could substantially aid medical professionals by providing reliable predictions that help in making informed decisions, thus potentially reducing the incidence of mechanical complications in ASD surgeries. Ultimately, the integration of privacy-preserving technological advancements promises to revolutionize the usage such models in surgical planning and postoperative care, significantly impacting patient safety and outcomes in the field of spine surgery.
Benzer Tezler
- Structural health monitoring of frp composites using fbg sensors
Frp kompozitlerin yapısal sağlık takibinin fbg sensörler kullanılarak gerçekleştirilmesi
ERDEM AKAY
Doktora
İngilizce
2018
Havacılık Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. HALİT SÜLEYMAN TÜRKMEN
PROF. DR. MEHMET YILDIZ
- Yenidoğan yoğun bakım ünitesinde konjenital kalp hastalığı nedeniyle takip edilen hastaların preoperatif ve postoperatif görüntülemelerinin karşılaştırılarakanlamlı fark olup olmadığının değerlendirilmesi
Başlık çevirisi yok
GİZEM ÇAĞLAR
Tıpta Uzmanlık
Türkçe
2023
Çocuk Sağlığı ve HastalıklarıSağlık BakanlığıÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. DİLEK DİLLİ
- Fluid flow in cardiovascular devices and surgical pathways
Kalp-damar cihazlarinda ve cerrahi konstrüksüyonlarda akışkanlar mekaniği
REZA RASOOLI
Doktora
İngilizce
2021
Makine MühendisliğiKoç ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. KEREM PEKKAN
- Postoperatif cerrahi onkoloji hastalarında APACHE II, SAPS II skorlama sistemleri ve CRP albümin oranının prognozu öngörmedeki rolleri
Roles in predicting the prognosis of APACHE II, SAPS II scoring systems and CRP albumin ratio in postoperative surgery oncology patients
ORHAN SERİHAN
Tıpta Uzmanlık
Türkçe
2024
Anestezi ve ReanimasyonTekirdağ Namık Kemal ÜniversitesiGenel Cerrahi Ana Bilim Dalı
DOÇ. DR. İLHAN BALİ
- İntrakraniyal ve ekstrakraniyal ileri düzey arteryel darlıklarda balon expandable koroner stent ve koroner balon anjiyoplasti ile tedavi sonuçları
Results of treatment with balloon expandable coronary stent and coronary balloon angioplasty in intracranial and extracranial advanced arterial narrowings
BERKE ERSOY
Tıpta Uzmanlık
Türkçe
2023
Radyoloji ve Nükleer Tıpİstanbul ÜniversitesiRadyoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET BARBUROĞLU