Geri Dön

Dual enerji x-ışını absorbsiyometri ve lomber grafi görüntülerinin derin öğrenme ile karşılaştırılması: Osteoporoz tanısında yeni bir yaklaşım

Comparison of dual-energy x-ray absorptiometry and lumbar radiograph images using deep learning: A novel approach for osteoporosis diagnosis

PDF İndir

  1. Tez No: 957515
  2. Yazar: DENİZ APALAN
  3. Danışmanlar: DR. ÖĞR. ÜYESİ BÜLENT YILDIZ
  4. Tez Türü: Tıpta Uzmanlık
  5. Konular: Radyoloji ve Nükleer Tıp, Radiology and Nuclear Medicine
  6. Anahtar Kelimeler: DEXA, Derin öğrenme, Osteoporoz, DEXA, Deep learning, Osteoporosis
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Sivas Cumhuriyet Üniversitesi
  10. Enstitü: Tıp Fakültesi
  11. Ana Bilim Dalı: Radyoloji Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu araştırmanın amacı, osteopeni ve osteoporoz tanısında DEXA taramalarının yerini alabilecek potansiyel bir yöntem olarak lomber grafi görüntülerinin derin öğrenme teknikleriyle analiz edilmesinin etkinliğini değerlendirmektir. Çalışmamız kapsamında Sivas Cumhuriyet Üniversitesi Tıp Fakültesi Hastanesi Radyoloji Kliniği görüntü arşivleme ve iletişim sistemi (PACS) üzerinden 18.11.2020 ve 30.11.2023 tarihleri arasında herhangi bir nedenle üç aylık süre içerisinde DEXA ile lomber vertebra grafisi çekilen hastaların görüntüleri retrospektif olarak incelendi. Çalışma grubunu 20-95 yaş arasında 902'si kadın, 137'si erkek olmak üzere 1039 hasta oluşturdu. DEXA çekimi yapılan postmenopozal kadınlar ve 50 yaş üstü erkeklerde T-skoru, 50 yaş altı premenopozal kadın ve 50 yaş altı erkek hastada Z-skoru kullanıldı. Son üç ay içerisinde çekilen lomber grafi görüntüleri toplandı ve skor sonuçlarına göre normal, osteopeni ve osteoporoz olmak üzere üç sınıfa ayrılarak değerlendirme yapıldı. Özellik çıkarımı için beş farklı önceden eğitilmiş transfer öğrenme modeli kullanıldı. Sınıflandırmada kullanılan hiperparametreler Gri Kurt Optimizasyon (GKO) algoritması ile optimize edildi. Çok sınıflı ve ikili sınıflandırma yapılarak modeller uygulandı. Çok sınıflı senaryoda, DenseNet169 modeli en yüksek test AUC değerine (0.81) ulaşarak en iyi performansı göstermiştir. Xception modeli (AUC = 0.90) normal ve osteopeniyi ayırt etmede en yüksek başarıyı elde ederken, InceptionResNetV2 modeli (doğruluk = %90.08) normal ve osteoporozu ayırt etmede en yüksek başarıya ulaşmıştır. Sonuçlar, transfer öğrenme modelleri ve metasezgisel optimizasyonun bir arada kullanımı sayesinde kemik mineral yoğunluğu sınıflandırmasında yüksek doğruluk elde edilebileceğini göstermektedir.

Özet (Çeviri)

The aim of this study is to evaluate the effectiveness of analyzing lumbar radiograph images using deep learning techniques as a potential method that could replace DEXA scans in the diagnosis of osteopenia and osteoporosis. Within the scope of our study, the images of patients who underwent both DEXA and lumbar vertebra radiography within a three-month period for any reason between November 18, 2020, and November 30, 2023, were retrospectively reviewed through the Picture Archiving and Communication System (PACS) of the Radiology Clinic at Sivas Cumhuriyet University Faculty of Medicine Hospital. The study group consisted of 1,039 patients aged between 20 and 95 years, including 902 females and 137 males. For postmenopausal women and men over the age of 50 who underwent DEXA, T-scores were used, whereas Z-scores were applied for premenopausal women and men under the age of 50. Lumbar radiograph images obtained within the last three months were collected and classified into three categories normal, osteopenia, and osteoporosis based on score results. For feature extraction, five different pre-trained transfer learning models were employed. The hyperparameters used in classification were optimized using the Grey Wolf Optimization (GWO) algorithm. The models were applied using both multiclass and binary classification. In the multiclass scenario, the DenseNet169 model demonstrated the best performance by achieving the highest test AUC value (0.81). While the Xception model (AUC = 0.90) achieved the highest success in distinguishing normal from osteopenia, the InceptionResNetV2 model (accuracy = 90.08%) achieved the highest success in differentiating normal from osteoporosis. The results indicate that high accuracy in bone mineral density classification can be achieved through the combined use of transfer learning models and metaheuristic optimization.

Benzer Tezler

  1. Tez No

    460315

    Epilepsi hastalarında kemik metabolizması yönetimi

    Bone metabolism management in epilepsy diseases

    FİRDEVS EZGİ UÇAN TOKUÇ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2017

    NörolojiSağlık Bilimleri Üniversitesi

    Nöroloji Ana Bilim Dalı

    DOÇ. DR. YASEMİN BİÇER GÖMCELİ

  2. Tez No

    818015

    Bilgisayarlı tomografinin hu (hounsfield unit) değeri ile dexa (dual enerji x-ışını absorbsiyometri) skorlamalarının karşılaştırılması ve bilgisayarlı tomografinin dansitometri değerinin osteoporoz tanısına katkısı

    The comparison of hounsfield unit values calculated on computed tomography images and dual energy x-ray absorpsiometry scores for the diagnosis osteoporosi̇s

    MUHAMMED ALPASLAN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2015

    Radyoloji ve Nükleer TıpVan Yüzüncü Yıl Üniversitesi

    Radyoloji Ana Bilim Dalı

    YRD. DOÇ. DR. AYDIN BORA

  3. Tez No

    815510

    İskelet kası indeksinin T skoru ile korelasyonu ve vertebra dejenerasyonu olan olgularda kemik mineral yoğunluğu tespitine katkısı

    Correlation of skeletal muscle index with T-score and its contribution to bone mineral density detection in cases with vertebra degeneration

    CEREN AYDIN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    Radyoloji ve Nükleer TıpSağlık Bilimleri Üniversitesi

    Radyoloji Ana Bilim Dalı

    PROF. DR. NURDAN ÇAY

  4. Tez No

    1013222

    Ailevi Akdeniz Ateşi tanısı ile takip edilen çocuk hastalarda vitamin D3 seviyeleri, serum amiloid A ve kemik mineral dansitelerinin değerlendirilmesi

    Evaluation of vitamin D3 levels, serum amyloid A and bone mineral density in child patients with Familial Mediterranean Fever

    GİZEM AYLİN AYDEMİR ERTURUN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2026

    Çocuk Sağlığı ve HastalıklarıKütahya Sağlık Bilimleri Üniversitesi

    Çocuk Sağlığı ve Hastalıkları Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ YUNUS EMRE BAYSAL

    DR. ÖĞR. ÜYESİ İLHAN HAZER

  5. Tez No

    1004284

    Osteoporozu olan tip 2 diyabetes mellituslu hastalarda serum galanin, apelin ve RBP 4 düzeylerinin incelenmesi

    Investigation of serum galannin, apelin and RBP 4 levels in Type 2 diabetes mellitus patients with osteoporosis

    ABDULLAH ERTUĞRUL AZYOKSUL

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2026

    İç HastalıklarıKahramanmaraş Sütçü İmam Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

    PROF. DR. DİLEK TÜZÜN

Geri Dön