Geri Dön

Acil servise başvuran kalkaneus fraktürlü hastaların grafilerinin yapay zeka ile değerlendirilmesi

Assessment of calcaneal fracture radiographs using artificial intelligence in the emergency department

PDF İndir

  1. Tez No: 967188
  2. Yazar: SEVDE SARE ÇAPKIN VAROL
  3. Danışmanlar: PROF. DR. ZEYNEP KARAKAYA
  4. Tez Türü: Tıpta Uzmanlık
  5. Konular: Acil Tıp, Emergency Medicine
  6. Anahtar Kelimeler: Kalkaneus fraktürü, yapay zekâ, derin öğrenme, acil servis, radyografi, Calcaneus fracture, artificial intelligence, deep learning, emergency department, radiography
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: İzmir Katip Çelebi Üniversitesi
  10. Enstitü: İzmir Atatürk Eğitim ve Araştırma Hastanesi
  11. Ana Bilim Dalı: Acil Tıp Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 57

Özet

Amaç: Bu çalışma, acil servise başvuran hastalarda kalkaneus fraktürlerinin direkt grafiler üzerinden yapay zekâ (YZ) tabanlı derin öğrenme algoritmaları ile tanınma doğruluğunu değerlendirmeyi amaçlamaktadır. Kalkaneus fraktürleri, yüksek enerjili travmalar sonrası sık görülen ve tanı gecikmesi halinde ciddi fonksiyonel kayıplara yol açabilen kırıklardır. Özellikle acil servislerde yoğun iş yükü, tanı sürecinde hata riskini artırmakta ve hızlı, güvenilir tanı destek sistemlerine ihtiyaç doğurmaktadır. Yöntem: Retrospektif ve gözlemsel tasarıma sahip bu araştırmada, 2015–2025 yılları arasında kalkaneus fraktürü ön tanısı ile İzmir Katip Çelebi Üniversitesi Atatürk Eğitim ve Araştırma Hastanesi acil servisine başvuran 474 erişkin hastaya ait ön-arka (AP) ve lateral ayak radyografileri analiz edilmiştir. Fraktür varlığı, 10 yıllık deneyime sahip acil tıp uzmanı tarafından değerlendirilmiş ve bilgisayarlı tomografi (BT) ile doğrulanmıştır. Derin öğrenme modelleri olarak ResNet50, Xception ve EfficientNetB0 mimarileri kullanılmış; modellerin bireysel ve topluluk (sert oylama, yumuşak oylama) performansları karşılaştırılmıştır. Performans metrikleri olarak doğruluk (ACC), duyarlılık (SEN), özgüllük (SPE), pozitif prediktif değer (PPV) ve F1 skoru kullanılmıştır. Görseller MATLAB 2025a ortamında işlenmiş, Grad-CAM yöntemi ile modelin odaklandığı bölgeler görselleştirilmiştir. Bulgular: Ön-arka görüntülerde kırık tespit doğruluğu (%91,2 ACC) lateral görüntülere (%85,0 ACC) kıyasla daha yüksektir. Xception modeli doğrulama setinde %95,2 duyarlılık ile öne çıkarken, test setinde ResNet50 modeli %90,0 duyarlılık ve %82,9 özgüllük değerleri ile en iyi performansı göstermiştir. Sert oylama yöntemi, tekil modellerden daha dengeli sonuçlar üretmiş ve yanlış pozitif/negatif oranlarını azaltmıştır. ROC-AUC analizlerinde tüm modellerin 0,90 üzerinde AUC değerleri elde ettiği görülmüştür. Grad-CAM analizi, tüm modellerin kırık olan olgularda ilgili anatomik bölgeye odaklandığını göstermiştir. Yanlış pozitiflerin büyük kısmı, kırık olmayan fakat yapısal varyasyon içeren olgulardan kaynaklanmıştır. vii Sonuçlar: Derin öğrenme tabanlı YZ algoritmaları, acil serviste kalkaneus fraktürlerinin hızlı ve doğru tanısında yüksek potansiyele sahiptir. Sert oylama yöntemi, bireysel modellerin güçlü yönlerini birleştirerek tanısal performansı artırmıştır. Grad-CAM gibi açıklanabilirlik araçları, modelin karar mekanizmasının klinik olarak anlamlı olduğunu göstermekte ve hekim güvenini desteklemektedir. Bu tür sistemlerin, BT gibi ileri görüntüleme yöntemleriyle birlikte kullanıldığında, tanısal doğruluğu artırarak hasta yönetimini iyileştirebileceği düşünülmektedir. Gelecekte daha geniş ve çeşitlendirilmiş veri setleri ile çok merkezli doğrulama çalışmaları, bu sistemlerin klinik entegrasyonunu kolaylaştıracaktır.

Özet (Çeviri)

Aim: This study aimed to evaluate the diagnostic accuracy of deep learning-based artificial intelligence (AI) algorithms in detecting calcaneus fractures from direct radiographs in emergency department patients. Calcaneus fractures, commonly caused by high-energy trauma, can lead to significant functional impairment if diagnosis is delayed. Overcrowded emergency departments increase the risk of diagnostic errors, highlighting the need for rapid and reliable decision support systems. Methods: In this retrospective and observational study, anterior-posterior (AP) and lateral foot radiographs from 474 adult patients admitted to İzmir Katip Çelebi University Atatürk Training and Research Hospital between 2015 and 2025 with suspected calcaneus fracture were analyzed. Fracture presence was assessed by an emergency medicine specialist with 10 years of experience and confirmed via computed tomography (CT). Three deep learning architectures—ResNet50, Xception, and EfficientNetB0—were implemented, and their individual and ensemble (hard voting, soft voting) performances were compared. Performance metrics included accuracy (ACC), sensitivity (SEN), specificity (SPE), positive predictive value (PPV), and F1 score. Image processing was performed using MATLAB 2025a, and Grad￾CAM visualization was applied to identify regions of interest. Results: Fracture detection accuracy was higher in AP views (91.2% ACC) than in lateral views (85.0% ACC). The Xception model achieved the highest sensitivity (95.2%) in the validation set, while ResNet50 achieved the best test set performance with 90.0% sensitivity and 82.9% specificity. The hard voting method yielded more balanced results compared to single models, reducing false positives and false negatives. ROC-AUC analysis demonstrated that all models achieved AUC values above 0.90. Grad-CAM analysis confirmed that the models focused on relevant anatomical areas in fracture-positive cases. Most false positives were related to structurally variant but non-fractured cases. ix Conclusion: Deep learning-based AI models have strong potential for rapid and accurate detection of calcaneus fractures in emergency departments. The hard voting approach improved diagnostic performance by combining the strengths of individual models. Explainability tools such as Grad-CAM provided clinically meaningful insights into model decision-making, enhancing physician trust. Integration of such systems alongside advanced imaging modalities like CT may improve diagnostic accuracy and patient management. Future studies with larger, more diverse datasets and multi-center validation are essential for clinical adoption.

Benzer Tezler

  1. Tez No

    454011

    Ayak ayak bileği travmalarında ultrasonografinin yeri

    Ultrasonography in foot and ankle trauma

    ÇAĞRI SERDAR ELGÖRMÜŞ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2016

    İlk ve Acil YardımYıldırım Beyazıt Üniversitesi

    Acil Tıp Ana Bilim Dalı

    DOÇ. DR. AYHAN ÖZHASENEKLER

  2. Tez No

    229819

    Politravmalı hastalarda radyolojik yöntemlerle tespit edilememiş (Okkült) patolojilerin tüm vücut kan havuzu ve geç tüm vücut kemik sintigrafisi yöntemi ile tanımlanması

    Evaluate the radiologically undetected (occult) bone (fracture, microfracture, fissure, periost reaction, etc.) and soft tissue lesions (hematoma, solitary organ pathologies, etc.) by means of entire body blood pool (EBBP) and late entire body bone scintigraphy (EBBS) and to find out the additional benefits of the method in patients who have polytrauma without life threat.

    AYŞEN SEVER

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2008

    Radyoloji ve Nükleer TıpOndokuz Mayıs Üniversitesi

    Nükleer Tıp Ana Bilim Dalı

    PROF. DR. TARIK BAŞOĞLU

  3. Tez No

    414875

    Acil servise başvuran kafa travması olgularında optik sinir kılıf çapının tekrarlayan yatak başı ultrasonografik ölçümünün tanıdaki ve hasta takibindeki yeri

    Role of consecutive bedside ultrasonographic measurement of optic nerve sheath diameter in diagnostic and follow up of patients presenting with head trauma in emergency department

    ÖZGE DAĞTEKİN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2015

    İlk ve Acil YardımEge Üniversitesi

    Acil Tıp Ana Bilim Dalı

    YRD. DOÇ. DR. FUNDA KARBEK AKARCA

  4. Tez No

    415038

    Acil servise başvuran hastalarda post operatif komplikasyonların epidemiyolojik incelenmesi

    Başlık çevirisi yok

    İLYAS KOÇ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2015

    İlk ve Acil YardımGaziosmanpaşa Üniversitesi

    Acil Tıp Ana Bilim Dalı

    YRD. DOÇ. DR. MEHMET ESEN

  5. Tez No

    415075

    Acil servise başvuran 65 yaş ve üstü hastalarda hızlı laktat seviyesi ile birleştirilen modifiye erken uyarı (VİEWS-l) ve hotel skorlarının mortalite ve morbiditeyi saptamadaki öngörülerinin karşılaştırılması

    Comparison of modified early warning score wi̇th rapid lactate level (the VİEWS-L) and hotel scores in prediction of mortality and morbidity in 65 years and older patients at the emergency department

    HASAN BASRİ ÇETİNKAYA

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2016

    İlk ve Acil YardımUludağ Üniversitesi

    Acil Tıp Ana Bilim Dalı

    DOÇ. ÖZLEM KÖKSAL

Geri Dön