Gastrointestinal perforasyonların direkt grafi ile tanısında derin öğrenme tabanlı yapay zeka modelleri
Gastrointestinal perforations diagnosed by direct radiography using deep learning-based artifical intelligence
- Tez No: 970209
- Danışmanlar: PROF. DR. ZEYNEP KARAKAYA, UZMAN EFE KANTER
- Tez Türü: Tıpta Uzmanlık
- Konular: Acil Tıp, Emergency Medicine
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İzmir Katip Çelebi Üniversitesi
- Enstitü: İzmir Atatürk Eğitim ve Araştırma Hastanesi
- Ana Bilim Dalı: Acil Tıp Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Giriş ve Amaç: Gastrointestinal perforasyon, acil serviste yüksek mortalite ve morbiditeye yol açabilen kritik bir tablodur. Tanıda posteroanterior akciğer grafisi (PAAC) sık kullanılmakla birlikte, serbest hava her zaman saptanamayabilir. Bu çalışmada, PAAC üzerinde perforasyonun otomatik tespiti için derin öğrenme tabanlı bir yapay zeka modeli geliştirilmiş ve farklı mimarilerin tanısal doğrulukları karşılaştırılmıştır. Yöntem: Retrospektif tasarımlı bu çalışmada, 137 perforasyonlu ve 158 kontrol vakasından oluşan toplam 295 PAAC görüntüsü kullanılmıştır. Veriler eğitim, doğrulama ve test setlerine ayrılmıştır. CNN tabanlı modeller (ResNet50, InceptionV3, EfficientNetB0, ShuffleNet, Darknet/YOLO) ile Vision Transformer (ViT) mimarisi karşılaştırılmıştır. Performans ölçümünde doğruluk, duyarlılık, özgüllük, kesinlik, F1 skoru ve ROC-AUC değerleri kullanılmıştır. Ayrıca Grad-CAM tabanlı ısı haritaları ile model kararlarının açıklanabilirliği değerlendirilmiştir. Bulgular: Çalışmaya toplam 137 perforasyonlu hasta ve 158 kontrol olgu dahil edilmiştir. Vision Transformer (ViT) mimarisi doğrulama setinde %91.53 doğruluk, %88.88 duyarlılık ve %93.75 özgüllük; test setinde ise %89.83 doğruluk, %85.18 duyarlılık ve %93.75 özgüllük sağlamıştır. EfficientNetB0 doğrulama setinde yüksek performans göstermiş (%98.3 doğruluk, %100 duyarlılık) ancak test setinde belirgin düşüş kaydetmiştir. ResNet50, InceptionV3 ve ShuffleNet daha düşük ve değişken sonuçlar elde etmiştir. ROC analizleri ViT'nin pozitif ve negatif olguları ayırt etmede güçlü performansını doğrulamış, Grad-CAM çıktıları ise modelin karar verirken özellikle diyafram kubbesi ve karın üst kadranlarında serbest hava ile ilişkili alanlara odaklandığını göstermiştir. Sonuçlar: Bu çalışma, gastrointestinal perforasyonun PAAC üzerinde saptanmasında ViT mimarisinin CNN tabanlı modellere göre daha dengeli bir alternatif olduğunu göstermiştir. Literatürde perforasyon için doğrudan yapay zekâ uygulaması bulunmasa da benzer sonuçlarla uyumlu şekilde ViT'nin klinik karar desteğinde potansiyel taşıdığı görülmektedir. Daha geniş ve çok merkezli çalışmalar, modelin klinik pratiğe entegrasyonu için gereklidir.
Özet (Çeviri)
Aim: Gastrointestinal perforation is a critical condition in the emergency department that can lead to high mortality and morbidity. Posteroanterior chest radiography (PAAC) is frequently used for diagnosis; however, free air cannot always be detected. This study aimed to develop a deep learning–based artificial intelligence model for the automatic detection of perforation on PAAC and to compare the diagnostic performance of different architectures. Methods: In this retrospective study, a total of 295 PAAC images, including 137 with perforation and 158 controls, were analyzed. The dataset was divided into training, validation and test sets. Convolutional neural network (CNN) models (ResNet50, InceptionV3, EfficientNetB0, ShuffleNet, Darknet/YOLO) were compared with the Vision Transformer (ViT) architecture. Performance metrics included accuracy, sensitivity, specificity, precision, F1-score and ROC-AUC. Grad-CAM heatmaps were used to evaluate model interpretability. Results: The study included 137 perforation cases and 158 control cases. The ViT architecture achieved 91.53% accuracy, 88.88% sensitivity and 93.75% specificity in the validation set and 89.83% accuracy, 85.18% sensitivity and 93.75% specificity in the test set. EfficientNetB0 performed well in the validation set (98.3% accuracy, 100% sensitivity) but showed a marked decline in the test set. ResNet50, InceptionV3 and ShuffleNet produced lower and more variable results. ROC analysis confirmed the strong discriminatory ability of ViT, while Grad-CAM visualizations showed that the model focused primarily on the diaphragmatic dome and upper abdominal quadrants when detecting free air. Conclusion: This study demonstrated that the ViT architecture provides a more balanced alternative than CNN-based models for detecting gastrointestinal perforation on PAAC. Although no direct AI-based study on perforation currently exists in the literature, findings consistent with related research highlight ViT's potential as a clinical decision support tool. Validation through larger, multicenter studies is essential for clinical integration.
Benzer Tezler
- Ratlarda çekum perforasyonu ile oluşturulan peritonit modelinde oral resveratrol uygulamasının bakteriyel translokasyon ve inflamasyon üzerine etkilerinin değerlendirilmesi
Evaluation of the effects of oral resveratrol administration on bacterial translocation and inflammation in a rat model of peritonitis induced by cecal perforation
BURAK ÇETİNKAYA
Tıpta Uzmanlık
Türkçe
2025
Genel CerrahiSüleyman Demirel ÜniversitesiGenel Cerrahi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GİRAYHAN ÇELİK
- Fekal peritonitli ratlarda ozonlu su ve ozon uygulamasının intraperitoneal enfeksiyon üzerine etkisi: bir deneysel çalışma
The effect of ozonated water and ozone application on intraperitoneal infection in rats with fecal peritonitis: an experimental study
MÜJDAT UÇAK
Tıpta Uzmanlık
Türkçe
2024
Genel CerrahiVan Yüzüncü Yıl ÜniversitesiGenel Cerrahi Ana Bilim Dalı
DOÇ. DR. ABBAS ARAS
PROF. DR. MEHMET PARLAK
DR. ÖĞR. ÜYESİ SALİH ÇİBUK
- Polisitemiye bağlı hiperviskozitenin barsak iskemisindeki fizyopatolojik rolü: Deneysel bir çalışma
Başlık çevirisi yok
HÜSEYİN ÖZBEY
- Bağırsak hasar modellerinde kemik iliği mezenkimal kök hücre ve bağırsak mezenkimal kök hücrelerin rejeneratif ve immün modülatuvar etkilerinin karşılaştırılması
Comparison of regenerative and immune modulatory effecets of bone marrow and intestinal mesenchymal stem cells i intestinal damage models
BURCU PERVİN
Doktora
İngilizce
2025
BiyolojiHacettepe ÜniversitesiKök Hücre Ana Bilim Dalı
DOÇ. DR. FATİMA AERTS KAYA
- The role of oxidative stress factors in the pathophysiology of Ocular Rosacea, analysis of tears and other materials
Oküler Rosacea patofizyolojisinde oksidatif stres faktörlerinin rolü, gözyaşı ve diğer materyallerin analizi
NİLÜFER YEŞİLIRMAK
Doktora
İngilizce
2023
BiyokimyaGazi ÜniversitesiTıbbi Biyokimya Ana Bilim Dalı
PROF. DR. NESLİHAN BUKAN
PROF. DR. JEAN-LOUIS BOURGES