Kardiyak BT görüntülerinde sık izlenen koroner arter varyasyonlarının yolo-v10 mimarisi kullanarak yapay zeka temelli tespiti ve sıklığının araştırılması
Detection and frequency investigation of common coronary artery vari̇ati̇ons i̇n cardi̇ac CT images using the yolov-10 archi̇tecture based on artificial intelli̇gence
- Tez No: 976607
- Danışmanlar: DOÇ. DR. SONAY AYDIN
- Tez Türü: Tıpta Uzmanlık
- Konular: Radyoloji ve Nükleer Tıp, Radiology and Nuclear Medicine
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Erzincan Binali Yıldırım Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Radyoloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç Son yıllarda görüntüleme teknolojilerindeki ilerlemeler, koroner arterlerin anatomik yapısının daha ayrıntılı incelenmesine olanak tanımıştır. Koroner Bilgisayarlı Tomografi Anjiyo (KBTA), noninvaziv bir yöntem olarak koroner arter anatomisinin ve varyasyonlarının değerlendirilmesinde sıkça tercih edilmektedir. Bu araştırmanın temel amacı, KBTA görüntülerinde sık görülen koroner arter varyasyonlarını tespit edebilen, derin öğrenme tabanlı bir sistem geliştirmektir. Önerilen sistem, YOLOv10((You Only Look Once-v10) mimarisinin sunduğu hız ve doğruluk dengesinden yararlanarak klinik ortamlarda uygulanabilir, güvenilir ve etkin bir çözüm sunmayı hedeflemektedir. Gereç ve Yöntem Bu çalışmada, koroner arter varyasyonlarının tespiti için derin öğrenme tabanlı YOLOv10 algoritması kullanılmıştır. Araştırmada, üçüncü basamak bir hastaneye kardiyak problemlerle başvuran 100 hastadan dışlama kriterleri sonrası seçilen 20 hastaya ait çok kesitli Kardiyak BT görüntülerinden oluşan 2.837 kesitlik bir veri seti hazırlanmıştır. Görüntüler, 2.263'ü eğitim, 287'si doğrulama ve 287'si test olmak üzere üç alt gruba ayrılmıştır. Veri seti, modelin farklı senaryolarda doğruluğunu ve etkinliğini değerlendirmek amacıyla dengeli bir şekilde dağıtılmıştır. Bulgular YOLOv10 modeli, koroner arter varyasyonları ve normal sınıf için yüksek doğrulukta tahminler yapmıştır. Modelin sınıflandırma kapasitesi güvenilir bulunmuş, tahminlerin büyük çoğunluğu doğru sınıflandırılmıştır. Ayrıca tespit edilen sınırlayıcı kutular, koroner arter varyasyonlarının belirlenmesinde güçlü bir temel sunmuş ve YOLOv10'un tıbbi görüntü analizlerinde yüksek potansiyele sahip olduğunu göstermiştir. YOLOv10 koroner arter varyasyon belirlemede ,uygulamanın gereksinimlerine göre precision, recall ve mAP dengesi önemlidir. Yüksek doğruluk gereken durumlarda YOLOv10-X, daha dengeli ve genellenebilir sonuçlar için ise YOLOv10-L öne çıkmaktadır. Sonuç Modelin tıbbi tanı süreçlerine entegrasyonu, koroner arter varyasyonlarının tespiti ve normal anatomik yapının değerlendirilmesinde klinik uygulamalara önemli katkılar sunabilir. Varyasyonların erken ve doğru tanınması, özellikle kateter anjiyografi sırasında karar verme sürecini hızlandırarak olası komplikasyonların önlenmesine yardımcı olabilir. Gelecekteki çalışmaların, daha geniş veri setleri ve düşük temsil gücüne sahip sınıfların optimizasyonuna odaklanmasıyla modelin etkisinin artırılması öngörülmektedir.
Özet (Çeviri)
Aim Advances in imaging technology in recent years have enabled more detailed examination of the anatomical structure of coronary arteries. Coronary Angiography Computed Tomography (CACT) is frequently preferred as a non-invasive method for evaluating coronary artery anatomy and variations. The primary objective of this study is to develop a deep learning-based system capable of detecting common coronary artery variations in CTA images. The proposed system aims to provide a clinically applicable, reliable, and effective solution by leveraging the balance of speed and accuracy offered by the YOLOv10 architecture. Materials and Methods In this study, the deep learning-based YOLOv10 algorithm was used to detect coronary artery variations. In the study, a dataset consisting of 2,837 multi-slice cardiac CT images from 20 patients selected from 100 patients who presented to a tertiary hospital with cardiac problems after exclusion criteria were applied. The images were divided into three subgroups: 2,263 for training, 287 for validation, and 287 for testing. The dataset was distributed in a balanced manner to evaluate the model's accuracy and effectiveness in different scenarios. Results The YOLOv10 model has made highly accurate predictions for coronary artery variations and the normal class. The model's classification capacity has been found to be reliable, with the vast majority of predictions classified correctly. In addition, the detected bounding boxes have provided a strong foundation for identifying coronary artery variations and demonstrated YOLOv10's high potential in medical image analysis. In coronary artery variation detection, the balance between precision, recall, and mAP is important depending on the application's requirements. In cases requiring high accuracy, YOLOv10-X stands out, while YOLOv10-L is preferred for more balanced and generalizable results.
Benzer Tezler
- Dual faz paratiroid sintigrafisinde 99mTc MIBI ve 99mTc tetrofosmin diğer tanısal yöntemlerle karşılaştırmalı olarak değerlendirilmesi
Başlık çevirisi yok
ÖZER A. ÖZYURT
Tıpta Uzmanlık
Türkçe
2002
Endokrinoloji ve Metabolizma HastalıklarıEge ÜniversitesiNükleer Tıp Ana Bilim Dalı
Y.DOÇ.DR. ÜLKEM YARARBAŞ
- Meme kanseri tanılı hastalarda kardiyak atlas oluşturulması ve volüm çizme eğitiminin gözlemci içi ve gözlemciler arasındaki farklılıkların azaltılması üzerindeki etkisi
Development of A heart atlas and influance of deliniation education on reduction of intra-inter observer differences on patients with breast cancer
MELTEM KIRLI
Tıpta Uzmanlık
Türkçe
2016
OnkolojiDokuz Eylül ÜniversitesiRadyasyon Onkolojisi Ana Bilim Dalı
PROF. DR. İLKNUR GÖRKEN
- Miyokart enfarktüsü geçirmiş hastalarda viyabıl miyokart dokusu miktarının gösterilmesinde F-18 FDG PET/BT yönteminin katkısının belirlenmesi
Determining the contribution of the F-18 FDG pet/CT method in demonstrating the amount of viable myocardial tissue in patients with myocardial infarction
MERVE ERGİN
Tıpta Uzmanlık
Türkçe
2025
Radyoloji ve Nükleer TıpOndokuz Mayıs ÜniversitesiNükleer Tıp Ana Bilim Dalı
DOÇ. DR. OKTAY YAPICI
- Arbor bronchialis'in multidedektör BT ile değerlendirilmesi
Evaluation of tracheobronchial tree using multidedector CT
MAHİNUR ULUSOY
- Koroner BT anjiografi ile koroner arter anomalisi prevalansının belirlenmesi ve anomali gösteren damarların dallanma paternlerinin değerlendirilmesi
Determining the prevalence of coronary artery anomalies and evaluation of branching patterns showing anomali by coronary CT angiography
İSMAİL YAĞMURHAN GİLAN