Lateral yüklü ayak grafilerinde ayak ark açılarının derin öğrenme ile ölçülmesi: Radyolog ölçümleri ile karşılaştırmalı bir çalışma
Measurement of foot arch angles on weight bearing lateral foot radiographs using deep learning: A comparative study with radiologist meaurements
- Tez No: 987076
- Danışmanlar: DOÇ. DR. NESLİN ŞAHİN
- Tez Türü: Tıpta Uzmanlık
- Konular: Radyoloji ve Nükleer Tıp, Radiology and Nuclear Medicine
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Sağlık Bilimleri Üniversitesi
- Enstitü: İstanbul Gaziosmanpaşa Taksim Eğitim ve Araştırma Hastanesi
- Ana Bilim Dalı: Radyoloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Bu çalışmada lateral yüklü ayak grafilerinde talus, kalkaneus, naviküler, birinci metatars ve beşinci metatarsın derin öğrenme ile otomatik segmentasyonu ve bu segmentasyon çıktılarından ayak ark klinik açıların otomatik hesaplanmasına yönelik uçtan uca bir yapay zekâ iş akışının geliştirilmesi amaçlanmıştır. Ayrıca otomatik ölçümlerin, deneyimli/deneyimsiz radyoloji asistanı ölçümleri ve ground truth (GT) ölçümleri ile karşılaştırılarak güvenilirlik ve doğruluğunun değerlendirilmesi hedeflenmiştir. Gereç ve Yöntem: Tek merkezli, retrospektif tasarlanan çalışmada Eylül 2020–Ağustos 2025 arasında PACS arşivinden elde edilen 988 grafi taranmış, dışlama kriterleri sonrası 911 grafi analize dahil edilmiştir. Uzman tarafından ITK-SNAP ile beş kemik manuel segmente edilerek yer gerçeği maskeleri oluşturulmuştur. Segmentasyon modeli test kümesinde sınıf-bazlı Dice/IoU metrikleriyle değerlendirilmiştir. Klinik açı hesaplamada dört açı (KYA, Meary, LTCA, C5MA) kullanılmış; tüm veri setinde deneyimli asistanın tekrarlı ölçümleri ile intraobserver, iki asistan arasında interobserver güvenilirlik incelenmiştir. Ek olarak ortak test setinde (n=137) iki yapay zekâ yaklaşımı karşılaştırılmıştır: GT segmentasyon üzerinden ölçüm (YZ–GTS) ve tam otomatik segmentasyon üzerinden ölçüm (YZ–TOS). Doğruluk analizinde GT'ye göre MAE/RMSE ve korelasyon değerlendirilmiştir. Bulgular: Segmentasyon modelinin test kümesinde makro Dice ve IoU değerleri yüksek bulunmuş; en yüksek Dice skoru kalkaneusta, daha değişken sonuçlar naviküler ve 5. metatars izlenmiştir. Açı ölçümlerinde deneyimli asistanın intraobserver uyumu KYA ve C5MA'da mükemmel, LTCA ve Meary açısında iyi düzeydedir. Asistanlar arası uyum KYA ve C5MA'da daha yüksekken LTCA ve özellikle Meary açısında daha düşük bulunmuştur. Ortak test setinde dört yöntem birlikte değerlendirildiğinde ortalama ölçüm yaklaşımıyla tüm açılarda uyum mükemmele yükselmiştir. GT'ye göre doğruluk analizinde YZ–GTS yaklaşımı özellikle Meary açısında daha düşük hata ile GT'ye yakınsama eğilimi göstermiş; YZ–TOS yaklaşımında hatalar bir miktar artsa da genel performans korunmuştur. Sonuç: Önerilen derin öğrenme tabanlı segmentasyon ve açı hesaplama hattı, lateral yüklü ayak grafilerinde kemiklerin yüksek doğrulukla ayrıştırılmasını ve klinik açıların otomatik ölçümünü mümkün kılmaktadır. Sistem, ölçümlerin standartlaştırılması ve gözlemciler arası değişkenliğin azaltılmasına katkı sağlayabilecek bir karar destek yaklaşımı olarak değerlendirilebilir.
Özet (Çeviri)
Background: In this study, the aim was to develop an end-to-end artificial intelligence workflow for the automatic segmentation of the talus, calcaneus, navicular, first metatarsal, and fifth metatarsal on laterally loaded foot radiographs using deep learning, and for the automatic calculation of clinical foot arch angles from these segmentation outputs. In addition, it was aimed to evaluate the reliability and accuracy of the automatic measurements by comparing them with measurements made by experienced/inexperienced radiology residents and with ground truth (GT) measurements. Materials and Methods: In this single-center, retrospectively designed study, 988 radiographs obtained from the PACS archive between September 2020 and August 2025 were screened, and 911 radiographs were included in the analysis after applying the exclusion criteria. Five bones were manually segmented by an expert using ITK-SNAP to create ground-truth masks. The segmentation model was evaluated on the test set using class-based Dice/IoU metrics. Four angles (KYA, Meary, LTCA, C5MA) were used for clinical angle calculation; intraobserver reliability was assessed using repeated measurements by the experienced resident across the entire dataset, and interobserver reliability was evaluated between the two residents. In addition, two artificial intelligence approaches were compared on a common test set (n=137): measurement based on GT segmentation (AI–GTS) and fully automatic segmentation (AI–TOS). For the accuracy analysis, MAE/RMSE and correlation were evaluated against GT. Results: The segmentation model yielded high macro Dice and IoU values on the test set; the highest Dice score was observed for the calcaneus, while more variable results were seen in navicular and fifth metatarsal. For angle measurements, the experienced resident showed excellent intraobserver agreement for KYA and C5MA and good agreement for LTCA and the Meary angle. Interobserver agreement was higher for KYA and C5MA, whereas it was lower for LTCA and especially for the Meary angle. When the four methods were evaluated together on the common test set, agreement increased to an excellent level for all angles with the mean measurement approach. In the accuracy analysis versus GT, the AI–GTS approach showed a tendency to converge toward GT with lower error, particularly for the Meary angle; although errors increased somewhat with the AI–TOS approach, overall performance was preserved. Conclusion: The proposed deep learning–based segmentation and angle calculation pipeline enables high-accuracy bone delineation and automatic measurement of clinical angles on weight-bearing lateral foot radiographs. The system may be considered a decision-support approach that can contribute to standardizing measurements and reducing interobserver variability.
Benzer Tezler
- Acil servise başvuran kalkaneus fraktürlü hastaların grafilerinin yapay zeka ile değerlendirilmesi
Assessment of calcaneal fracture radiographs using artificial intelligence in the emergency department
SEVDE SARE ÇAPKIN VAROL
Tıpta Uzmanlık
Türkçe
2025
Acil Tıpİzmir Katip Çelebi ÜniversitesiAcil Tıp Ana Bilim Dalı
PROF. DR. ZEYNEP KARAKAYA
- Ayak morfometrisinin yaş, cinsiyet ve taraf farklılığı açısından radyolojik olarak incelenmesi
Radiological research on the effect of the foot morphometry in terms of age, gender and side differences
GÜLDAL DOĞRUYOL
- Yanal yüklü kazıklarda eksenel yüklemenin kazık davranışına etkisinin araştırılması
The investigation of the effect of axial load response on laterally loaded piles
YUSUF KAYAN
Yüksek Lisans
Türkçe
2025
İnşaat MühendisliğiYıldız Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. SUAT AKBULUT
DOÇ. DR. SELÇUK BİLDİK
- Plantar fasiitte ekstrakorporeal şok dalgası tedavisine yanıtı etkileyen faktörler: Kesitsel klinik çalışma
Factors affecting the response to extracorporeal shock wave therapy in plantar fasciitis: A cross-sectional clinical study
MUHAMMED FATİH ERDEN
Tıpta Uzmanlık
Türkçe
2026
Fiziksel Tıp ve RehabilitasyonSağlık Bilimleri ÜniversitesiFiziksel Tıp ve Rehabilitasyon Ana Bilim Dalı
PROF. DR. KADRİYE BANU KURAN
DR. SELDA ÇİFTCİ İNCEOĞLU
- Açık redüksiyon ve internal fiksasyon uygulanan eklem içi kalkaneus kırıklarında orta ve uzun dönem klinik sonuçları etkileyebilecek faktörlerin değerlendirilmesi
Başlık çevirisi yok
İHSAN AKAN
Tıpta Uzmanlık
Türkçe
2014
Ortopedi ve TravmatolojiSağlık BakanlığıOrtopedi ve Travmatoloji Ana Bilim Dalı
YRD. DOÇ. DR. ALİ REİSOĞLU