Acil serviste proksimal femur fraktürlerinin tespitinde yapay zekanın kullanımı
The use of artificial intelligence in the detection of proximal femur fractures in the emergency department
- Tez No: 988426
- Danışmanlar: DOÇ. DR. AYŞE ERTEKİN
- Tez Türü: Tıpta Uzmanlık
- Konular: Acil Tıp, Emergency Medicine
- Anahtar Kelimeler: Yapay Zeka, Acil Servis, Femur, Kırık, YOLOv11, Artificial intelligence, Emergency Department, Femur, Fracture, YOLOv11
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Afyonkarahisar Sağlık Bilimleri Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Acil Tıp Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Giriş ve Amaç: Bu çalışmanın amacı, proksimal femur fraktürlerinin acil serviste tanınmasında yapay zeka tabanlı bir derin öğrenme modelinin doğruluğunu ve etkinliğini değerlendirmek; bu modelin acil tıp asistanının tanı performansıyla karşılaştırmalı olarak analizini yapmaktır. Gereç ve Yöntem: Bu çalışmaya 15.08.2024-15.08.2025 tarihleri arasında Afyonkarahisar Sağlık Bilimleri Üniversitesi Tıp Fakültesi Acil Servisine travma şikayetiyle başvuran 18-100 yaş arası hastaların pelvik ve femur direkt grafi görüntüleri dahil edildi. Toplanan görüntüler 'kırık var' , 'kırık yok' , ve kırık sınıflandırmasına göre gruplara ayrıldı. Bounding box yöntemiyle görüntüler işaretlendi. İşaretleme sonrası Yolov11 algoritması ile model eğitimi yapıldı. Eğitilen bu model , acil tıp asistanı ve altın standard ile kıyaslandı. Bulgular: Toplam 4.000 görüntü taranmış, uygun bulunan 2.000 görüntü ile yapay zekâ modeli eğitilmiştir. Test aşamasında kullanılan 400 görüntü üzerinden, yapay zekâ modeli ile acil tıp asistanının“kırık var/yok”değerlendirmeleri Cohen's Kappa analizi ile karşılaştırılmıştır. Elde edilen Kappa katsayısı 0,980 olup, bu değer istatistiksel olarak anlamlı bulunmuştur (p < 0,001). Femur kırığı sınıflandırması açısından yapay zekâ modelinin, acil tıp asistanının değerlendirmelerine göre şaft kırıklarında %100 doğruluk sağladığı; boyun kırıklarında %78, intertrokanterik kırıklarda %88,8 ve subtrokanterik kırıklarda ise %59,6 doğruluk oranına ulaştığı tespit edilmiştir. Sonuç: YOLOv11 tabanlı yapay zekâ modeli, kırık var/yok ayrımında yüksek doğruluk göstermiş ve kırık tiplerinin sınıflandırılmasında da genel olarak başarılı bulunmuştur. Özellikle subtrokanterik kırıklarda duyarlılığın diğer kırık tiplerine göre daha düşük olması, bu alandaki veri eksikliğine bağlanmakta ve çalışmanın literatüre katkı potansiyelini ortaya koymaktadır. Elde edilen bulgular, yapay zekâ destekli bu tür sistemlerin hızlı karar verilmesi gereken acil servis koşullarında destekleyici bir tanısal araç olarak kullanılabileceğini düşündürmektedir.
Özet (Çeviri)
Objective: This study aims to evaluate the accuracy and effectiveness of a deep learning model based on artificial intelligence in the detection of proximal femur fractures in the emergency department and to conduct a comparative analysis of its diagnostic performance against that of emergency medicine physician assistant. Material and Method: Radiographic images of the pelvis and femur obtained from patients aged 18 to 100 years who presented with trauma to the Emergency Department of Afyonkarahisar Health Sciences University Faculty of Medicine between August 15, 2024, and August 15, 2025, were included in this study. The collected images were categorized as“fracture present,”“no fracture,”and further classified according to fracture type. The images were labeled using the bounding box method. After labeling, the model was trained using the Yolov11 algorithm. This trained model was compared with the emergency medicine physician assistant and the gold standard. Result: A total of 4,000 images were reviewed, and 2,000 suitable images were used to train the artificial intelligence model. In the testing phase, a set of 400 images was used to compare the“fracture present/absent”assessments made by the artificial intelligence model emergency medicine physician assistant through Cohen's Kappa analysis. The resulting Kappa coefficient was 0.980, indicating a statistically significant agreement (p < 0.001). Regarding fracture classification, the artificial intelligence model achieved an accuracy of 100% for shaft fractures, 78% for femoral neck fractures, 88.8% for intertrochanteric fractures, and 59.6% for subtrochanteric fractures, compared to the assessments made by the the emergency medicine physician assistant. Conclusion: The YOLOv11-based artificial intelligence model demonstrated high accuracy in distinguishing the presence or absence of fractures and was generally successful in classifying fracture types. The relatively lower sensitivity observed in subtrochanteric fractures is attributed to the limited amount of data available for this category, highlighting the study's potential contribution to the existing literature. These findings suggest that such artificial intelligence -assisted systems may serve as supportive diagnostic tools in emergency department settings where rapid decision-making is crucial.
Benzer Tezler
- Femur üst uç kırıklı hastalarda erken dönem mortaliteyi belirleyen risk faktörlerinin değerlendirilmesi
Evaluation of risk factors determining early mortality in patients with the upper/proximal end of the femur
TUNAHAN AYDOĞAN
Tıpta Uzmanlık
Türkçe
2024
Acil TıpSağlık Bilimleri ÜniversitesiAcil Tıp Ana Bilim Dalı
DOÇ. DR. TANER ŞAHİN
- Acil servise proksimal femur kırığı ile başvuran yaşlı hastalarda kırık yeri ile ilişkili klinik özellikler ve risk faktörlerinin araştırılması
İnvestigation of clinical characteristic and risk factors releated to the fracture location in elderly patients admitted to the emergency service with proximal fracture
BURAK ÇELİK
Tıpta Uzmanlık
Türkçe
2019
İlk ve Acil YardımMersin ÜniversitesiAcil Tıp Ana Bilim Dalı
DOÇ. DR. ATAMAN KÖSE
- Acil serviste proksimal femur fraktürü tanısı alan geriatrik hastalarda 28 günlük mortalite üzerine etkili faktörlerin araştırılması
Investigation of factors effective on 28-day mortality in geriatric patients diagnosed with proximal femur fracture in the emergency department
OLCAY KORKMAZ
Tıpta Uzmanlık
Türkçe
2023
Acil TıpMuğla Sıtkı Koçman ÜniversitesiAcil Tıp Ana Bilim Dalı
DR. ÖĞR. ÜYESİ KIVANÇ KARAMAN
- Acil serviste proksimal femur fraktürü tanısı alan hastaların retrospektif analizi ve mortaliteye etki eden faktörlerin değerlendirilmesi
Resrospective analysis of patients diagnosed with proximal femur fracture in the emergency department and evaluation of factors affecting mortality
YASİN BÜLBÜLOĞLU
Tıpta Uzmanlık
Türkçe
2024
Acil TıpAfyonkarahisar Sağlık Bilimleri ÜniversitesiAcil Tıp Ana Bilim Dalı
DR. ÖĞR. ÜYESİ OYA AKPINAR ORUÇ
- Acil serviste proksimal femur kırığı tanısı alan geriatrik hastaların klinik özelliklerinin ve mortalite üzerine etkili olan faktörlerin geriye dönük olarak incelenmesi
Retrospective analysis of clinical features and factors affecting mortality in geriatric patients diagnosed with proximal femur fracture in the emergency department
ELİF ÇAMCI
Tıpta Uzmanlık
Türkçe
2024
Acil TıpTekirdağ Namık Kemal ÜniversitesiAcil Tıp Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜSEYİN ŞAHİN