Lomber Disk Hernisi (LDH)'nin farklı klinik süreçlerinin yönetiminde yapay zeka ile tahminleme: Prospektif bir çalışma
Prediction with artificial intelligence in the management of different clinical processes of Lumbar Disc Herniation (LDH): A prospective study
- Tez No: 990312
- Danışmanlar: DOÇ. DR. BETÜL AKALIN, DR. ÖĞR. ÜYESİ SİNA APAK
- Tez Türü: Doktora
- Konular: Sağlık Yönetimi, Healthcare Management
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Sağlık Bilimleri Üniversitesi
- Enstitü: Hamidiye Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Sağlık Yönetimi Ana Bilim Dalı
- Bilim Dalı: Sağlık Yönetimi Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Lomber Disk Hernisi (LDH), sağlık sisteminde artan tedavi maliyetleri, iş gücü kaybı ve klinik belirsizlikler nedeniyle sağlık yöneticileri açısından çözülmesi gereken önemli bir sorundur. Özellikle 2. ve 3. evre LDH vakalarında tanı ve cerrahi karar süreçlerindeki tutarsızlıkların azaltılması, hizmet kalitesi ve kaynak verimliliği açısından kritik öneme sahiptir. Bu çalışmada, Manyetik Rezonans (MR) görüntüleri ve klinik verilerden yararlanarak LDH evrelerini sınıflandıran ve ağrı yoğunluğunu tahmin eden iki yapay zeka tabanlı yaklaşım geliştirilmiştir. İlk aşamada farklı derin öğrenme mimarileri değerlendirilmiş ve LDH sınıflandırması için Çok Aşamalı Federatif Çift Belirsizlik Farkındalıklı Öğrenme Yaklaşımı (Fed-MDUA) tasarlanmıştır. İkinci aşamada ise MR görüntülerinden ağrı yoğunluğunu tahmin etmek için bilgi damıtma, Evrişimsel Blok Dikkat Modülü (CBAM) ve Matris Kuvvetiyle Normalleştirilmiş Kovaryans Havuzlama (MPN-COV) bileşenlerini içeren bir model oluşturulmuştur. Modeller doğruluk, kesinlik, duyarlılık, F1-skoru vb. parametreler ile değerlendirilmiştir. Çalışmanın ilk aşamasında geliştirilen Fed-MDUA yaklaşımı, mevcut yöntemlere kıyasla en yüksek sınıflandırma performansını göstermiş olup doğruluk 0,68, kesinlik 0,67, duyarlılık 0,67 ve F1-skoru 0,68 olarak elde edilmiştir. İkinci aşamada ise, ağrı yoğunluğunu belirlemeye yönelik geliştirilen yaklaşım literatürde yaygın olarak kullanılan derin öğrenme modellerine göre doğruluk, kesinlik, duyarlılık ve F1-skoru 0,79 seviyesine ulaşarak daha yüksek performans göstermiştir. Bu çalışma, LDH hastalarında hem evre sınıflandırması hem de ağrı yoğunluğu tahmini için etkili iki farklı yapay zeka yaklaşımı sunmaktadır. Fed-MDUA orta evredeki vakalarda karar desteği sağlarken, ağrı yoğunluğu yaklaşımı klinik değerlendirmeyi güçlendirmiştir. Elde edilen analiz sonuçlarına göre geliştirilen yöntemlerin LDH yönetiminde klinik karar destek sistemi olarak kullanılabileceği tespit edilmiştir.
Özet (Çeviri)
Lumbar Disc Herniation (LDH) is a critical issue for health managers due to increasing treatment costs, workforce loss, and clinical uncertainties within the health system. In particular, reducing inconsistencies in diagnostic and surgical decision-making for Stage 2 and Stage 3 LDH cases is essential for service quality and resource efficiency. This study developed two artificial intelligence–based approaches that classify LDH stages and predict pain intensity using Magnetic Resonance (MR) images and clinical data. In the first stage, various deep learning architectures were evaluated, and a Multi-Stage Federated Dual-Uncertainty Awareness Approach (Fed-MDUA) was designed for LDH classification. In the second stage, a model incorporating knowledge distillation, the Convolutional Block Attention Module (CBAM), and Matrix Power Normalized Covariance Pooling (MPN-COV) was constructed to predict pain intensity from MR images. Models were assessed using accuracy, precision, recall, F1-score, and related metrics. The Fed-MDUA approach achieved the highest classification performance compared with existing methods, yielding an accuracy of 0.68, precision of 0.67, recall of 0.67, and an F1-score of 0.68. In the second stage, the pain-intensity prediction model outperformed commonly used deep learning models, reaching accuracy, precision, recall, and F1-scores of 0.79. This study presents two effective artificial intelligence approaches for stage classification and pain-intensity estimation in LDH patients. Fed-MDUA offers decision support for mid-stage cases, while the pain-intensity model strengthens clinical assessment. The findings indicate that the proposed methods have the potential to be used as clinical decision support systems in LDH management.
Benzer Tezler
- Dejeneratif disk hastalığının oluşumunda myd88 bağımlı yolağın rolü.
Role of the myd88 dependent pathway in degenerative disc disease
MEHMET YİĞİT AKGÜN
Tıpta Uzmanlık
Türkçe
2020
Nöroşirürjiİstanbul Üniversitesi-CerrahpaşaBeyin ve Sinir Cerrahisi Ana Bilim Dalı
PROF. DR. MEHMET MURAT HANCI
- Sugammadeks kullanımının postopertif stres hormonları üzerine etkisi
The effects of sugammadeks usage on postoperative stress hormones
İLKER ÖZDEMİRKAN
Tıpta Uzmanlık
Türkçe
2012
Anestezi ve ReanimasyonGataAnesteziyoloji ve Reanimasyon Ana Bilim Dalı
PROF. DR. SEZAİ ÖZKAN
- Lomber disk hernili hastalarda traksiyon tedavisinin etkinliğinin araştırılması
Investigating the efficiency of traction therapy on lumbar disc hernia patients
NURAY MUTAF
Tıpta Uzmanlık
Türkçe
2018
Fiziksel Tıp ve RehabilitasyonBolu Abant İzzet Baysal ÜniversitesiFizik Tedavi ve Rehabilitasyon Ana Bilim Dalı
PROF. DR. ŞİRZAT ÇOĞALGİL
- Lomber disk hernili kadın hastalarda lomber stabilizasyon egzersizleri ile kinezyolojik bantlamanın etkinliklerinin karşılaştırılması
Comparison of the effectiveness of lumbar stabilization exercises and kinesiology taping in women with lumbar disc herniation
ITIR KAVVASOĞLU
Yüksek Lisans
Türkçe
2024
Fizyoterapi ve RehabilitasyonHatay Mustafa Kemal ÜniversitesiFizyoterapi ve Rehabilitasyon Ana Bilim Dalı
PROF. DR. HAYAL GÜLER
- Lomber disk hernisi cerrahisi sonrası kinezyofobi, uyku kalitesi ve yaşam kalitesindeki değişiminaraştırılması
Investigation of changes in kinesophobia, sleep quality and life quality after lumbar disc hernia surgery
HAMİDE ELİF ÖZTÜRK
Yüksek Lisans
Türkçe
2019
Fizyoterapi ve Rehabilitasyonİstinye ÜniversitesiFizyoterapi ve Rehabilitasyon Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DUYGU KORKEM