Geri Dön

Acil serviste çekilen lateral nazofarenks grafilerinde mevcut olan nazal fraktürlerin yapay zekayla tespiti ve hekim değerlendirmelerinin karşılaştırılması

Detection of nasal fractures on lateral nasopharyngeal radiographs obtained in the emergency department using artificial intelligence and comparison with physician assessments

PDF İndir

  1. Tez No: 1000970
  2. Yazar: MUSAP TAHA GÜVENGİL
  3. Danışmanlar: DOÇ. DR. EKİM SAĞLAM GÜRMEN
  4. Tez Türü: Tıpta Uzmanlık
  5. Konular: Acil Tıp, Emergency Medicine
  6. Anahtar Kelimeler: Nazal fraktür, acil servis, yapay zekâ, derin öğrenme, YOLOv8n, Nazal kemik, İnsan-yapay zeka etkileşimi, Nasal fracture, emergency department, artificial intelligence, deep learning, YOLOv8n, Nasal bone, Human-artificial intelligence interaction
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: Manisa Celal Bayar Üniversitesi
  10. Enstitü: Tıp Fakültesi
  11. Ana Bilim Dalı: Acil Tıp Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Amaç Bu çalışmanın amacı, acil serviste çekilen lateral nazofarenks grafilerinde nazal fraktürlerin tespitinde yapay zekâ temelli bir görüntü analiz modelinin tanısal performansını değerlendirmek ve elde edilen sonuçları hekim değerlendirmeleri ile karşılaştırmaktır. Gereç ve Yöntem Bu çalışma retrospektif, gözlemsel ve analitik olarak tasarlanmıştır. Çalışmaya, 01.01.2021–29.12.2023 tarihleri arasında Manisa Celal Bayar Üniversitesi Tıp Fakültesi Acil Servisi'ne burun travması nedeniyle başvuran, lateral nazofarenks grafisi veya iki yönlü kafa grafisi çekilmiş 18 yaş ve üzeri toplam 1099 hasta dâhil edilmiştir. Radyografik görüntüler hastane görüntü arşivleme sisteminden elde edilerek standartlaştırılmıştır. Nazal fraktür tespiti amacıyla konvolüsyonel sinir ağları tabanlı YOLOv8n mimarisi kullanılarak bir yapay zekâ modeli geliştirilmiştir. Model performansı doğruluk, duyarlılık, özgüllük, kesinlik ve F1 skoru metrikleri ile değerlendirilmiş ve sonuçlar acil servis hekimlerinin klinik ve radyolojik değerlendirmeleri ile karşılaştırılmıştır. Bulgular Çalışmaya dâhil edilen 1099 hastanın %23,4'ünde (n=257) nazal fraktür saptanmıştır. Hastaların %62,97'si erkek, %37,03'ü kadın olup, nazal fraktür varlığı ile cinsiyet arasında istatistiksel olarak anlamlı bir ilişki bulunmamıştır. Travma mekanizmaları incelendiğinde en sık başvuru nedeni çarpma (%43,22) olarak belirlenmiş, bunu düşme (%29,58) ve darp (%18,20) izlemiştir. Nazal fraktür oranının en yüksek olduğu travma mekanizmasının darp olduğu saptanmış ve travma mekanizması ile nazal fraktür varlığı arasında istatistiksel olarak anlamlı ilişki bulunmuştur (p=0,001). Bilgisayarlı tomografi çekilen hastalarda nazal fraktür oranı %63,5 iken, BT çekilmeyen hastalarda bu oran %18,2 olarak saptanmış ve BT kullanımı ile nazal fraktür varlığı arasında anlamlı ilişki bulunmuştur (p<0,001). Uzman hekim konsültasyonu istenen hastaların %93,1'inde nazal fraktür saptanmış olup, konsültasyon gereksinimi ile nazal fraktür varlığı arasında güçlü bir istatistiksel ilişki mevcuttur (p<0,001). Yaş değişkeni ile nazal fraktür varlığı arasında istatistiksel olarak anlamlı bir fark saptanmamıştır (p=0,091). Geliştirilen yapay zekâ modeli, bağımsız test setinde %86,8 doğruluk, %65,2 kesinlik, %69,8 duyarlılık ve 0,67 F1 skoru ile nazal fraktür tespit performansı göstermiştir. Karmaşıklık matrisi analizinde modelin yalancı pozitif ve yalancı negatif oranlarının kabul edilebilir düzeyde olduğu, özellikle kırık olmayan olguların doğru sınıflandırılmasında yüksek başarı sağladığı görülmüştür. Sonuç Bu çalışmada elde edilen bulgular, acil serviste burun travması nedeniyle başvuran hastalarda nazal fraktürlerin sık görüldüğünü ve özellikle darp olgularında kırık riskinin belirgin şekilde arttığını göstermektedir. Bilgisayarlı tomografinin daha çok klinik olarak şüpheli ve komplike olgularda tercih edildiği, buna karşın düz radyografinin acil serviste ilk basamak tanı aracı olarak önemini koruduğu görülmüştür. YOLOv8n tabanlı yapay zekâ modelinin lateral nazofarenks grafilerinde gösterdiği dengeli ve güvenilir performans, bu tür sistemlerin hekim değerlendirmelerine destekleyici bir araç olarak kullanılabileceğini düşündürmektedir. Nazal fraktürlerin adli olgularda sık karşılaşılan yaralanmalar arasında yer alması ve tanısal hataların hukuki sonuçlar doğurabilmesi nedeniyle, yapay zekâ destekli analizlerin adli raporlama süreçlerinde de hekime katkı sağlayabilecek potansiyele sahip olduğu kanaatine varılmıştır.

Özet (Çeviri)

Objective The aim of this study was to evaluate the diagnostic performance of an artificial intelligence–based image analysis model in detecting nasal fractures on lateral nasopharyngeal radiographs obtained in the emergency department and to compare the results with physician assessments. Materials and Methods This study was designed as a retrospective, observational, and analytical study. A total of 1099 adult patients aged 18 years and older who presented to the Emergency Department of Manisa Celal Bayar University Faculty of Medicine with nasal trauma between January 1, 2021, and December 29, 2023, and underwent lateral nasopharyngeal or two-view skull radiography were included. Radiographic images were obtained from the hospital imaging archive system and standardized prior to analysis. An artificial intelligence model based on the convolutional neural network architecture YOLOv8n was developed for nasal fracture detection. Model performance was evaluated using accuracy, sensitivity, specificity, precision, and F1 score metrics and compared with the clinical and radiological assessments performed by emergency physicians. Results Nasal fractures were detected in 23.4% (n=257) of the patients. Of the patients, 62.97% were male and 37.03% were female, with no statistically significant association between gender and the presence of nasal fractures. The most common trauma mechanism was impact (43.22%), followed by falls (29.58%) and assault (18.20%). The highest fracture rate was observed in assault-related injuries, and a statistically significant association was found between trauma mechanism and nasal fracture presence (p=0.001). The nasal fracture rate was 63.5% among patients who underwent computed tomography, compared to 18.2% in those who did not (p<0.001). Nasal fractures were identified in 93.1% of patients requiring specialist consultation, indicating a strong association between consultation requirement and fracture presence (p<0.001). No statistically significant relationship was found between age and nasal fracture presence (p=0.091). On the independent test set, the YOLOv8n-based model achieved an accuracy of 86.8%, a precision of 65.2%, a sensitivity of 69.8%, and an F1 score of 0.67. Confusion matrix analysis demonstrated acceptable false positive and false negative rates, with particularly high performance in correctly classifying non-fracture cases. Conclusion The findings of this study indicate that nasal fractures are frequently encountered in patients presenting to the emergency department with nasal trauma, particularly in assault-related cases. While computed tomography is primarily used in clinically complicated cases, conventional radiography remains a valuable first-line diagnostic tool in emergency settings. The balanced and reliable performance of the YOLOv8n-based artificial intelligence model on lateral nasopharyngeal radiographs suggests that such systems may serve as supportive tools in clinical decision-making. Given the medicolegal importance of accurately diagnosing nasal fractures, artificial intelligence–assisted image analysis may also contribute to more objective and reliable medicolegal reporting in busy emergency departments.

Benzer Tezler

  1. Tez No

    388690

    Lateral servikal bilgisayarlı tomografide ölçülen vertebral ve prevertebral yumuşak doku mesafelerinin yaş ve cinsiyete göre Türkiye popülasyonundaki normlarının belirlenmesi

    Determination of normal values of vertebral and prevertebral soft tissue distances in Turkish population according to age and sex in lateral cervical computed tomography

    SERHAD ÖMERCİKOĞLU

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2015

    İlk ve Acil YardımMarmara Üniversitesi

    Acil Tıp Ana Bilim Dalı

    DOÇ. DR. ÖZGE ECMEL ONUR

  2. Tez No

    864599

    Konservatif takip edilen çocuk ön kol kırıklarında redüksiyon kaybına etki eden faktörler

    Factors affecting the reduction rate in conservatively followed-up pediatric forearm fractures

    İSMAİL TALHA AKYILDIZ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    Ortopedi ve TravmatolojiSağlık Bilimleri Üniversitesi

    Ortopedi ve Travmatoloji Ana Bilim Dalı

    PROF. DR. ALİ TURGUT

  3. Tez No

    307829

    Lateral boyun grafilerinde yüzücü pozisyonu ve traksiyonun görüntü alanı üzerine olan etkileri

    The effect of swimming position and traction on the view of the standard lateral cervical x-ray

    AYDIN TOKSOY

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2008

    İlk ve Acil YardımAkdeniz Üniversitesi

    Acil Tıp Ana Bilim Dalı

    YRD. DOÇ. DR. A. FIRAT BEKTAŞ

  4. Tez No

    664877

    Erişkin el bileği travma hastalarında fizik muayene bulgularının, el bileği kırıklarını tanımadaki duyarlılık ve özgüllüğünün belirlenmesi

    Determining sensitivity and specificity for identifying wrist fractures with physical examination findings of adult wrist trauma patients

    YEŞİM EYLER

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2015

    İlk ve Acil YardımSağlık Bilimleri Üniversitesi

    Acil Tıp Ana Bilim Dalı

    PROF. DR. ERSİN AKSAY

  5. Tez No

    165764

    Yüksek tibial osteotomi yapılan hastalarda patellar tendonun histopatolojik ve radyolojik değerlendirilmesi

    Başlık çevirisi yok

    NEVZAT SELİM GÖKAY

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2005

    Ortopedi ve Travmatolojiİstanbul Üniversitesi

    Ortopedi ve Travmatoloji Ana Bilim Dalı

    PROF.DR. RIFAT ERGİNER

Geri Dön