Multiple skleroz olgularında korpus kallozum morfolojisinin endeksler ve yapay zeka ile değerlendirilmesi
Başlık çevirisi mevcut değil.
- Tez No: 682835
- Danışmanlar: PROF. DR. KAMİL KARAALİ
- Tez Türü: Tıpta Uzmanlık
- Konular: Radyoloji ve Nükleer Tıp, Radiology and Nuclear Medicine
- Anahtar Kelimeler: Corpus callosum, Difüzyon manyetik rezonans görüntüleme, Manyetik rezonans görüntüleme, Multipl skleroz, Yapay zeka, Corpus callosum, Diffusion magnetic resonance imaging, Magnetic resonance imaging, Multiple sclerosis, Artificial intelligence
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Akdeniz Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Radyoloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Giriş ve Amaç: Bu çalışmayı yapmamızdaki amaç, MS hastalarında korpus kallozum atrofisinin, korpus kallozum indeksi kullanılarak ve yapay zeka modaliteleri ile tespit edilmesidir. Materyal ve Metot: Araştırmaya Akdeniz Üniversitesi Hastanesi' nde, MS tanısı alan ve Radyoloji Anabilim Dalı' nda MRG çekimleri yapılan hastalar ve kontrol grubu olarak da klinik hiçbir şikayeti olmayan 20-40 yaş arası sağlıklı bireyler dahil edilmiştir. Çalışmadaki sürekli (continuous) değişkenler için tanımlayıcı istatistikler; Ortalama, Standart Sapma, Minimum ve Maksimum olarak ifade edilirken; kategorik değişkenler için Sayı (n) ve Yüzde (%) olarak ifade edilmiştir. KKİ ölçüm ortalamasının normal dağılıp dağılmadığına Kolmogorov-Smirnov (n>50) ve Skewness-Kurtosis testleri ile bakılmış ve değişkenler normal dağıldığından dolayı Parametrik testler uygulanmıştır. Çalışma ve Kontrol gruplarına göre ölçüm ortalamalarını karşılaştırmada Bağımsız T-testi hesaplanmıştır. MS suptiplerine göre ölçümlerin karşılaştırılmasında“Tek Yönlü Varyans Analizi (ANOVA)”yapılmıştır. KKİ ölçümünün, Çalışma ve Kontrol gruplarını öngörmesi kapsamında; Eğri altında kalan alan (AUC), Sensitivite-Spesifite değerleri ve Kesim (cut off) değerleri“ ROC analizi ile belirlenmiştir. Ölçümler arası ilişkileri belirlemede Pearson korelasyon katsayıları hesaplanmıştır. Kategorik değişkenler arasındaki ilişkiyi belirlemede ise Ki-kare testi kullanılmıştır. Hesaplamalarda istatistik anlamlılık düzeyi %5 olarak alınmış ve hesaplamalar için SPSS (IBM SPSS for Windows, ver.25) istatistik paket programı kullanılmıştır. Bulgular: Araştırmaya toplam 300 hasta katılmıştır. Çalışma grubunun yaş ortalaması 40,7 iken Kontrol grubunun yaş ortalaması 29,3' tür. KKİ skoru ortalaması ise 0,274 olarak bulunmuştur. ”KKİ“ ile ”Yaş“ arasında istatistik olarak anlamlı bir ilişki görülememiştir. ”KKİ skorunda“, ”Gruplara göre“ istatistik olarak anlamlı bir farklılık gözlenmiştir (p<0,05). Başka bir ifadeyle; ”KKİ skoru“, ”Kontrol grubunda“ daha yüksek bulunmuştur. ”KKİ skorunda“, ”MS Subtiplerine göre“ istatistik olarak anlamlı bir farklılık gözlenmiştir (p<0,05). Buna göre; ”RRMS“ ”diğer subtiplerden“ yüksek bulunarak farkı oluşturmuştur. ”KKİ skorunda“, ”Cinsiyete göre“ istatistik olarak anlamlı bir farklılık gözlenmemiştir (p>0,05). Başka bir ifadeyle; ”KKİ skoru“, ”Kadın ve Erkek hastalarda benzer bulunmuştur.“KKİ”ile“Tanı yılı”arasında istatistik olarak anlamlı bir ilişki bulunmuştur (p<0,05). Bu ilişki, %83,7' lik negatif yönlü olduğu görülmüştür. Yani,“Tanı yılı”arttıkça“KKİ değeri”düşmektedir. Benzer şekilde;“Yaş”ile“Tanı yılı”arasında istatistik olarak anlamlı bir ilişki bulunmuştur (p<0,05). Bu ilişki, %33,6' lık Pozitif yönlü olduğu görülmüştür. Yani,“Yaş”arttıkça“Tanı yılı”da artmaktadır. Sonuç: Literatürde, MS' de meydana gelen korpus kallozum atrofisinin tespit edilmeye çalışıldığı birçok çalışma bulunmaktadır. Çalışmamızda, literatürdeki diğer çalışmalar ile korele sonuçlar elde etmiş bulunmaktayız. Sonuç olarak çalışmamız, kronik dönem MS hastalarında korpus kallozum atrofisinin tanı yılı süresi, cinsiyet, yaş, hastalık subtipi gibi değişkenler ile farklı korelasyonları olduğunu saptamıştır. Korpus kallozum atrofisinin tespiti açısından korpus kallozum indeksi (KKİ) ' nin oldukça pratik ve anlamlı bir skor olduğu ortaya konulmuştur. Ayrıca korpus kallozum atrofisinin tespiti açısından yapay zeka teknolojilerinden de faydalanılmıştır. Bu alanda yapılan segmentasyon, machine learning, deep learning teknikleriyle elde edilen bulgular, MS hastalarında korpus kallozum bölgesini ortaya koymayı başarmıştır. Çalışmamız literatürde bu alanda yapılan ilk çalışma olma özelliğini göstermektedir. Bu açıdan çalışmamızın ileride bu alanda yapılacak çalışmalara ışık tutacağı kanatindeyiz.
Özet (Çeviri)
Introduction and Aim: The purpose of this study is to detect corpus callosum atrophy in MS patients using the corpus callosum index and artificial intelligence modalities. Material and Method: Patients who were diagnosed with MS at Akdeniz University Hospital and had MRI scans in the Radiology Department, and healthy individuals between the ages of 20 and 40 who had no clinical complaints as the control group were included in the study. Descriptive statistics for continuous variables in the study; Expressed as Average, Standard Deviation, Minimum and Maximum; expressed as Number (n) and Percentage (%) for categorical variables. Kolmogorov-Smirnov (n>50) and Skewness-Kurtosis tests were used to check whether the mean of CCI measurement was normally distributed, and because the variables were normally distributed, Parametric tests were applied. The Independent T-test was calculated to compare the means of measurement according to the Study and Control groups.“One-Way Analysis of Variance (ANOVA)”was performed to compare the measurements according to MS subtypes. Within the scope of CCI measurement, predicting the Study and Control groups; The area under the curve (AUC), Sensitivity-Specific values and Cut-off values were determined by ROC analysis. Pearson correlation coefficients were calculated to determine the relationships between measurements. Chi-square test was used to determine the relationship between categorical variables. The statistical significance level was taken as 5% in the calculations and the SPSS (IBM SPSS for Windows, ver.25) statistical package program was used for the calculations. Results: A total of 300 patients participated in the study. While the mean age of the study group was 40.7, the mean age of the control group was 29.3. The mean CCI score was found to be 0.274. There was no statistically significant relationship between“CCI”and“Age”. A statistically significant difference was observed in the“CCI score”and“according to the groups”(p<0.05). In other words;“CCI score”was found higher in the“Control group”. A statistically significant difference was observed in“CCI score”and“according to MS Subtypes”(p<0.05). Here, the MS Subtypes that make up the difference are indicated by lowercase letters. According to this;“RRMS”was found to be higher than“other subtypes”and created the difference. No statistically significant difference was observed in“CCI score”,“according to gender”(p>0.05). In other words;“CCI score”,“Female and male patients were found to be similar. A statistically significant correlation was found between ”CCI“ and ”year of diagnosis“ (p<0.05). This relationship was found to be 83.7% negative. That is, as the ”year of diagnosis“ increases, the ”CCI value“ decreases. Similarly; A statistically significant relationship was found between ”age“ and ”year of diagnosis“ (p<0.05). This relationship was found to be positive with a rate of 33.6%. In other words, as ”Age“ increases, ”Year of diagnosis" also increases. Conclusion: In the literature, there are many studies in which corpus callosum atrophy in MS is tried to be determined. In our study, we have obtained results that are correlated with other studies in the literature. In conclusion, our study found that corpus callosum atrophy in chronic MS patients had different correlations with variables such as the duration of diagnosis, gender, age, and disease subtype. It has been demonstrated that the corpus callosum index (CCI) is a very practical and meaningful score for the detection of corpus callosum atrophy. In addition, artificial intelligence technologies were also used for the detection of corpus callosum atrophy. Findings obtained with segmentation, machine learning, and deep learning techniques in this area have succeeded in revealing the corpus callosum region in MS patients. Our study shows the feature of being the first study in this field in the literature. In this respect, we believe that our study will shed light on future studies in this field.
Benzer Tezler
- Realization of transmitter and receiver clock generation units and channel switching unit in a modified analog radio relay
Değiştirilen bir analog radyodaki verici ve alıcı saat üretimi birimleri ve kanal anahtarlama biriminin gerçekleştirilmesi
AYHAN BÜYÜKSEMERCİ
Yüksek Lisans
İngilizce
1987
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT AŞKAR
- Çoklu amaçların çözümlemesinde amaç programlaması ile genelleştirilmiş ters yaklaşımı ve yem sanayiinde bir uygulama
Goal programming and generalieed inverse approaches in the multi-objective analysis and application in feed industry
HASAN BAL
- Bölünüme bağlı olmayan varyans çözümlemesi çoklu karşılaştırmalar ve tarımda uygulamaları
Distiribution-free analyis of variance multiple comparisons and applications in agriculture
HAMZA GAMGAM
- Regresyon analizi ve Türkiye üzerine bir deneme buğday üretiminin tahmini
Başlık çevirisi yok
MACİT MESUT ÖZMEN
- İhracatın sektörel analizine ilişkin fonksiyonel bir araştırma
Functional research on analysis of sectoral export
AYŞENUR TOPÇUOĞLU
