Yapay zeka ve derin öğrenme teknolojileri ile kalça eklemi radyografilerinde femoral komponentin tanınması
Identifying femoral stems from pelvic x-ray with deep learning and artificial intelligence algorithm
- Tez No: 686657
- Danışmanlar: PROF. DR. CEMİL YILDIZ
- Tez Türü: Tıpta Uzmanlık
- Konular: Ortopedi ve Travmatoloji, Orthopedics and Traumatology
- Anahtar Kelimeler: Artroplasti, Derin öğrenme, Femur, Kalça eklemi, Radyografi, Yapay zeka, Arthroplasty, Deep learning, Femur, Hip joint, Radiography, Artificial intelligence
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Sağlık Bilimleri Üniversitesi
- Enstitü: Gülhane Tıp Fakültesi
- Ana Bilim Dalı: Ortopedi ve Travmatoloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Revizyon cerrahisinin planlanmasında en önemli basamaklardan biri var olan implantların marka, model ve tasarımının bilinmesidir. Mevcut veri tabanları ve hasta kayıtları ile implantların marka ve modelinin tespit edilmesinde zorluklar yaşanmaktadır. Elimizdeki en güvenilir kaynak çoğunlukla radyografidir. Ancak sık artroplasti uygulayan cerrahlar bile benzer geometrik tasarımlara sahip implantları radyografilerden ayırt etmekte zorlanmaktadır. Son yıllarda hızlı bir gelişim gösteren yapay zeka teknolojileri ortopedi ve tıbbın diğer kollarında büyük veri setleri değerlendirilebilmekte, tıbbi görüntüleri işleyerek yorumlayabilmekte ve tıbbi belgeler üzerinden doğal dil işleme algoritmaları ile değerlendirmeler yapabilmektedir. Çalışmada amacımız revizyon cerrahileri için zorlu bir basamak olan femoral komponentleri tespit edebilmek için bir yapay zeka algoritması geliştirmektir. Çalışmaya kliniğimizde sık kullanılan 4 tasarım (Corail (Depuy®), M/L Taper (Zimmer), SL-PLUS (Smith&Nephew) ve Alloclassic®Zweymüller® (Zimmer)) ile ameliyat edilmiş hastaların grafileri dahil edildi. Radyografiler 80:10:10 oranında eğitim, doğrulama ve test seti olacak şekilde ayrıldı. Tensorflow alt yapısı kullanılarak, Xception yapay sinir ağı mimarisi ile dört stem tasarımını birbirinden ayırabilen bir algoritma geliştirildi ve daha önce karşılaşmadığı röntgenler ile teste tabii tutuldu. Çalışmaya toplam 134 hastanın grafileri dahil edildi. Veri arttırımı yapıldıktan sonra 82 hastanın 2330 görüntüsü ile model eğitildi. 29 hastanın görüntüleri ile test edildi. Algoritma tarafından dört tasarım da %100 oranda birbirinden ayırt edildi. Modelin doğrulama keskinliği 0.9931, eğitim keskinliği 1.00 doğrulama hatası 0.0416 ve eğitim hatası 0.0182 olarak saptandı. Yapay sinir ağları kullanılarak eğitilen modeller ile revizyon cerrahileri öncesinde implantların tanınmasında kullanışlı bir yöntem olabilir. Farklı tasarımlar ile ilgili veriler ile beslenerek model geliştirilip genellenebilir bir hale getirilebilir.
Özet (Çeviri)
One of the most important steps in planning revision surgery is to know the brand, model and design of the implant. There are difficulties in determining the brand and model of the implant with existing databases and digital health records. To date the most reliable source to detect the type of implant is radiography. However even high volume arthroplasty surgeons have difficulty identify implants with similar geometric desings with radiography. Artificial intelligence technologies, which have developed rapidly in recent years, can evaluate large data sets in orthopedics and other branches of medicine, process and interpret medical images, and make evaluations with natural language processing algorithms on medical documents. The aim of this study is to develop an artifical intelligence algorithm to identify femoral components which is a challenging step for revision surgeries. Radiographs of patients operated with 4 different designs: (Corail (Depuy®️), M/L Taper (Zimmer), SL-PLUS (Smith&Nephew) ve Alloclassic®️Zweymüller®️ (Zimmer)) commonly used in our clinic were included in this study. The radiographs were divided into training, verification and test sets at a ratio of 80:10:10. An algorityhm was developed for indentifing four different femoral stem design using Tensorflow infrastructure, Xception neural network library. Algorityhm was tested with a different image subset. Radiographs of 134 patients in total were included. After increasing the data, the model was trained with 2330 images of 82 patients and tested with images of 29 patients. With the developed algorithm four designs were distinguished from one and other by %100. The verification acuity of the model was 0.9931, the education acuity was 1.00, the verification error was 0.0416, and the training error was 0.0182. training models using artificial neural networks can be a useful method for identifying implants prior to revision surgery. By feding with data on different designs, the model can be developed and generalized
Benzer Tezler
- Buğdayda farklı melezleme teknikleri kullanarak tohum tutma oranının saptanılması
Başlık çevirisi yok
İSMAİL TÜZÜN
Yüksek Lisans
Türkçe
1986
ZiraatUludağ ÜniversitesiTarla Bitkileri Ana Bilim Dalı
PROF. DR. HALİS RUHİ EKİNGEN
- Sivas yöresinde akraba evliliği yapan ve yapmayan çiftlerde dermatoglifik benzerlikler
Similarities of dermataoglyphies among individval of married relatives and married couples not related to each other in Sivas region
Y. SELMA SÜNGÜ
Yüksek Lisans
Türkçe
1984
Tıbbi BiyolojiCumhuriyet ÜniversitesiTıbbi Biyoloji ve Genetik Ana Bilim Dalı
YRD. DOÇ. DR. İLHAN SEZGİN
- Akaryakıtla çalışan endüstriyel tav fırınlarında yanma, sıcaklık ve basıncın optimum kontrolu
Optimum control of combustion temperature and pressure in industrial tempering furnaces working with fuel-oil
MEHMET EROĞLU
Yüksek Lisans
Türkçe
1987
Makine MühendisliğiGazi ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. YÜCEL ERCAN
- Manisa yöresinde domateste anlaşmalı tarım ve karşılaşılan sorunlar
Başlık çevirisi yok
OSMAN MURAT KOÇTÜRK
Yüksek Lisans
Türkçe
1985
Gıda MühendisliğiEge ÜniversitesiTarım Ekonomisi Ana Bilim Dalı
PROF. DR. METİN TALİM