Manyetik rezonans görüntülemede saptanan modic dejenerasyonların derin öğrenme teknikleriyle analizi
Analysis of modic degenerations detected in magnetic resonance imaging with deep learning techniques
- Tez No: 739727
- Danışmanlar: DOÇ. DR. HARUN ARSLAN, DR. ÖĞR. ÜYESİ ADEM YOKUŞ
- Tez Türü: Tıpta Uzmanlık
- Konular: Radyoloji ve Nükleer Tıp, Radiology and Nuclear Medicine
- Anahtar Kelimeler: Bel ağrısı, Derin öğrenme, Evrişimli sinir ağları, Makine öğrenmesi, Manyetik alanlar, Manyetik rezonans görüntüleme, Omurga, Sinir ağları, Spinal hastalıklar, Yapay zeka, Back pain, Deep learning, Convolutional neural networks, Machine learning, Magnetic fields, Magnetic resonance imaging, Spine, Nerve net, Spinal diseases, Artificial intelligence
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Van Yüzüncü Yıl Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Radyoloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmamızda, manyetik rezonans görüntülemede(MRG) saptanan modic dejenerasyon bulgularının derin öğrenme teknikleri kulllanılarak analiz edilmesi amaçlanmıştır. Gereç ve Yöntem: 2016-2021 yıllarında Lomber MRG tetkiki uygulanan, yaşları 19-86 arasında değişen 125'i kadın ve 182'si erkek toplam 307 hastada sagittal T1, sagittal ve aksiyel T2 ağırlıklı lomber MRG görüntüleri incelendi. Modic dejenerasyonlar(MD) sinyal değişikliklerine göre kategorize edilip işaretlendi. Çalışmamız sınıflandırma ve segmentasyon olmak üzere birbirinden bağımsız iki aşamadan oluşmaktadır. Kategorize edilen veriler ilk aşamada DenseNet-121, DenseNet-169, VGG-19 gibi ESA(evrişimli sinir ağı) mimarileri ile sınıflandırılmıştır. Daha sonraki aşamada ise işaretlenen resimler üzerinden resim işleme programlarıyla ESA mimarisi olan U-Net ile segmentasyon yapılarak maskeler çıkarılmıştır. Bulgular: Sınıflandırma aşamasında Modic-1, Modic-2, Modic-3 dejenerasyonlarda başarı oranı sırasıyla DenseNet-121'de %98, %96, %100 , DenseNet-169'da %100, %94, %100 , VGG-19'da %98, %92, %97 bulunmuştur. Segmentasyon aşamasında U-Net mimarisi ile başarı oranı %71 bulunmuştur. Sonuç: Bel ağrısı etiyolojisinde yer alan modic dejenerasyonların MRG bulgularının derin öğrenme mimarileriyle değerledirilmesi teşhis kolaylılığı sağlayarak radyoloji hekiminin iş yükünü önemli ölçüde azaltabilir.
Özet (Çeviri)
In this study, we aimed to analyze the modic degeneration findings detected in magnetic resonance imaging (MRI) by using deep learning techniques. Material and Method: Sagittal T1, sagittal and axial T2-weighted lumbar MRI images were analyzed in a total of 307 patients, 125 female and 182 male, aged between 19-86 years, who underwent Lumbar MRI examination in 2016-2021. Modic degenerations (MD) were categorized and marked according to signal changes. Our study consists of two independent stages, namely classification and segmentation. The categorized data were first classified with CNN(convolutional neural network) architectures such as DenseNet-121, DenseNet-169, VGG-19. In the next stage, masks were removed by segmentation with U-Net, which is the CNN architecture, with image processing programs on the marked images. Results: At the classification stage, the success rates in Modic-1, Modic-2, Modic-3 degenerations were 98%, 96%, 100% in DenseNet-121, 100%, 94%, 100% in DenseNet-169, in VGG-19 98%, 92%, 97% respectively found. In the segmentation phase, the success rate was 71% with the U-Net architecture. Conclusion: Evaluation of MRI findings of modic degenerations in the etiology of low back pain with deep learning architectures can significantly reduce the workload of the radiologist by providing ease of diagnosis.
Benzer Tezler
- Manyetik rezonans görüntülemede saptanan vertebra korpus lezyonlarının ayırıcı tanısında derin öğrenme tabanlı yapay zekanın etkinliğinin değerlendirilmesi
Evaluation of the effectiveness of deep learning in the differential diagnosis of vertebral body lesions detected by magnetic resonance imaging
HÜSEYİN ER
Tıpta Uzmanlık
Türkçe
2025
Radyoloji ve Nükleer TıpRecep Tayyip Erdoğan ÜniversitesiRadyoloji Ana Bilim Dalı
DOÇ. DR. MEHMET BEYAZAL
- Manyetik rezonans görüntülemede kova sapı yırtığı saptanan hastalarda femur kondiler ve tibia plato morfolojisinin normal olgularla karşılaştırılması
Magnetic resonance imaging evaluation of femoral condyle and tibial plato morphology in patients with bucket-handle meniscal tear
ELMAR BAYRAKTAROV
Tıpta Uzmanlık
Türkçe
2014
Radyoloji ve Nükleer Tıpİstanbul ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. DR. FATİH KANTARCI
- Manyetik rezonans görüntülemede disk deplasmanı saptanan hastalarda temporomandibular eklem yapılarının morfolojik, morfometrik ve hacimsel ölçümlerinin değerlendirilmesi
Evaluation of morphological, morphometric and volumetric measurements of temporomandibular joint structures on patients detected disc displacement by magnetic resonance imaging
MELİKE BAŞARAN
Diş Hekimliği Uzmanlık
Türkçe
2018
Diş HekimliğiSüleyman Demirel ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
DOÇ. DR. ESİN BOZDEMİR
- Manyetik rezonans görüntülemede idiyopatik intrakraniyal hipertansiyon bulguları saptanan papilödemsiz bireylerin oküler özelliklerinin değerlendirilmesi
Evaluation of the ocular features of individuals presenting signs of idiopathic intracranial hypertension on magnetic resonance imaging without papilledema
FARID ISKANDAROV
Tıpta Uzmanlık
Türkçe
2024
Göz HastalıklarıBezm-İ Alem Vakıf ÜniversitesiGöz Hastalıkları Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FURKAN KIRIK
DOÇ. DR. JÜLİDE CANAN UMURHAN AKKAN
- Kraniyal manyetik rezonans görüntülemede periventriküler lökomalazi saptanan hastaların radyolojik bulguları ile klinik semptomları arasındaki ilişkinin belirlenmesi
The correlation between clinical symptoms and radiological findings in patients with periventricular leukomalacia on cranial magnetic resonance imaging
MUSTAFA İŞLEYEN
Tıpta Uzmanlık
Türkçe
2008
Radyoloji ve Nükleer TıpCumhuriyet ÜniversitesiRadyoloji Ana Bilim Dalı
YRD. DOÇ. DR. MEHMET HAYDAR ATALAR