Lomber manyetik rezonans görüntülerinden osteoporoz tayini
Detection of osteoporosis from lumbar magnetic resonance images
- Tez No: 832228
- Danışmanlar: PROF. DR. İBRAHİM ADALETLİ
- Tez Türü: Tıpta Uzmanlık
- Konular: Radyoloji ve Nükleer Tıp, Radiology and Nuclear Medicine
- Anahtar Kelimeler: Lomber vertebra, Makine öğrenmesi, Manyetik rezonans görüntüleme, Osteoporoz, Osteoporoz-postmenopozal, Yapay zeka, Lumbar vertebrae, Machine learning, Magnetic resonance imaging, Osteoporosis, Osteoporosis-postmenopausal, Artificial intelligence
- Yıl: 2023
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi-Cerrahpaşa
- Enstitü: Cerrahpaşa Tıp Fakültesi
- Ana Bilim Dalı: Radyoloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Bu çalışma, lomber vertebra MRG taramalarının tekstürel analizlerini makine öğrenimi algoritmalarıyla değerlendirerek, MRG tekstür analizinin osteoporozun teşhisindeki etkinliğini belirlemeyi amaçlamaktadır. Gereç ve Yöntem: 2021-2023 yılları arasında Cerrahpaşa Tıp Fakültesi Radyoloji Anabilim Dalında Lomber MR görüntülemesi yapılmış olgular retrospektif olarak incelendi, belirlenen kriterlere göre seçilen aynı yıl içinde DEXA incelmesi yapılmış 124 hasta üç gruba (normal, osteopeni ve osteoporoz) ayrılarak, her hastanın L1-L4 vertebralarından toplam 496 vertebra üzerinde MRG tekstür analizi yapıldı. 3B vertebra segmentasyonlarından her sekans (T1Ag, T2Ag ve STIR) için 76 özellik olmak üzere toplam 228 tekstür özelliği hesaplandı. Olgular arası yüksek tutarlılık ve T-skoru ile anlamlı korelasyon gösteren tekstür özellikleri seçilerek, makine öğrenmesi sınıflandırma ve regresyon yöntemleri ile tekstür özelliklerinin hasta gruplarını ayırma ve T-skoru kestirimindeki başarısı ölçüldü. Bulgular: T1Ag, T2Ag ve STIR sekanslarından toplam 6 tekstür parametresiyle DEXA ile ölçülen T skoru arasında istatistiksel olarak anlamlı (p<0,01) korelasyon saptandı. Tekstür skorunun ise optimal kesme noktalarının saptanması sonucu normal ve osteoporozlu (duyarlılık %94,12, özgüllük %91.49), normal ve osteopenik (duyarlılık %95.35, özgüllük %87.23), osteopenik ve osteoporozlu (duyarlılık %85.29, özgüllük %93.02) olguları sınıflandırmada başarılı olduğu görülmüştür. Tekstür öznitelikleri ile hastaların yaş, cinsiyet, vücut kitle indeksi kullanılarak T skorlarını kestirdiğimiz regresyon modelinin performansı test veri setlerinde MAE: 0,4038, RMSE: 0,4988, Düzeltilmiş R2: 0,9078 olarak belirlendi. Sonuç: Lomber MRG tekstür analizinin osteoporozlu olguların tanı ve yönetiminde klinik pratiğe dahil edilmesini sağlayacak gelecekteki çalışmalar için ön veriler ve model sağlanmıştır.
Özet (Çeviri)
Aim: This study aims to evaluate the textural analyses of lumbar vertebra MRI scans using machine learning algorithms to determine the effectiveness of texture analysis in diagnosing osteoporosis. Materials and Methods: A retrospective review was conducted on patients scanned with Lumbar MRI at Cerrahpaşa Faculty of Medicine's Radiology Department between 2021 and 2023. 124 patients, also undergoing DEXA scans within the same year and meeting specific criteria, were divided into normal, osteopenic, and osteoporotic categories. Texture analysis targeted 496 L1-L4 vertebrae across patients, extracting 228 features from 3D segmentations in T1W, T2W, and STIR MRI sequences—76 features from each. Texture features showing high consistency and significant correlation with the T-score were chosen. Their efficacy in segregating patient groups and estimating the T-score was evaluated using machine learning classification and regression. Results: Texture parameters derived from the MRI sequences demonstrated a significant statistical correlation with DEXA T-scores (p<0.01). The machine learning model proficiently classified between normal and osteoporotic patients (94.12% sensitivity, 91.49% specificity), normal and osteopenic (95.35% sensitivity, 87.23% specificity), and between osteopenic and osteoporotic (85.29% sensitivity, 93.02% specificity). Additionally, the regression model showed high predictive accuracy for patient T-scores, with an MAE of 0.4038, RMSE of 0.4988, and an Adjusted R2 of 0.9078, factoring in age, gender, and BMI. Conclusion: Preliminary data and a model have been provided for future studies that will include lumbar MRI texture analysis in the clinical practice of diagnosing and managing cases with osteoporosis.
Benzer Tezler
- MRG tabanlı skorlama sistemi ile osteoporoz değerlendirmesi
Assessment of osteoporosis using an MRI-based scoring system
SAİD BUĞRA ERGENOĞLU
Tıpta Uzmanlık
Türkçe
2026
Radyoloji ve Nükleer TıpAnkara ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. DR. ELİF PEKER
- Lomber MRG ADC haritasından elde edilen radıomıcs verilerinden makine öğrenmesi algoritmaları kullanılarak oluşturulan modellerin osteoporoz tanısında kullanılabilirliği
The use of radiomics data obtained from ADC map of lumbar MRI and machine learning in diagnosis of osteoporosis
FATİH ERDEM
Tıpta Uzmanlık
Türkçe
2022
Radyoloji ve Nükleer TıpBalıkesir ÜniversitesiRadyoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMRAH AKAY
- Osteoporozlu kadınlarda lomber spinal manyetik rezonans görüntülemenin tanıya katkısının değerlendirilmesi
Evaluation of the contribution of lumbar spinal magnetic resonance imaging to diagnosis in women with osteoporosis
İRFAN ATİK
Tıpta Uzmanlık
Türkçe
2020
Radyoloji ve Nükleer TıpSivas Cumhuriyet ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. DR. SEMA BULUT
- 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
FURKAN ALP
Doktora
Türkçe
2025
Sağlık YönetimiSağlık Bilimleri ÜniversitesiSağlık Yönetimi Ana Bilim Dalı
DOÇ. DR. BETÜL AKALIN
DR. ÖĞR. ÜYESİ SİNA APAK
- Tıbbi görüntülerin bölütlenmesi ve karar destek sistemi için mobil istemci uygulama geliştirme
Segmentation of medical images and client-side mobile application development for desicion support system
MÜCAHİD GÜNAY
Doktora
Türkçe
2016
Elektrik ve Elektronik MühendisliğiKahramanmaraş Sütçü İmam ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET ALKAN