Distal radius fracture detection: a comparison of computer vision algorithms
Distal radius kırığı tespiti: Bilgisayar görüsü algoritmalarının karşılaştırılması
- Tez No: 949003
- Danışmanlar: DR. ÖĞR. ÜYESİ TACHA SERIF
- Tez Türü: Yüksek Lisans
- Konular: Ortopedi ve Travmatoloji, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Orthopedics and Traumatology, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Bilek travmaları, Bölgesel bilgisayar ağları, Görüntü işleme-bilgisayarlı, Sayısal görüntü işleme, İnsan bilgisayar etkileşimi, İnsan-bilgisayar etkileşimi, İnsan-yapay zeka etkileşimi, Wrist injuries, Regional computer networks, Image processing-computer assisted, Digital image processing, Human computer interaction, Human-computer interaction, Human-artificial intelligence interaction
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Yeditepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Distal radius kırıkları, acil servis ve ortopedi kliniklerinde en sık karşılaşılan iskelet yaralanmaları arasında yer almakta olup, tüm yaş gruplarında el bileği kaynaklı travmaların önemli bir bölümünü oluşturmaktadır. Yaygın görülmelerine rağmen, özellikle deneyimsiz klinisyenler tarafından, anatomik varyasyonlar ve radyografik karmaşıklık nedeniyle ince kırıklar sıklıkla gözden kaçırılmaktadır. Erken ve doğru tespit, uygun tedavinin sağlanması ve uzun vadeli fonksiyonel kayıpların önlenmesi açısından kritik öneme sahiptir. Önerilen çalışma, distal radius kırıklarının el bileği radyografileri üzerinde otomatik olarak tespit edilmesi ve lokalize edilmesi amacıyla geliştirilen derin öğrenme tabanlı bir sistemi sunmaktadır. Klinik iş akışlarını desteklemenin yanı sıra tıp eğitimi bağlamında da fayda sağlaması hedeflenen bu sistem kapsamında, Faster R-CNN, YOLOv8, YOLOv11, Mask R-CNN ve EfficientNet gibi modeller değerlendirilmiştir. Her bir model etiketlenmiş bir veri kümesi üzerinde eğitilmiş ve doğrulanmış; hassasiyet, duyarlılık ve F1-skoru gibi standart metrikler üzerinden karşılaştırılmıştır. Bütün modellerin karşılaştırılmış başarısı açısından en iyi performansı EfficientNet göstermiş ve bu model, özel olarak geliştirilen bir Python uygulamasına entegre edilmiştir. Uygulama, kullanıcıların radyografileri yüklemesine, segmentasyon tabanlı tahminleri görüntülemesine ve tanısal geri bildirim göndermesine olanak tanıyarak, hem klinik hem de eğitim amaçlı kullanıma uygun bir yapı sunmaktadır. Sistemin tanısal potansiyelini değerlendirmek amacıyla, ortopedi uzmanları tarafından işaretlenen 40 ayrı radyografiden oluşan bir test veri kümesi kullanılarak ek bir değerlendirme gerçekleştirilmiştir. EfficientNet modeli, aynı görüntüleri manuel olarak değerlendiren beş adet altıncı sınıf tıp fakültesi öğrencisi ile karşılaştırılmıştır. Model, tüm temel metriklerde internleri geride bırakmış; %89 hassasiyet, %98 duyarlılık ve %93 F1-skoru elde etmiştir. Özellikle, insan katılımcıların zorlandığı lateral açıya ait radyografilerdeki tüm kırıkları doğru şekilde tespit edebilmiş ve her bir görüntü için bir saniyenin altında sonuç üretmiştir.
Özet (Çeviri)
Distal radius fractures (DRFs) are among the most common skeletal injuries encountered in emergency and orthopedic settings, accounting for a significant portion of wrist-related trauma cases across all age groups. Despite their prevalence, subtle fractures are frequently missed, particularly by less experienced clinicians, due to variations in anatomical presentation and radiographic complexity. Early and accurate detection is essential for ensuring proper treatment and avoiding long-term functional impairment. This study presents a deep learning-based system for the automatic detection and localization of DRFs in wrist radiographs, developed with the goal of supporting both clinical workflows and medical education. Accordingly, several state-of-the-art object detection and segmentation models are evaluated, including Faster R-CNN, YOLOv8, YOLOv11, Mask R-CNN, and EfficientNet. Each model is trained and validated using labeled datasets, with performance compared across precision, recall, and F1-score metrics. Based on these findings, EfficientNet emerged as the best-performing model and is subsequently deployed within a custom-designed Python application. The prototype enables users to upload radiographs, view segmentation-based predictions, and submit diagnostic feedback, making it suitable for use in both clinical and training environments. To validate the system's diagnostic potential, an independent evaluation is conducted using 40 radiographs annotated by orthopedic surgeons. The EfficientNet model is compared against five sixth-year medical interns, each of whom manually annotated the same cases. The results show that the model outperforms the interns across all major metrics, achieving a precision of 0.89, recall of 0.98, and F1-score of 0.93. It also correctly identifies all fractures in lateral-view images, which is a view type that posed notable challenges for the human participants, while producing results in under one second per image.
Benzer Tezler
- Ekstremite kırıklarının teşhisinde ultrasonografi ve konvansiyonel radyografinin karşılaştırılması
Comparison of ultrasonography and conventional radiography in the diagnosis of extremity fractures
HALİL YILDIRIM
Tıpta Uzmanlık
Türkçe
2020
İlk ve Acil YardımAfyonkarahisar Sağlık Bilimleri ÜniversitesiAcil Tıp Ana Bilim Dalı
DR. ÖĞR. ÜYESİ OYA AKPINAR ORUÇ
- Distal radius fraktürlerinde ultrason eşliğinde redüksiyon başarısının değerlendirilmesi
Evaluation of the success of ultrasound-guided reduction of distal radius fractures
ERCÜMENT UMDU
Tıpta Uzmanlık
Türkçe
2015
İlk ve Acil YardımEge ÜniversitesiAcil Tıp Ana Bilim Dalı
YRD. DOÇ. DR. FUNDA KARBEK AKARCA
- Primer hiperparatiroidili hastaların retrospektif olarak; antropometrik, laboratuvar, radyoloji ve patoloji sonuçlarının değerlendirilmesi
Retrospective evaluation of anthropometric, laboratory, radiology and pathology results of patients with primary hyperparathyroidism
EMİNE ÖZTÜRK
Tıpta Uzmanlık
Türkçe
2022
İç HastalıklarıNecmettin Erbakan ÜniversitesiDahiliye Ana Bilim Dalı
PROF. DR. MUSTAFA KULAKSIZOĞLU
- Acil serviste distal radius kırığı tespit edilen hastalarda eşlik eden el bilek yaralanmalarının incelenmesi
Investigation of accompanying wrist injuries in patients with distal radius fracture in the emergency department
ORHAN ARTUN
Tıpta Uzmanlık
Türkçe
2021
İlk ve Acil YardımSağlık Bilimleri ÜniversitesiAcil Tıp Ana Bilim Dalı
DOÇ. DR. TURGAY YILMAZ KILIÇ
- Cerrahi olarak tedavi edilen distal radius kırıklarında erken ve geç dönem sonuçlarının değerlendirilmesi
Evaluation of early and late outcomes in surgically treated distal radius fractures
TALANTBEK ALTOROEV
Tıpta Uzmanlık
Türkçe
2026
Ortopedi ve TravmatolojiÇukurova ÜniversitesiOrtopedi ve Travmatoloji Ana Bilim Dalı
DOÇ. DR. MELİH BAĞIR