Türk popülasyonunda makine öğrenme algoritmaları kullanılarak MDBT görüntüleri üzerinde scapula'nın antropometrik ölçümleri ile cinsiyet tahmini

Basit Öğe Kaydı
dc.authorid0000-0002-1314-6485
dc.contributor.advisorÇiçekcibaşı, Aynur Emine
dc.contributor.advisorÖner, Zülal
dc.contributor.authorTemelci, Halide
dc.date.accessioned2024-11-26T06:17:12Z
dc.date.available2024-11-26T06:17:12Z
dc.date.issued2024
dc.date.submitted2024
dc.departmentNEÜ, Sağlık Bilimleri Enstitüsü, Anatomi Anabilim Dalı
dc.descriptionDoktora Tezi
dc.description.abstractAmaç: Adli Tıp ve Adli Antropoloji Anabilim Dalı’nda cinsiyetin tespit edilmesi için yapılan çalışmalar çok önemlidir. Scapula yaşam boyunca çok az değişiklik gösterir ve tamamen kaslarla çevrili olmasından dolayı ölüm sonrasında aşındırıcı değişikliklere karşı dirençli bir kemiktir. Çalışmamızda Türk popülasyonuna ait Multidedektör Bilgisayarlı Tomografi (MDBT) görüntülerinden alınan parametrelerle makine öğrenmesi (Machine Learning, ML) algoritmaları kullanılarak scapula’dan cinsiyet tahmininin gerçekleştirilmesi amaçlandı. Yöntem: İzmir Bakırçay Üniversitesi Tıp Fakültesi Radyoloji Anabilim Dalı arşivinde bulunan 2018-2022 yılları arasında MDBT çekilmiş, yaşları 20 ile 60 arasında 300 (150 kadın-150 erkek) hastanın görüntüleri retrospektif olarak taranarak değerlendirildi. 20 yaş altı ve 60 yaş üstü, bu bölgede daha önce travma geçiren, kemik ve eklem hastalıkları olan, omuz ve scapula çevresi cerrahi işlem geçiren hastalar çalışma dışı tutuldu. Scapula’ya ait MDBT görüntüleri üzerinden koronal ve sagital düzlemlerde 13 parametrenin (scapula’nın maksimum uzunluğu, scapula’nın maksimum genişliği, spina scapulae uzunluğu, cavitas glenoidalis uzunluğu, cavitas glenoidalis genişliği, processus corocoideus-angulus inferior arası mesafe, acromion-angulus inferior arası mesafe, cavitas glenoidalis - angulus inferior arası mesafe, margo lateralis kalınlığı, fossa supraspinata’nın yüksekliği, fossa infraspinata’nın yüksekliği, acromion maksimum uzunluğu, acromion maksimum genişliği) ölçümü yapıldı. Ölçümler sonucu elde edilen veriler ML ile analiz edildi. Bulgular: Tüm parametrelerin medyan değerinin erkeklerde fazla olduğu tespit edildi. Verilerin cinsiyet açısından karşılaştırılmasında scapula üzerinde ölçülen tüm parametrelerin anlamlı bir farka sahip olduğu bulundu (p<0.05). ML modelleri kullanılarak cinsiyet açısından en yüksek doğruluk oranının Ekstra Ağaçlar Sınıflandırması ile %100 olduğunu; Karar Ağacı, Lojistik Regresyon, Gaussian Naive Bayes Sınıflandırması, Rastgele Orman, K-En Yakın Komşular Algoritması, Doğrusal Diskiriminant Analiz ve Kuadratik Diskriminant Analiz ile %97 doğruluk oranı olduğu tespit edildi. Rastgele Orman algoritmasının SHAP çözümleyicisi kullanılarak her bir parametrenin genel sonuca etkisi değerlendirildi ve fossa supraspinata'nın yükseklik parametresinin doğruluğa en büyük katkısı olduğu tespit edildi. Sonuç: Çalışma sonucu olarak; scapula morfometrisinin ML analizleri ile cinsiyet tayini gerçekleştirildiğinde, literatürde en güvenilir kemik olarak görülen pelvis morfometrisinden daha güvenilir ve daha doğru sonuçlar elde edilebileceği kanaatindeyiz. Çalışmamızın adli bilimlere ve literatüre büyük katkı sunacağını düşünüyoruz.
dc.description.abstractObjective: Studies conducted in the Department of Forensic Medicine and Forensic Anthropology to determine gender are very important. The scapula changes little during life and is a bone that is resistant to erosive changes after death, as it is completely surrounded by muscles. In our study, we aimed to predict gender from the scapula using machine learning (ML) algorithms with parameters taken from Multidetector computed tomography (MDCT) images of the Turkish population. Methods: The study was evaluated retrospectively by scanning the images of 300 (150 female-150 male) patients between the ages of 20 and 60 who underwent MDCT between 2018 and 2022 in the archives of the Department of Radiology, Faculty of Medicine, İzmir Bakırçay University. Patients under the age of 20 and above the age of 60, who had previous trauma in this region, who had bone and joint diseases, and who had undergone surgical procedures around the shoulder and scapula were excluded from the study. On CT images of the scapula, 13 parameters (maximum length of scapula, maximum width of scapula, spina scapula length, cavitas glenoidalis length, cavitas glenoidalis width, distance between processus corocoideus - angulus inferior, distance between acromion - angulus inferior, distance between cavitas glenoidalis-angulus inferior, margin lateralis thickness, height of fossa supraspinata, height of fossa infraspinata, maximum length of acromion, maximum width of acromion) were measured in coronal and sagittal planes. The data obtained as a result of the measurements were analyzed with ML. Results: The median value of all parameters was found to be higher in males. When the parameters were compared in terms of gender, it was found that all parameters measured on the scapula had a significant difference (p<0.05). Using the ML models, the highest accuracy for sex was 100% with the Extra Trees Classification; an accuracy rate of 97% was determined by Decision Tree, Logistic Regression, Gaussian Naive Bayes Classification, Random Forest, K-Nearest Neighbors Algorithm, Linear Discriminant Analysis and Quadratic Discriminant Analysis. The effect of each parameter on the overall result was evaluated using the SHAP analyzer of the Random Forest algorithm and it was determined that the height parameter of fossa supraspinata had the greatest contribution to the accuracy. Conclusion: As a result of the study; We believe that more reliable and more accurate results can be obtained from pelvis morphometry, which is seen as the most reliable bone in the literature, when sex determination is performed with ML analyzes of the scapula morphometry. We think that our study will make a great contribution to forensic sciences and literature.
dc.identifier.citationTemelci, H. (2024). Türk popülasyonunda makine öğrenme algoritmaları kullanılarak MDBT görüntüleri üzerinde scapula'nın antropometrik ölçümleri ile cinsiyet tahmini. (Yayımlanmamış doktora tezi). Necmettin Erbakan Üniversitesi, Sağlık Bilimleri Enstitüsü Anatomi Anabilim Dalı, Konya.
dc.identifier.urihttps://hdl.handle.net/20.500.12452/18952
dc.language.isotr
dc.publisherNecmettin Erbakan Üniversitesi, Sağlık Bilimleri Enstitüsü
dc.relation.publicationcategoryTez
dc.rightsinfo:eu-repo/semantics/openAccess
dc.subjectBilgisayarlı Tomografi
dc.subjectCinsiyet Tayini
dc.subjectMakine Öğrenme Algoritmaları
dc.subjectScapula
dc.subjectComputed Tomography
dc.subjectMachine Learning Algorithms
dc.subjectSex Determinatio
dc.titleTürk popülasyonunda makine öğrenme algoritmaları kullanılarak MDBT görüntüleri üzerinde scapula'nın antropometrik ölçümleri ile cinsiyet tahmini
dc.title.alternativeSex estimation in Turkish population by anthropometric measurements of scapula on MDCT images using machine learning algorithms
dc.typeDoctoral Thesis

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
HalideTemelci_Dr_2024.pdf
Boyut:
1.75 MB
Biçim:
Adobe Portable Document Format
Açıklama:
Doktora Tezi
İndir
Lisans paketi
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
license.txt
Boyut:
1.17 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

Sağlık Bilimleri Enstitüsü Tez Koleksiyonu