Sakroiliak eklem morfometrisi ve varyasyon tipleriile makine öğrenme teknikleri kullanılarak cinsiyet ve yaş tayini
Yükleniyor...
Tarih
2024
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Necmettin Erbakan Üniversitesi, Sağlık Bilimleri Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Toplum olaylarında hızlı kimlik tespiti önemlidir ve antropometri, ekonomik ve hızlı bir çözüm sunar. Cinsiyet tespiti için pelvis iskeleti tercih edilir, çünkü hormonlar ve biyomekanik farklılıklar bu bölgede belirgindir. Pelvis iskeleti doğum sürecindeki biyomekanik şartlardan dolayı dimorfiktir. Pelvik cinsiyet farklılıkları genellikle rahimde dördüncü aydan itibaren fark edilirken, sakroiliak eklemin dimorfik özellikleri ergenliğe kadar belirgin hale gelmez. Çalışmanın amacı, geleneksel 2D ölçümlerin ötesine geçerek 3D pelvis verilerini kullanarak makine öğrenme algoritmalarının cinsiyet ve yaş tahminindeki potansiyelini değerlendirmektir. Çalışma, Necmettin Erbakan Üniversitesi Meram Tıp Fakültesi Hastanesi'ne başvuran 152 bireyin (77 kadın, 75 erkek) pelvis bilgisayarlı tomografi görüntüleri üzerinde gerçekleşti. 256 kesitli çift tüplü BT görüntüleri, 0.625 mm kalınlığında ve DICOM formatında kaydedildi. Görüntüler, 3D-Slicer adlı açık kaynaklı yazılım platformuna yüklenerek multiplanar reconstruction (MPR) yöntemiyle sagital, koronal ve aksiyal düzlemlerde kaydırılabilir bir şekilde görüntülendi; bu sayede 2 ve 3 boyutlu ölçümler için gerekli veriler elde edildi. Pelvis morfometrik ölçümlerinden, sakroiliak eklem boşluğu ölçümlerinin erkeklerde kadınlara göre anlamlı derecede yüksek olduğu doğrulandı. Çalışmaya katılan tüm popülasyonda sakroiliak eklem varyasyonlarından en yaygın olan standart eklem erkeklerde %45,3; kadınlarda ise %28,6 oldu. Sakroiliak eklem mesafesi ile çeşitli ölçümler arasında kuvvetli pozitif korelasyonlar tespit edildi. Çalışma, DVM algoritması ile cinsiyet tespitinde %87 doğruluk oranına ulaşarak diğer algoritmalara kıyasla en başarılı sonucu verdi. 2D morfometrik ölçümlerde genellikle %98 doğruluk elde edilirken, bu çalışmada 3D veriler ve makine öğrenme modelleri kullanılarak belirgin bir artış sağlanamadı.
Rapid identity identification is crucial in societal events, and anthropometry provides an economical and swift solution. The pelvic skeleton is preferred for gender identification as hormonal and biomechanical differences are distinct in this region. The pelvic skeleton is dimorphic due to biomechanical conditions during the birthing process. Pelvic gender differences are generally noticeable from the fourth month in the uterus, while the dimorphic features of the sacroiliac joint do not become prominent until adolescence. The aim of the study is to evaluate the potential of machine learning algorithms in gender and age prediction by utilizing 3D pelvic data beyond traditional 2D measurements. The study was conducted on pelvic computed tomography images of 152 individuals (77 females, 75 males) who presented at Necmettin Erbakan University Meram Faculty of Medicine Hospital. The 256-slice dual-tube CT images, with a thickness of 0.625 mm, were recorded in DICOM format. The images were loaded into the open-source software platform, 3D-Slicer, and displayed in sagittal, coronal, and axial planes using the multiplanar reconstruction (MPR) method, allowing for sliding visualization; thus, the necessary data for 2D and 3D measurements were obtained. From pelvic morphometric measurements, it was confirmed that sacroiliac joint space measurements were significantly higher in males than females. Among the entire population in the study, the most prevalent sacroiliac joint variation was the standard joint, accounting for 45.3% in males and 28.6% in females. Strong positive correlations were identified between sacroiliac joint distance and various measurements. The study achieved an 87% accuracy rate in gender identification using the DVM algorithm, outperforming other algorithms. While 2D morphometric measurements typically achieve a 98% accuracy rate, this study did not yield a significant increase in accuracy rates using 3D data and machine learning models.
Rapid identity identification is crucial in societal events, and anthropometry provides an economical and swift solution. The pelvic skeleton is preferred for gender identification as hormonal and biomechanical differences are distinct in this region. The pelvic skeleton is dimorphic due to biomechanical conditions during the birthing process. Pelvic gender differences are generally noticeable from the fourth month in the uterus, while the dimorphic features of the sacroiliac joint do not become prominent until adolescence. The aim of the study is to evaluate the potential of machine learning algorithms in gender and age prediction by utilizing 3D pelvic data beyond traditional 2D measurements. The study was conducted on pelvic computed tomography images of 152 individuals (77 females, 75 males) who presented at Necmettin Erbakan University Meram Faculty of Medicine Hospital. The 256-slice dual-tube CT images, with a thickness of 0.625 mm, were recorded in DICOM format. The images were loaded into the open-source software platform, 3D-Slicer, and displayed in sagittal, coronal, and axial planes using the multiplanar reconstruction (MPR) method, allowing for sliding visualization; thus, the necessary data for 2D and 3D measurements were obtained. From pelvic morphometric measurements, it was confirmed that sacroiliac joint space measurements were significantly higher in males than females. Among the entire population in the study, the most prevalent sacroiliac joint variation was the standard joint, accounting for 45.3% in males and 28.6% in females. Strong positive correlations were identified between sacroiliac joint distance and various measurements. The study achieved an 87% accuracy rate in gender identification using the DVM algorithm, outperforming other algorithms. While 2D morphometric measurements typically achieve a 98% accuracy rate, this study did not yield a significant increase in accuracy rates using 3D data and machine learning models.
Açıklama
Yüksek Lisans Tezi
Anahtar Kelimeler
3D Ölçüm, Cinsiyet Tahmini, Kimlik Tespiti, Makine Öğrenme, Sakroiliak Eklem, 3D Measurement, Gender Estimation, Identity İdentification, Machine Learning, Sacroiliac Joint
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Kocamış, O. G. (2024). Sakroiliak eklem morfometrisi ve varyasyon tipleri ile makine öğrenme teknikleri kullanılarak cinsiyet ve yaş tayini. (Yayımlanmamış yüksek lisans tezi). Necmettin Erbakan Üniversitesi, Sağlık Bilimleri Enstitüsü Anatomi Anabilim Dalı, Konya.
