BİRİNCİ SERVİKAL VERTEBRANIN ANTROPOMETRİK ÖLÇÜMLERİ İLE MAKİNE ÖĞRENME ALGORİTMALARI KULLANILARAK CİNSİYET TAYINI ÜZERİNE BİR ÇALIŞMA

Abstract

ÖZET

Bu çalışmanın amacı; atlas vertebradan makine öğrenme algoritmaları kullanarak bu vertebranın cinsel dimorfizm gösterip göstermediğini belirlemek amaçlanmıştır.

Bu çalışmanın popülasyonunu Karabük Üniversitesi Eğitim ve Araştırma Hastanesine herhangi bir sebeple başvuran ve Bilgisayarlı Tomografi çekilen 100 erkek ve 100 kadın birey oluşturmaktadır. Bu çalışmada atlas vertebraya ait 18 parametrenin (arcus anterior atlantis açısı, arcus posterior atlantis açısı (angAPA) , atlas vertebra ön arka uzunluğu , foramen (for.) vertebra ön arka uzunluğu, arcus anterior atlantis ön arka uzunluğu, arcus posterior atlantis ön arka uzunluğu, sol processus (proc.) transversus genişliği (lenPTS), sağ proc. transversus genişliği, atlas vertebra genişliği (lenAV), sol for. transversarium ön arka uzunluğu, sol for. transversarium genişliği, sağ for. transversarium genişliği (lenFTD), sağ for. transversarium ön arka uzunluğu, tuberculum anterior ile sağ proc. transversus arası uzaklık, tuberculum anterior ile sol proc. transversus arası uzaklık, tuberculum posterior ile sol proc. transversus arası uzaklık, tuberculum posterior ile sağ proc. transversus arası uzaklık (lenTP_PTD), for. transversariumlar arası uzaklık ölçümleri yapıldı. Ölçüm sonuçları 13 tane makine öğrenmesi algoritmalarında (Karar Ağacı, Rastgele Orman, Exra Ağaçlar Sınıflandırması, Gradyan Ağacı güçlendirme, Gaussian Naive Bayes, Gauss süreçleri sınıflandırması, K-en yakın komşu, destek vektör makineleri , ADA Boost Sınıflandırması, Doğrusal Diskrimant Analizi, Karesel Diskriminant Analizi) ayrı ayrı hesaplandı. Bulgu olarak tüm parametrelerde 0.86-0.89 arasında değişen doğruluk başarısı elde edildi. En yüksek başarı 0.89 ile GNB algoritmasında angAPA, lenPTS, lenAV, lenFTD, lenTP_PTD parametreleri ile elde edildi.

Bu çalışma sonucunda; atlas vertebradan makine öğrenme algoritmaları kullanarak yapılan cinsiyet tahmin başarısı 0.86-0.89 olup, atlas vertebranın cinsiyet tahmini için uygun bir kemik olduğu ortaya konulmuştur.

ABSTRACT

The aim of this study is; using machine learning algorithms from the atlas vertebra, it was aimed to determine whether this vertebra shows sexual dimorphism or not.

The population of this study consists of 100 men and 100 women who applied to Karabük University Training and Research Hospital for any reason and underwent Computerized Tomography. In this study, 18 parameters belonging to the atlas vertebra (anterior arch of atlas angle, posterior arch of atlas angle (angAPA), atlas vertebra anterior posterior length, vertebral foramen (for.) anterior posterior length, anterior arch of atlas anterior posterior length , posterior arch of atlas anterior posterior length, left transverse process (proc.) of vertebra width (lenPTS), right transverse proc. of vertebra width, atlas vertebra width (lenAV), left transverse for. of cervical vertebra anterior posterior length, left transverse for. of cervical vertebra width, right transverse for. of cervical vertebra width (lenFTD), right transverse for. of cervical vertebra anterior posterior length, distance between anterior tubercle and right transverse proc. of cervical vertebra, distance between anterior tubercle and left transverse proc. of vertebra, the distance between the posterior tubercle and the left transverse proc. of vertebra, the distance between the posterior tubercle and the right transverse proc. of vertebra (lenTP_PTD), and the distance between transverse for. of cervical vertebra were measured. The measurement results are based on 13 machine learning algorithms (Decision Tree, Random Forest, Exra Trees Classification, Gradient Boosting Classification , Gaussian Naive Bayes, Gaussian Processes Classification, K- Nearest neighbor , Support Vector Machines, ADA Boost Classification, Linear Discrimant Analysis, Quadratic Discriminant Analysis) were calculated separately. As a finding, accuracy success ranging from 0.86-0.89 was obtained for all parameters. The highest success was obtained with the parameters angAPA, lenPTS, lenAV, lenFTD, lenTP_PTD in GNB algorithm with 0.89.

As a result of this study; the achievement of sex prediction using machine learning algorithms from the atlas vertebra was 0.86-0.89, and it was revealed that the atlas vertebra was a suitable bone for gender prediction.