PELVİS BİLGİSAYARLI TOMOGRAFİ GÖRÜNTÜLERİNDEN ELDE EDİLEN PARAMETRELER İLE MAKİNE ÖĞRENME ALGORİTMALARI KULLANILARAK CİNSİYET TAHMİNİ ÜZERİNE BİR DENEME

Basit Öğe Kaydı
dc.contributor.authorSeçgin, Yusuf
dc.date.accessioned2020-01-20T11:51:58Z
dc.date.available2020-01-20T11:51:58Z
dc.date.issued2020-01-20
dc.departmentLisansüstü Eğitim Enstitüsü, Anatomi Ana Bilim Dalıen_US
dc.description.abstractCinsiyet tahmini antropolojik, tıbbi ve adli uygulamalarda önemlidir. Cinsiyet tahmini iskelet sistemini oluşturan kemikler üzerinden yapılabilmektedir. Kemikler içerisinde cinsiyet tahmininde en güvenilir kemik olarak görülen ise pelvis iskeletini oluşturan kemiklerdir. Bu çalışmanın amacı; bilgisayarlı tomografi görüntüleri üzerinden pelvis kemiğine işaret noktaları yerleştirilerek makine öğrenme algoritmaları kullanılarak cinsiyet tahmini denemesi yapmaktır. Çalışmamız daha önceden çeşitli sağlık problemleri ile Karabük Üniversitesi Eğitim Araştırma Hastanesine başvurmuş 25-50 yaş arası sağlıklı olduğu belirlenen 300 bireye (150 kadın, 150 erkek) ait hastane Picture Archiving and Communication System (PACS) arşiv sistemindeki Bilgisayarlı Tomografi (BT) görüntüleri üzerinden yapılmıştır. Elde edilen görüntüler Digital Imaging and Communications in Medicine (DICOM) formatında kaydedilerek kişisel iş istasyonuna (Horos Project, Versiyon 3.0) aktarıldı. Daha sonra görüntüler ortogonal düzleme getirilerek promontorium, crista iliaca, articulatio sacroiliaca, spina iliaca anterior superior, spina iliaca anterior inferior, linea terminalis, foramen obturatum, trochanter major, trochanter minor, caput femoris, collum femoris, tuber ischiadicum, acetabulum, symphsis pubis’e işaret noktaları yerleştirilerek bu bölgelere ait koordinatlar elde edilmiştir. Elde edilen koordinatlar Sekazu programına aktarılarak 34 farklı uzunluk ve 8 farklı açı elde edilmiştir. Toplam 42 farklı uzunluk ve açı Sekazu programındaki makine öğrenme algoritmaları kullanılarak çözümlenmiştir. Çözümlemenin sonucunda; Karar Ağacı (KA) ile %91-93, Rastgele Orman (RO) ile %90-93, ADA Boost Sınıflandırması (ADA) ile %91-94, Lojistik Regresyon (LR) ile %90-94, Doğrusal Diskriminant Analizi (DDA) ile %90-96, Ekstra Ağaçlar Sınıflandırması (EAS) ile %90-93 oranında cinsiyeti tahmin edebildiği tespit edilmiştir. Çalışmamızın sonucunda; pelvis BT görüntüleri üzerinden makine öğrenme algoritmaları kullanılarak yüksek oranlarda cinsiyeti tahmin edilebileceği ortaya konulmuştur.en_US
dc.description.abstractGender prediction is important in anthropological, medical and forensic practices. Gender estimation can be done on the bones that make up the skeletal system; Among the bones, the most reliable bone for sex prediction is the bones forming the pelvic skeleton. The aim of this study is to perform sex determination using machine learning algorithms by placing landmarks on the pelvic bone via computed tomography images. Our study was performed on the Computed Tomography (CT) images of the hospital Picture Archiving and Communication System (PACS) of 300 individuals (150 females, 150 males) aged 25-50 years who applied to Karabuk University Education and Research Hospital with various health problems. The images were recorded in Digital Imaging and Communications in Medicine (DICOM) format and transferred to a personal workstation (Horos Project, Version 3.0). Then the images are reoriented to the orthogonal plane on the promontorium, crista iliaca, articulatio sacroiliaca, spina iliaca anterior superior, spina iliaca anterior inferior, linea terminalis, foramen obturatum, trochanter major, trochanter minor, caput femoris, collum femoris, tuber ischiadicum, acetabulum a landmarks were placed and the coordinates of these regions were obtained. The obtained coordinates were transferred to Sekazu program and 34 different lengths and 8 different angles were obtained. A total of 42 different lengths and angles were analyzed using machine learning algorithms in Sekazu. As a result of analysis; Haved that it can predict gender by 91-93% with Decision Tree (KA), 90-93% with Random Forest (RO), 91-94% with ADA Boost Classifier (ADA), 90-94% with Logistic Regression (LR), 90-96% with Linear Discriminant Analysis (DDA), Extra Trees Classifier (EAS) 90-93%. As a result conclusion; it has been demonstrated that high rates of sex predict by can be done using machine learning algorithms on pelvis CT images."en_US]
dc.identifier.urihttps://hdl.handle.net/20.500.14619/601
dc.identifier.urihttps://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=aEzj_IdWAsjiSAfK3qwrBjZbobsUQrGySqou4F2mIpSKXoeM5yINabD4gEAgCFYx
dc.identifier.yoktezid609733en_US
dc.language.isotren_US
dc.relation.publicationcategoryTezen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectPelvisen_US
dc.subjectComputed Tomographyen_US
dc.subjectGender predictionen_US
dc.subjectMachine Learning Algorithmsen_US
dc.subjectDiscriminant Analysisen_US
dc.subjectSekazuen_US
dc.subjectDecision Treeen_US
dc.subjectRandom Foresten_US
dc.subjectADA Boost Classifieren_US
dc.subjectLogistic Regressionen_US
dc.subjectLinear Discriminant Analysisen_US
dc.subjectExtra Trees Classifieren_US
dc.subjectPelvisen_US
dc.subjectBilgisayarlı Tomografien_US
dc.subjectCinsiyet tahminien_US
dc.subjectMakine Öğrenme Algoritmalarıen_US
dc.subjectSekazuen_US
dc.subjectKarar Ağacıen_US
dc.subjectRastgele Ormanen_US
dc.subjectADA Boost Sınıflandırmasıen_US
dc.subjectLojistik Regresyonen_US
dc.subjectDoğrusal Diskriminant Analizien_US
dc.subjectEkstra Ağaçlar Sınıflandırmasıen_US
dc.titlePELVİS BİLGİSAYARLI TOMOGRAFİ GÖRÜNTÜLERİNDEN ELDE EDİLEN PARAMETRELER İLE MAKİNE ÖĞRENME ALGORİTMALARI KULLANILARAK CİNSİYET TAHMİNİ ÜZERİNE BİR DENEMEen_US
dc.title.alternativeAn Experiment on Gender Estimation Using Machine Design Algorithms with Parameters Obtained from Pelvis Computed Tomography Imagesen_US
dc.typeMaster Thesisen_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
10320759.pdf
Boyut:
1.6 MB
Biçim:
Adobe Portable Document Format
Açıklama:
İndir
Lisans paketi
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
license.txt
Boyut:
1.71 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

Lisansüstü Eğitim Enstitüsü Tez Koleksiyonu