Akut karın ağrısı ile acile başvuran ve akut apandisit düşünülen hastalarda acil tıp hekimi tarafından yapılan termal kamera ölçümlerinin analizi

Abstract

Amaç: Bu çalışmanın amacı acile akut karın ağrısı ile başvuran ve Akut Apandisit tanısı alan hastaların ınfrared (termal kamera) görüntülerinin analizi ve yapay hafıza oluşturmasını sağlayıp, tanıda kullanımını değerlendirmektir. Gereç ve Yöntem: Bu çalısmaya acil servise karın ağrısı sikayetiyle başvuran ve akut apandisit nedeniyle ile opere edilen hastalar ile herhangi bir kronik hastalığı olmayan sağlıklı gönüllüler dahil edildi. Hasta grupta ameliyat öncesi sağ alt kadran, sol alt kadran ayna görüntüsü üzerinden termal görüntüler alındı. Sağlıklı gönüllüler için de aynı işlemler tekrarlandı. Bu görüntülerin analizi sonucu hasta ve sağlıklı gönüllülerin sağ alt kadran sıcaklık farkı anlamlı bulundu (p=0.01). Daha sonra bu görüntülerle denetimli makine öğrenme yöntemi olan doğrusal destek vektör makinesiyle model (sınıflayıcı) oluşturuldu. Eğittiğimiz bu modele sonradan test amacıyla çalışmaya daha önceden almadığımız hasta ve sağlıklı gönüllü görüntüleri yükleyip doğruluğunu, duyarlılığını ve özgüllüğünü bulduk.Bulgular: Hasta grubunda termal görüntülemede sağ ald kadran ve sol alt kadran sıcaklık farkları sağlıklı grupla karşılaştırıldığında anlamlı farklılık bulundu (p<0.005). Bu hastalarla eğittiğimiz doğrusal destek makinasına (yapay hafıza modeli) daha sonra test amaçlı yüklediğimiz hasta ve sağlıklı görüntülerin analizi sonucunda yapay hafızanın doğruluk oranını %82.5, duyarlılığını %96.15, özgüllüğünü %57.14 olarak bulduk.Sonuç: Bu çalışmada termal kamera görüntüleriyle oluşturduğumuz yapay hafıza modelinin akut apandisit tanısında acilde geleneksel yöntemlere yardımcı olabileceği görülmüştür. Anahtar Kelimeler: Termal görüntüleme, yapay hafıza, apandisit, karın ağrısı, acil servis.

Aim: The aim of this study is to analyze the infrared (thermal imager) images of patients with acute abdominal pain and to diagnose acute appendicitis.Materials and Methods: Patients with acute appendicitis who presented to the emergency department with acute abdominal pain and healthy volunteers without any chronic disease were included in this study. In the patient group, thermal images were taken from the right lower quadrant and left lower quadrant mirror image. The same procedure was repeated for healthy volunteers. As a result of the analysis of these images, the right lower quadrant temperature difference of patients and healthy volunteers was found to be significant (p = 0.01). Then, a model (classifier) was created with the linear support vector machine which is a controlled machine learning method. We tested this model and uploaded the patient and healthy volunteer images that we had not previously taken into the study for testing purposes, and found the accuracy, sensitivity and specificity.Findings: In the patient group, the difference between the right lower quadrant and left lower quadrant temperature was found to be significant (p <0.005). As a result of the analysis of the patient and healthy images we loaded on the linear support machine (artificial memory model) that we trained with these patients, we found the accuracy rate of the artificial memory to be 82.5%, the sensitivity to 96.15%, and the specificity to 57.14%.Results: In this study, it was seen that the artificial memory model created with thermal imager images can help traditional methods in the diagnosis of acute appendicitis. Keywords: Thermal imaging, artificial memory, appendicitis, abdominal pain, emergency medicine.