Trabeküler kemik yapılarının yapay zeka yöntemleri ile modellenmesi

Abstract

İskelet kemikleri değişik miktarda yumu¬şak spongiosa denilen süngerimsi (trabeküler) dokuyla, kortikal denilen sağlam, yoğun, kabuk dokusundan oluşmuştur. Düzensiz yapıdaki sünge¬rimsi kemik dokusundan yapılmış olan trabeküler kemikler sert kemik tabakasıyla kaplıdırlar. Özellikle omur ve bilek kemikleri bu tür kemiklere birer örnektir. Çocukluk ve ergenlik çağlarında yapımı süren kemik dokusu kemik yıkımından faz¬ladır. Erişkinlerde bu oran genelde dengede olup, yaş ilerledikçe bu işlem tersine dönmektedir. Bu nedenle yaşlı bireylerde kemik dokusu gevşer ve kemiklerde kal¬siyum eksikliğine bağlı olarak Osteoporoz (OP) adı verilen boşluklar meydana gelir.Kemik kütlesinin, kemik yoğunluğunun ve kemik mineral içeriklerinin saptanması için çeşitli yöntemler bulunmaktadır. Bireylerin kırık riskini belirlemede kemiğin fizyolojik ve patolojik durumunu en iyi kemik mineral yoğunluğu (KMY) gösterir. Özellikle 40-50 yaş arası kadınlarda kemik yapısındaki minerallerde yaşla ilişkili kayıplar görülmektedir. Kortikal kemik ölçümlerinde zamansal olarak yıllık ortalama kemik kaybı oranı %1 iken bu oran trabeküler kemikte çok daha yüksektir.Kıkırdak yapının anormal ölçülerde zarar görmesiyle sinovyal sıvıda azalmaların başladığı bir diğer kemik rahatsızlığı da ostoartritdir (OA). 30 yaş altındaki bireylerde %1, 40 yaş üstü bireylerde %10 ve 60 yaş üstü bireylerde %50 sıklığında görülür.Bu tez çalışmasında normal kemik yapıları, OA ve OP kemik hastalıklarından bahsedilmiş Sinirsel Bulanık Mantık, Doğrusal Vektör Makinaları ve Genetik Algoritma gibi literatürde başarılı sonuçları bulunan yapay zeka yöntemleri kullanılarak ilk etapta OP hastaları ve sağlıklı kişiler karşılaştırılmış ve hastalık tanısındaki başarım oranı verilmiştir. Daha sonra OA ve OP hastalarından alınan kemik görüntüleri Karma İskelet Grafik Analizi (KİGA) nin kullanımıyla modellenmiş ve bu trabeküler kemiklerden öznitelikler çıkarılarak OA ve OP sınıflandırılması yapılmıştır.

The skeletal bones are formed by solid, dense cortical tissue and different amounts of soft trabecular tissue. Misplaced structured sponge patterned of trabecular bones are covered with hard bone plates. Especially vertebral bones and wrist bones are examples of this type of bones. The built (The growth of) childhood and adolescence age bone tissue is more than the bone injury (wreckache). In adults, this rate is usually in balance, as the year's progress in the process is reversed. Therefore, the bone tissue of elderly individual loosens and osteoporotic gaps occur due to a lack of calcium at the bones.There are several methods used in which to identify bone mass, bone density and bone mineral content. Bone mineral density is the best way to show the risk of broken bone?s physical and pathological conditions. Especially the loss of mineral structure in the bones of women between 40-50 years old is observed while annual average rate of bone loss in cortical bone measurements are 1%. This ratio is much higher in bone trabecular.Another bone disease starting with abnormal extent damage in cartilage structure decrease of synovial fluid is called osteoarthritic (OA). These are often seen 1% in individuals under age 30, 10% in individuals over age 40 and 50% in individuals over age of 60.In this thesis, normal bone structure, OA and OP bone disease have been mentioned then Neuro-Fuzzy Logic, Support (Straight) Vector Machines and Genetic Algorithms with successful results in the literature (medicine language) are used. In the first stage, OP patients and healthy people are compared and then the success rate of disease diagnosis has been given. Then, the bone images obtained from OA and OP patients have been modeled by using the Hybrid Skeleton Graph Analysis (HSGA) method and feature extracted from the OA and OP trabecular bones classification was made.