Yazılımsal algoritma kullanarak skafoid kırıklarının otomatik tespiti

Abstract

Giriş ve Amaç:Skafoid kırıklar tüm karpal kemik kırıkları arasında en sık görülen kırıklardır. Skafoid kırıkları %30'dan fazla oranda ilk etapta atlanan, tanısı geciken kırıklardır. Skafoid kırıklarının teşhisi esas olarak radyografilerde yapılır. Bilgisayarlı tomografi (BT) erken tanı için kullanılabilir, ancak bu ek maliyetlere ve radyasyona maruz kalmaya yol açar.Derin öğrenme yapay sinir ağlarının eğitimine dayanan bir makine öğrenme yöntemidir. Görüntü analizi için genellikle bir dizi görüntü filtresi öğrenen evrişimli sinir ağı katmanları kullanılır. Bu sinir ağlarına Konvolüsyonel Sinir Ağları (CNN) denir.CNN kullanımı ile derin öğrenmenin kemik kırıklarının teşhisinde kullanılabileceği gösterilmiştir. Bu çalışmanın amacı, anteroposterior (AP) el bilek radyografilerinde skafoid kırıklarının saptanmasında CNN kullanımı ile derin öğrenme algoritmasının doğruluğunu saptamaktır.Materyal ve Metod:Son 6 yıldaçekilen el bileği BT tetkiklerinin raporları `skafoid kırığı` anahtar kelimesi kullanılarak tarandı ve sonucunda skafoid kırığı (kırık grubu) tanısı almış 192 hasta ve skafoid kırığı olmayan 198 normal hasta (normal grup) çalışmaya dahil edildi. Kırığın varlığına veya yokluğuna karar 2 uzmanın ortak görüşü ile verildi.Skafoid kemiği içeren region of interest(ROI) seçimine yardımcı olacak bir program, OpenCV 3.0 libraryforimageprocessing ve TkinterlibraryforGraphical User arayüz elemanları kullanılarakPython 3'te yazıldı.Kırık skafoidleri içeren 50 görüntü ve sağlıklı skafoidleri içeren 50 görüntü rastgele seçildi ve bunlar test setine yerleştirildi. Kalan 290 görüntü eğitim ve doğrulama setlerini oluşturdu. Bunların %70'i sinir ağını eğitmek için ve %30'u doğrulama amacıyla kullanıldı. Tüm veriler SPSS sürüm 20.0 yazılımı kullanılarak analiz edildi. CNN sonuçları referans standart olarak kabul edilen BT sonuçları ile karşılaştırıldı. Skafoid kırıklarını normal skafoidden ayırmada duyarlılık, özgüllük, pozitif prediktif değer (PPD), negatif prediktif değer (NPD) ve doğruluk istatistiksel olarak analiz edildi.Bulgular:Yaş ortalaması 42 (24-70 yıl) olan toplam 390 hasta çalışmaya dahil edildi. Skafoid kırıklarının belirlenmesinde BT sonuçları referans olarak kabul edildiğinde CNN sonuçlarında 12 yanlış negatif, 4 yanlış pozitif, 46 gerçek negatif ve 38 gerçek pozitif sonuç belirlendi. Bu sonuçlara göre, derin öğrenme CNN modelinin skafoid kırığının belirlenmesinde %76 duyarlılık, %92 özgüllük, %90,4 PPD, %79,3 NPD ve %84 doğruluğa sahip olduğu hesaplandı.Tartışma ve Sonuç:Skafoid kırıklarının ilk değerlendirilmesi genellikle acil servislerde yapılır. Skafoid kırıkları %30'dan fazla oranda ilk etapta atlanan, tanısı geciken kırıklardır. Tanı için ilk tercih edilen görüntüleme yöntemi basit, ucuz ve kolay ulaşılabilir bir görüntüleme yöntemi olan direkt radyografilerdir.Çalışmamızda CNN ile direkt grafilerdeskafoid kırıklarının doğruluğu %84 olarak tespit edilmiştir. Sadece direkt radyografi ile skafoid kırıklarında tanı koyulabilirliği arttırabilecek derin öğrenme CNN gibi yöntemler acil servislerde oldukça faydalı olabilir. Bu konuda daha kesin sonuçlara varmak için daha kapsamlı çalışmalara ihtiyaç duyulmaktadır.

Aim:Scaphoidfracturesarethemostcommonfracturesamongallcarpal bone fractures. Scaphoidfracturesaremorethan 30% in thefirstplaceandthediagnosis is delayed. Diagnosis of scaphoidfractures is mademainly on radiographs. Computedtomography (CT) can be usedforearlydiagnosis, but thisleadstoadditionalcostsandradiationexposure. Deeplearning is a machinelearningmethodbased on thetraining of artificialneuralnetworks. Convolutionalneural network layersthatoftenlearn a range of imagefiltersareusedforimageanalysis. TheseneuralnetworksarecalledConvolutionalNeural Networks (CNN). It has beenshownthatdeeplearning can be used in thediagnosis of bone fractureswiththeuse of CNN. Theaim of thisstudy is todeterminetheaccuracy of deeplearningalgorithmwiththeuse of CNN in thedetection of scaphoidfractures in anteroposterior (AP) wristradiographs.MaterialandMethod: Reports of wrist CT examinationstaken in thelast 6 yearswerescannedusingthekeyword `scaphoidfracture` and as a result, 192 patientswithscaphoidfracture (fracturegroup) and 198 normal patients (normal group) withoutscaphoidfractureswereincluded in thestudy. Thedecision on the presence orabsence of thefracturewasmadewiththecommonopinion of 2 experts. A program tohelpselecttheregion of interest (ROI) containingscaphoid bone waswritten in Python 3 usingtheOpenCV 3.0 libraryforimageprocessingandtheTkinterlibraryforGraphical User interfaceelements. 50 imagescontainingbrokenscaphoidsand 50 imagescontaininghealthyscaphoidswererandomlyselectedandplaced in the test set. Theremaining 290 imagescreatedtrainingandverificationsets. 70% of themwereusedtotraintheneural network and 30% wereusedforverification. All data wereanalyzedusing SPSS version 20.0 software. CNN resultswerecomparedwith CT results, whichareconsidered as referencestandards. Sensitivity, specificity, positivepredictivevalue (PPD), negativepredictivevalue (NPD) andaccuracywerestatisticallyanalyzedtodistinguishscaphoidfracturesfrom normal scaphoid.Results: A total of 390 patientswith an averageage of 42 (24-70 years) wereincluded in thestudy. When CT resultswereaccepted as thereference in determiningscaphoidfractures, 12 falsenegative, 4 falsepositive, 46 truenegativeand 38 truepositiveresultsweredetermined in CNN results. Accordingtotheseresults, it wascalculatedthatthedeeplearning CNN model has 76% sensitivity, 92% specificity, 90.4% PPD, 79.3% NPD and 84% accuracy in determiningthescaphoidfracture.DiscussionandConclusion:Thefirstevaluation of scaphoidfractures is generallyperformed in emergencydepartments. Scaphoidfracturesaremorethan 30% in thefirstplaceandthediagnosis is delayed. Thefirstpreferredimagingmethodfordiagnosis is directradiographs, a simple, inexpensiveandeasilyaccessibleimagingmethod. Inourstudy, theaccuracy of scaphoidfractures in directradiographswith CNN wasfoundto be 84%. Onlymethodssuch as deeplearning CNN that can increasethediagnosis of scaphoidfracturesbydirectradiography can be veryuseful in emergencydepartments. Morecomprehensivestudiesareneededtoreachmorepreciseresults in thisregard.