Estimation of Bone Age from Radiological Images with Machine Learning

Authors : Nida GÖKÇE NARİN, İbrahim Önder YENİÇERİ, Gamze YÜKSEL

Pages : 119-126

View : 17 | Download : 7

Publication Date : 2021-08-31

Article Type : Research Paper

Abstract :Kemik yaşı tahmini, endokrinolojik sorunların ve adli sorunların tanısında önemlidir. Greulich ve Pyle insert ignore into journalissuearticles values(GP); yöntemi kemik yaşı tahmini için yaygın olarak kullanılmaktadır. Ancak, gözlemcinin kendisi ve gözlemciler arası nispeten yüksek bir değişkenliğe sahiptir. Bu nedenle, kemik yaşının hesaplanmasında uzmanlardan bağımsız otomasyon tabanlı sistemler geliştirilmeye başlanmıştır. Bu çalışmada, makine öğrenimine dayalı sınıflandırma yöntemlerinin kemik yaşı tahmin performanslarını karşılaştırmayı amaçladık. Çalışmaya 12-108 aylık 388 erkek ve 387 kız dahil edildi. Cohort el bilek grafilerinde kemik alanın tüm el bilek alanına oranı her olgu için hesaplandı ve olgular üçer aylık intervaller ile sınıflandırıldı. Bu, veri tabanı olarak kabul edilip test verisi bu veri tabanı ile test edildi. Kemik yaşı tahmini için makine öğrenmesine insert ignore into journalissuearticles values(ML); dayanan tahmin modellerini kullandık. Weka ara yüzü kullanılarak oluşturulan modellerin tahmini performansları kronolojik yaş ile karşılaştırıldı. Ayrıca yöntemlerin öngörücü performansı arasında istatistiksel olarak anlamlı bir fark olup olmadığı Friedman testi ile test edilmiştir. Sonuç olarak, kız çocukları için ML yöntemleriyle yapılan kemik yaşı tahmininin kronolojik yaş ile anlamlı derecede ilişkili olduğu gözlenmiştir. GP ve kronolojik yaş arasında anlamlı bir fark bulundu. Bu çalışmadan elde edilen sonuçlar, ML tabanlı sınıflandırma yöntemlerinin kemik yaşını tahmin etmede yüksek başarı gösterdiğini göstermiştir. Bu nedenle, ML sınıflandırma modellerinin kemik yaşını tahmin etmek için kullanılabileceğini önermekteyiz.
Keywords : Bilek Radyografisi, Kemik Yaşı Tahmini, Makine Öğrenmesi