Osteoporoz, vücudumuzdaki kemiklerin sertliklerinin azalıp,
kalitelerinin bozulması sonucunda daha zayıf ve kırılabilir hale gelmeleri ile
ortaya çıkan ve tüm iskeletimizi etkileyen sistemik bir hastalıktır. Bu
çalışmada, bir iskelet hastalığı olan osteoporozun ön tanısında kullanılan X-ray
absorbsiyometri (DEXA) testinin radyasyon dezavantajı sebebiyle, buna
alternatif ve yapay zeka tabanlı, doğruluk değeri yüksek bir karar destek
sistemi oluşturmak amaçlanmıştır. Gerçekleştirilecek sistem bir ön tanı yöntemi
olarak kullanılacaktır. Bunun için, 70 hastadan alınan belirli parametrelerden
oluşturulan veri seti yardımı ile tasarlanan olasılıksal sinir ağı (OSA)
kullanılmıştır. Elde edilen başarı oranı ile Yapay sinir ağlarının osteoporoz
hastalığının teşhisinde karar destek sistemi olarak kullanılabileceği
görülmüştür. Bu çalışma sayesinde bu hastalığın şüphesi ile ilgili birime
gelecek tüm hastalara DEXA testinin uygulanma olasılığı aza indirgenmiş
olacaktır.
Osteoporosis
is a skeletal disorder characterized by low bone density and micro-architectural
deterioration of bony tissue. Dual-energy x-ray absorptiometry (DEXA) uses
x-ray beams at two photon energies to estimate bone mineral density (BMD). This
method has been applied extensively to detect osteoporosis. Due to the
radiation disadvantage of the DEXA test, alternatively, an artificial
intelligence-based decision support system was aimed. The system to be performed will be
used as a preliminary diagnosis method for osteoporosis. For this,
the probabilistic neural network (PNN) was used from 70 patient’s specific
parameters. It has been observed that artificial neural networks can be used as
a decision support system in the diagnosis of osteoporosis. Thanks to
this study, the probability of the application of the DEXA test will be reduced
to a minimum for all the patients who are suspected of having this disease.
Primary Language | Turkish |
---|---|
Subjects | Computer Software |
Journal Section | Articles |
Authors | |
Publication Date | December 18, 2018 |
Submission Date | December 12, 2018 |
Acceptance Date | December 17, 2018 |
Published in Issue | Year 2018Volume: 1 Issue: 3 |
The papers in this journal are licensed under a Creative Commons Attribution-NonCommercial 4.0 International License