Tez No	İndirme	Tez Künye	Durumu
731816		Scroth yöntemiyle skolyoz tedavisi için derin öğrenme tabanlı bir sistem geliştirilmesi / Development of a deep learning based system for the treatment of scoliosis with the Schroth method Yazar:SENA GORAL Danışman: DOÇ. DR. UTKU KÖSE Yer Bilgisi: Süleyman Demirel Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:Bulanık mantık = Fuzzy logic ; Derin öğrenme = Deep learning ; Kapsüller = Capsules ; Karar destek sistemleri = Decision support systems ; Skolyoz = Scoliosis ; Yapay zeka = Artificial intelligence	Onaylandı Doktora Türkçe 2022 91 s.
Skolyoz hastalığı omurganın sağa, sola veya her iki yöne doğru eğrilmesi sonucu oluşan ve toplum arasında yeterli bilincin sağlanmadığı bir hastalıktır. Doğumla birlikte veya sonradan oluşan bu hastalığın çeşitli yöntemler ile tedavisi mümkündür. Uzmanlar teşhis aşamasında, omurganın eğrilme açısını ve yönünü belirleyerek müdahale etmektedir. Eğrilik açısı röntgen görüntülerinin incelenmesi sonucu belirlenmesi dolayısıyla uzmana göre farklı ölçülebilmektedir. Bu da tedavinin seyrini olumsuz yönde etkileyen bir durumdur. Bu tez çalışmasında, Schroth yöntemine göre skolyoz teşhisi ve tedavi planmasını gerçekleştiren bir karar destek sistemi geliştirilmiştir. Sistemde omurga eğrilik açısı belirleme sürecinde Derin Öğrenme yöntemi kullanılmış, tedavi planlamada ise Bulanık Mantık tercih edilerek hibrit bir tasarım elde edilmiştir. Derin Öğrenme odaklı çözüm olarak CapsNet (Kapsül Ağları) kullanan sistem, omurga eğriliği tespitinde açıklanabilirlik mekanizmaları da işletmektedir. Teşhis sürecinde hastanın omurgasının tespiti işlemi yapılarak eğrilme açısı hesaplanmakta ve Schroth yöntemine göre isimlendirmeler yapılmaktadır. Tedavi planlama sürecinde ise skolyoz tedavisi için ihtiyaç duyulan egzersiz reçetelemesi kişiye özel olarak oluşturulmaktadır. Tedavi için belirlenen egzersizler, Schroth uzmanı tarafından belirlenmiştir. Geliştirilen sistemdeki CapsNet modelinin, omurga eğriliği tespitinde bazı alternatif modellere göre daha iyi bir çözüm mekanizması ortaya koyduğu tespit edilmiştir. Bununla birlikte, çeşitli hastalar ve uzmanlar eşliğinde kullanılan karar destek sistemi, genel olarak pozitif yönde dönütler almıştır.
Scoliosis is a disease that occurs as a result of the spine curving to the right, left or both directions and where sufficient awareness is not provided among the society. It is possible to treat this disease, which occurs with or after birth, with various methods. Specialists intervene at the diagnostic stage by determining the angle and direction of curvature of the spine. Since the angle of curvature is determined as a result of the examination of the X-Ray images, it can be measured differently according to the specialist. This is a situation that adversely affects the course of treatment. In this thesis study, a decision support system was developed for scoliosis diagnosis and treatment planning according to the Schroth method. Deep Learning method was used in the process of determining the spine curvature angle in the system, and a hybrid design was obtained by choosing Fuzzy Logic in treatment planning. By using the CapsNet (Capsule Networks) as the Deep Learning oriented solution, the system also runs explainability mechanisms in spine curvature detection. In the diagnosis process, the patient's spine is determined and the curvature angle is calculated and labelling is made according to the Schroth method. In the treatment planning process, the exercise prescription needed for the treatment of scoliosis is created individually. The exercises used in treatment planning were determined by the Schroth expert. It was determined that the CapsNet model within the developed system offers a better solution mechanism than some alternative models in the detection of spinal curvature. Additionally, the decision support system used with various patients and experts received positive feedback generally.