Tiroid nodüllerinin değerlendirilmesinde ultrasonografik görüntülerden yararlanan nöral ağ tasarımı
Neural network design for the evaluation of thyroid nodules using ultrasonographic imaging
- Tez No: 1008542
- Danışmanlar: PROF. DR. TURGAY ŞİMŞEK
- Tez Türü: Tıpta Uzmanlık
- Konular: Genel Cerrahi, General Surgery
- Anahtar Kelimeler: Tiroid nodülü, derin öğrenme, Ultrasonografi, Thyroid nodule, deep learning, ultrasonography
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Genel Cerrahi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Çalışmanın amacı preoperatif tiroid ultrasonografi görüntüleri kullanılarak tiroid nodüllerinin benign malign ayırımı yapabilen derin öğrenme modeli geliştirmektir. Çalışmaya 2022–2024 yılları arasında Kocaeli Üniversitesi Tıp Fakültesi Genel Cerrahi Kliniği'nde tiroid nodülü nedeniyle opere edilen 209 hasta dahil edilmiştir. 209 hastadan elde edilen toplam 2.412 ultrasonografi görüntüsü postoperatif histopatolojik sonuçlar referans alınarak benign veya malign olarak etiketlenmiştir. Görüntüler %70 eğitim, %15 doğrulama ve %15 test seti olacak şekilde ayrılmıştır. Elde edilen görüntüler ile iki derin öğrenme modeli geliştirilmiştir. ResNet50 tabanlı CNN modeli ImageNet ön-eğitimli olarak, ViT modeli ise sıfırdan eğitilmiştir. Modellerin performansı doğruluk, duyarlılık, kesinlik, F1-skoru ve AUC metrikleri kullanılarak değerlendirilmiştir. ResNet50 tabanlı modelin doğruluğu %75,41, duyarlılığı %89,27, kesinliği %76,47 ve AUC değeri 0,793 olarak bulunmuştur. ViT tabanlı modelin doğruluğu %84,00, duyarlılığı %85,41, kesinliği %89,24 ve AUC değeri 0,905 olarak saptanmıştır. ResNet50 tabanlı model daha yüksek duyarlılık ile malign nodülleri daha başarılı tespit etmiştir. ViT tabanlı model daha yüksek kesinlik ve AUC değeri ile daha yüksek ayırt edicilik ve daha düşük yanlış pozitif oranı ile gereksiz girişimlerin azaltılması açısından üstünlük göstermiştir. Sonuç olarak bu çalışma tiroid nodüllerinin benign ve malign ayrımında derin öğrenme tabanlı modellerin yalnızca USG görüntülerinden yararlanarak klinik olarak anlamlı performanslar elde edebileceğini göstermektedir.
Özet (Çeviri)
The aim of this study was to develop deep learning models capable of classifying thyroid nodules as benign or malignant using preoperative thyroid ultrasonography images. A total of 209 patients who underwent surgery for thyroid nodules at the Department of General Surgery, Kocaeli University Faculty of Medicine between 2022 and 2024 were included in this study. A total of 2,412 ultrasonography images obtained from these patients were labeled as benign or malignant based on postoperative histopathological findings. The images were randomly divided into training (70%), validation (15%), and test (15%) datasets. Two deep learning models were developed using the obtained images. A ResNet50-based convolutional neural network (CNN) model was trained using ImageNet pre-trained weights, while a Vision Transformer (ViT) model was trained from scratch. Model performance was evaluated using accuracy, sensitivity, precision, F1-score, and area under the receiver operating characteristic curve (AUC). The ResNet50-based model achieved an accuracy of 75.41%, sensitivity of 89.27%, precision of 76.47%, and an AUC of 0.793. The ViT-based model achieved an accuracy of 84.00%, sensitivity of 85.41%, precision of 89.24%, and an AUC of 0.905. The ResNet50-based model demonstrated higher sensitivity, indicating superior performance in detecting malignant nodules. In contrast, the ViT-based model showed higher precision and AUC values, reflecting better discriminative ability and a lower false-positive rate, suggesting a greater potential to reduce unnecessary interventions. This study demonstrates that deep learning-based models can achieve clinically meaningful performance in distinguishing benign from malignant thyroid nodules using ultrasonography images alone.
Benzer Tezler
- Tiroid nodüllerinin b mode, renkli doppler ve sonoelastografik özelliklerinin değerlendirilmesinde gözlemciler arasındaki tutarlılık
Interobserver reliability in ultrasonography, color doppler and sonoelastographyic features of thyroid nodules
EMRAH DUMAN
Tıpta Uzmanlık
Türkçe
2019
Radyoloji ve Nükleer Tıpİstanbul Medeniyet ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. DR. ADNAN KABAALİOĞLU
- Tiroid nodüllerinin değerlendirilmesinde ultrasonografi ve sitoloji korelasyonunun rolü
The role of the correlation between the ultrasonography and cytology in the evaluation of the thyroid nodules
GÜLÜZAR KUTAS KURT
Tıpta Uzmanlık
Türkçe
2016
Endokrinoloji ve Metabolizma HastalıklarıKafkas Üniversitesiİç Hastalıkları Ana Bilim Dalı
YRD. DOÇ. DR. ERAY ATALAY
- Uluslararası TIRADS sınıflamalarının ve I-TIRADS leksikonunun, tiroid nodüllerinin USG ile değerlendirilmesinde, farklı mesleki deneyim seviyelerindeki gözlemciler arası uyumu ve tanısal doğruluğu arttırmadaki etkisi
The impact of international TIRADS classifications and the I-TIRADS lexicon on interobserver agreement and diagnostic accuracy in the ultrasonographic evaluation of thyroid nodules across different levels of clinical experience
BURAK YANGÖZ
Tıpta Uzmanlık
Türkçe
2025
Radyoloji ve Nükleer TıpSağlık Bilimleri ÜniversitesiRadyoloji Ana Bilim Dalı
DOÇ. DR. ENDER UYSAL
- Tiroid nodüllerinin sintigrafik sonografik muayenesi ve histopatolojik sonuçlarla karşılaştırılması
Başlık çevirisi yok
SEZAİ ÖZTÜRK
- TİROİD NODÜLLERİNİN MALİGNİTE RİSKİNİN BELİRLENMESİNDE ACR TI-RADS SINIFLAMASININ BETHESDA SINIFLAMASI İLE KARŞILAŞTIRILDIĞINDA TANISAL PERFORMANSININ DEĞERLENDİRİLMESİ
EVALUATION OF DIAGNOSTIC PERFORMANCE OF ACR TI-RADS CLASSIFICATION COMPARED WITH BETHESDA CLASSIFICATION IN DETERMINING THE RISK OF MALIGNANCY OF THYROID NODULES
ÖZGE YARDİMCİ
Tıpta Uzmanlık
Türkçe
2022
Endokrinoloji ve Metabolizma HastalıklarıSağlık Bilimleri Üniversitesiİç Hastalıkları Ana Bilim Dalı
DOÇ. DR. FEYZA YENER ÖZTÜRK