Geri Dön

Pankreas kanserinde BT görüntülerinden vasküler tutulum ve invazyonun değerlendirilmesinde görüntüden özellik çıkaran vizyon-dil modelleri ile segmentasyon tabanlı yapay zeka yaklaşımlarının karşılaştırılması

Comparison of vision-language model-based feature extraction and segmentation-based artificial intelligence approaches for the assessment of vascular involvement and invasion on CT images in pancreatic cancer

PDF İndir

  1. Tez No: 1016279
  2. Yazar: MEHMET SİMSAR
  3. Danışmanlar: PROF. DR. HİLAL ŞAHİN
  4. Tez Türü: Tıpta Uzmanlık
  5. Konular: Radyoloji ve Nükleer Tıp, Radiology and Nuclear Medicine
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: Sağlık Bakanlığı
  10. Enstitü: İzmir Bayraklı Şehir Hastanesi
  11. Ana Bilim Dalı: Radyoloji Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Giriş: Pankreas duktal adenokarsinom (PDAK), beş yıllık sağkalımı %12 civarında seyreden ve tedavi kararının büyük ölçüde peripankreatik vasküler invazyon değerlendirmesine dayandığı agresif bir malignitedir. Kontrastlı bilgisayarlı tomografide vasküler invazyon derecelendirmesi subjektif bir süreçtir ve radyologlar arası değişkenlik gösterir. Son yıllarda geliştirilen görüntü-dil temel modelleri (Vizyon Dil Modelleri-VLM) ve segmentasyon tabanlı rapor üretim sistemleri, bu değerlendirmenin standardizasyonu için umut vaat etmektedir; ancak PDAK'ta damara özgü vasküler invazyon tahmini için sistematik olarak karşılaştırılmamışlardır. Amaç: Bu çalışmanın birincil amacı, Merlin adlı VLM temel modelinden elde edilen öznitelik vektörleri (embedding) üzerine kurulan sınıflandırma sistemlerinin, PDAK'lı hastalarda kontrastlı BT görüntülerinde altı peripankreatik damarda vasküler temas ve çevreleme ile tümör lokalizasyonu tahmini için segmentasyon tabanlı RadGPT yaklaşımıyla karşılaştırmalı tanısal performansını değerlendirmektir. Gereç ve Yöntem: İzmir Şehir Hastanesi'nden 348 (278 eğitim, 70 test) ve PanTS veri setinden 245 (168 eğitim, 77 test) hasta dâhil edildi. ResNet-152 omurgasından 2.048 boyutlu öznitelikler çıkarıldı. 15 hedef için yedi model ailesi test edildi. F1-makro skoru birincil metrik olarak seçildi ve RadGPT varyantları ile karşılaştırıldı. Bulgular: VLM tabanlı sınıflandırıcılar vasküler temas (F1=0,630 vs RadGPT=0,585) ve vasküler çevreleme (F1=0,618 vs RadGPT=0,496) kategorilerinde istatistiksel olarak anlamlı derecede daha yüksek performans göstermiştir. Buna karşılık RadGPT, tümör lokalizasyonunda belirgin biçimde üstün bulunmuştur (F1=0,830 vs VLM=0,609). PanTS eğitim verisinin eklenmesi, kurum içi eğitimle gözlenen genelleşme boşluğunu istatistiksel olarak ortadan kaldırmıştır. Sonuç: VLM tabanlı sınıflandırıcılar vasküler değerlendirmede, segmentasyon tabanlı RadGPT ise lokalizasyonda daha başarılı bulunmuştur. Bu bulgular, iki yaklaşımın tamamlayıcı güçlü yönlere sahip olduğunu ve entegre kullanımlarının klinik karar desteğini güçlendirebileceği değerlendirilmiştir.

Özet (Çeviri)

Background: Pancreatic ductal adenocarcinoma (PDAC) is an aggressive malignancy with a five-year survival rate of approximately 12%, and treatment decisions largely depend on the assessment of peripancreatic vascular invasion. The grading of vascular invasion on contrast-enhanced computed tomography (CT) is a subjective process and varies among radiologists. Recently developed Vision Language Models (VLM) and segmentation-based report generation systems show promise for standardizing this assessment; however, they have not been systematically compared for estimating vessel-specific vascular invasion in PDAC. Objective: The primary objective of this study is to evaluate the comparative diagnostic performance of classification systems built on feature vectors (embedding) derived from the Merlin VLM base model, compared to a segmentation-based RadGPT approach, for estimating vascular involvement and invasion in six peripancreatic vessels and tumor localization on contrast-enhanced CT images in patients with PDAC. Materials and Methods: 348 patients (278 training, 70 test) from Izmir City Hospital and 245 patients (168 training, 77 test) from the PanTS dataset were included. 2,048 feature dimensions were extracted from the ResNet-152 backbone. Seven model families were tested for 15 targets. The F1-macro score was selected as the primary metric and compared with RadGPT variants. Results: VLM-based classifiers demonstrated statistically significantly higher performance in the categories of vascular contact (F1=0.630 vs RadGPT=0.585) and vascular containment (F1=0.618 vs RadGPT=0.496). In contrast, RadGPT was significantly superior in tumor localization (F1=0.830 vs VLM=0.609). The addition of PanTS training data statistically eliminated the generalization gap observed with in-house training. Conclusion: VLM-based classifiers were found to be more successful in vascular assessment, while segmentation-based RadGPT was more successful in localization. These findings suggest that the two approaches have complementary strengths and that their integrated use could enhance clinical decision support.

Benzer Tezler

  1. Tez No

    791251

    Gastrointestinal sistem maligniteli hastalarda malnütrisyon ve sarkopeni durumunun değerlendirilmesi

    Evaluation of malnutrition and sarcopenia status in patients with gastrointestinal system malignity

    AYŞE TEMİZEL TAŞLI

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    OnkolojiSağlık Bilimleri Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

    PROF. DR. ÖMÜR BERNA ÇAKMAK ÖKSÜZOĞLU

  2. Tez No

    641443

    Karaciğer metastazlarında primer tümör odağını öngörmede 'radiomics' ve makine öğrenmesinin katkısı

    Contribution of 'radiomics' and machine learning in predicting primer tumor site in liver metastases

    ABDULLAH YILDIZ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2020

    Radyoloji ve Nükleer TıpKocaeli Üniversitesi

    Radyoloji Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MESUDE TOSUN

  3. Tez No

    392522

    Endoskopik ultrason görüntülerinde kronik pankreatit ve pankreas kanserinin yaşa göre bilgisayar destekli teşhisi

    Age-based computer-aided detection of chronic pancreatitis and pancreatic cancer on endoscopic ultrasonography images

    MURAT ÖZKAN

    Doktora

    Türkçe

    Türkçe

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MURAT ÇAKIROĞLU

  4. Tez No

    801017

    Peritoneal karsinomatozisli olgularda primer tümör odağının saptanmasında bilgisayarlı tomografi doku analizinin etkinliği

    Effectiveness of computerized tomography texture analysis in determining the primary tumor focus in cases with peritoneal carcinomatosis

    MUSTAFA ALPER BOZKURT

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2022

    Radyoloji ve Nükleer TıpSelçuk Üniversitesi

    Radyoloji Ana Bilim Dalı

    PROF. DR. MUSTAFA KOPLAY

  5. Tez No

    985888

    Pankreas kanserlerinde viseral yağlanmanın ve sarkopeninin tedavi yanıtı ve prognoza etkisi

    Impact of visceral adiposity and sarcopenia on treatment response and prognosis in pancreatic cancers

    CÜNEYT YAMAK

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2025

    Radyoloji ve Nükleer TıpAnkara Üniversitesi

    Radyoloji Ana Bilim Dalı

    DOÇ. DR. BAŞAK GÜLPINAR

Geri Dön