Hipertrofik kardiyomiyopatide kontrastsız sine kardiyak manyetik rezonans görüntülerden radiomik profilleme ile miyokardiyal fibrozis tespiti ve ani kardiyak ölüm risk skoru ile ilişkisinin değerlendirilmesi
Detection of myocardial fibrosis by radiomic profiling of non-contrast cine cardiac magnetic resonance images in hypertrophic cardiomyopathy and its association with sudden cardiac death risk scores
- Tez No: 1020842
- Danışmanlar: DOÇ. DR. ESİN KURTULUŞ ÖZTÜRK
- Tez Türü: Tıpta Uzmanlık
- Konular: Radyoloji ve Nükleer Tıp, Radiology and Nuclear Medicine
- Anahtar Kelimeler: Hipertrofik Kardiyomiyopati, Sine Manyetik Rezonans Görüntüleme, Radiomik, Makine Öğrenmesi, Derin Öğrenme, Hypertrophic cardiomyopathy, Cine Magnetic Resonance Imaging, Radiomics, Machine learning, Deep learning
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Sağlık Bilimleri Üniversitesi
- Enstitü: Ankara Etlik Şehir Hastanesi
- Ana Bilim Dalı: Radyoloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
ÖZET Amaç: Bu çalışmanın temel amacı, hipertrofik kardiyomiyopati (HKMP) hastalarında kontrastsız sine kardiyak manyetik rezonans (KMR) görüntülerinden elde edilen radiomik özellikler ve derin öğrenme tabanlı otomatik segmentasyon yöntemlerini kullanarak, miyokardiyal fibrozis varlığını ve yükünü tahmin edebilecek bir sistem oluşturmaktır. Çalışmanın ikincil amacı ise bu radiomik özelliklerin, hastaların klinik riskini gösteren parametrelerle olan ilişkisini değerlendirerek yöntemin biyolojik tutarlılığını ortaya koymaktır. Gereç ve Yöntem: Çalışmaya retrospektif olarak 180 HKMP hastası (119 erkek, 61 kadın) dahil edilmiş olup KMR görüntüleri ile haritalama ve strain teknikleri dahil olmak üzere miyokardiyal fibrozis değerlendirilmiştir. Otomatik miyokard segmentasyonu için nnU-Net mimarisi kullanılmış; model ACDC veri setiyle eğitildikten sonra kurum verileriyle ince ayar (fine-tuning) yapılarak optimize edilmiştir. PyRadiomics yazılımı ile miyokard maskelerinden 1643 radiomik özellik çıkarılmış ve ICC analizi ile tekrarlanabilirliği yüksek olanlar seçilmiştir. Sınıflandırma için Random Forest algoritması tercih edilerek altı temel model geliştirilmiştir: Sadece morfometrik/fonksiyonel parametrelere (LVMI, MWT, GCS) dayalı modeller (MRIModel-1 ve 2), sadece radiomik özelliklere dayalı modeller (RModel-1 ve 2), radiomik özelliklerin morfometrik/fonksiyonel parametrelerle birleştirildiği hibrit modeller (HRModel-1 ve 2). Seçilen radiomik özelliklerin klinik skorlamalarla ilişkisi değerlendirilmiştir. Bulgular: Geliştirilen segmentasyon modeli, kurum verilerinde 0.896 Dice benzerlik katsayısı ile yüksek performans sergilemiştir. Fibrozis varlığını (LGE+/-) saptamada hibrit model (HRModel-1), 0.826 AUC değeri ile sadece radiomik içeren modele (AUC: 0.776) göre anlamlı derecede üstün bulunmuştur (p=0.005). Fibrozis yükünün yüksek olduğu (LGE ≥%15) vakaları ayırt etmede ise HRModel-2, 0.887 AUC değeri ile en yüksek başarıyı göstermiştir. Klinik korelasyon analizlerinde, özellikle log-sigma-2-mm-3D_firstorder_Skewness ve gradient_glcm_Correlation özelliklerinin AHA-HCM-SCD risk skoru ile anlamlı korelasyon gösterdiği ve ICD endikasyon sınıflarını (Sınıf 2A, 2B ve 3) birbirinden ayırt edebildiği saptanmıştır. Sonuç: Kontrastsız sine KMR görüntülerinden elde edilen radiomik profilleme, otomatik segmentasyon altyapısı ile birleştiğinde HKMP hastalarında miyokardiyal fibrozis varlığını ve yükünü öngörmede umut vadeden, tamamen non-invaziv bir yöntem sunmaktadır. Elde edilen radiomik verilerin klinik risk skorları ile uyumlu olması, bu yöntemin özellikle kontrast madde kullanımının kısıtlı olduğu hasta gruplarında güvenilir bir karar destek mekanizması olarak kullanılabileceğini desteklemektedir.
Özet (Çeviri)
ABSTRACT Aim: The primary aim of this study is to develop a system capable of predicting the presence and burden of myocardial fibrosis in patients with hypertrophic cardiomyopathy (HCM) using radiomic features derived from non-contrast cine cardiac magnetic resonance (CMR) images and deep learning–based automatic segmentation methods. The secondary aim is to evaluate the biological plausibility of this approach by assessing the relationship between these radiomic features and clinical parameters reflecting patients' risk profiles. Materials and Methods: A total of 180 patients with hypertrophic cardiomyopathy (HCM) (119 males, 61 females) were retrospectively included in the study. Myocardial fibrosis was evaluated using cardiac magnetic resonance (CMR) imaging, including mapping and strain techniques. Automated myocardial segmentation was performed using the nnU-Net architecture; the model was initially trained on the ACDC dataset and subsequently optimized through fine-tuning with institutional data. A total of 1,643 radiomic features were extracted from myocardial masks using the PyRadiomics software, and those demonstrating high reproducibility were selected through intraclass correlation coefficient (ICC) analysis. For classification, the Random Forest algorithm was employed, and six main models were developed: models based solely on morphometric/functional parameters (MRIModel-1 and MRIModel-2), models based exclusively on radiomic features (RModel-1 and RModel-2), and hybrid models combining radiomic features with morphometric/functional parameters (HRModel-1 and HRModel-2). The relationship between the selected radiomic features and clinical scoring systems was also evaluated. Results: The developed segmentation model demonstrated high performance on institutional data, achieving a Dice similarity coefficient of 0.896. In detecting the presence of fibrosis (LGE+/−), the hybrid model (HRModel-1) showed significantly superior performance with an AUC of 0.826 compared to the radiomics-only model (AUC: 0.776) (p = 0.005). In distinguishing cases with a high fibrosis burden (LGE ≥15%) HRModel-2 achieved the highest performance with an AUC of 0.887. In clinical correlation analyses, particularly the features log-sigma-2-mm-3D_firstorder_Skewness and gradient_glcm_Correlation demonstrated significant correlations with the AHA-HCM-SCD risk score and were able to discriminate between ICD indication classes (Class 2A, 2B, and 3). Conclusion: Radiomic profiling derived from non-contrast cine CMR images, when integrated with an automated segmentation framework, provides a promising and fully non-invasive method for predicting the presence and burden of myocardial fibrosis in patients with HCM. The concordance between the extracted radiomic data and clinical risk scores supports the potential use of this approach as a reliable decision-support mechanism, particularly in patient populations in whom contrast agent administration is limited
Benzer Tezler
- Hipertrofik kardiyomiyopatide miyokardiyal fibrozisin değerlendirilmesinde kardiyak manyetik rezonans T1, T2 haritalama teknikleri ile strain analizinin etkinliği
The efficacy of cardiac magnetic resonance T1 and T2 mapping techniques and strain analysis in the assessment of myocardial fibrosis in hypertrophic cardiomyopathy
BEHLÜL ATALAY
Tıpta Uzmanlık
Türkçe
2025
Radyoloji ve Nükleer TıpSağlık BakanlığıRadyoloji Ana Bilim Dalı
UZMAN ESİN KURTULUŞ ÖZTÜRK
- Sağlıklı ve patolojik miyokardın ayrımında T1 haritalama
T1 mapping in differentiation of healty myocardium from pathological myocardium
SENA BOZER ULUDAĞ
Tıpta Uzmanlık
Türkçe
2024
Radyoloji ve Nükleer TıpAnkara ÜniversitesiRadyoloji Ana Bilim Dalı
DOÇ. DR. ELİF PEKER
- Hipertrofik kardiyomiyopatide sol atriyal apendiks fonksiyonlarının değerlendirilmesi
Assesment of left atrial appendage functions in hypertrophic cardiomyopathy
SELCEN YAKAR TÜLÜCE
Tıpta Uzmanlık
Türkçe
2009
KardiyolojiEge ÜniversitesiKardiyoloji Ana Bilim Dalı
DOÇ. DR. LATİFE MERAL KAYIKÇIOĞLU
- Hipertrofik kardiyomiyopatide elektrokardiyografinin yapısal değişiklikleri belirlemedeki yeri ve klinik önemi
The place and clinical importance of electrocardiography in determining structural changes in hypertrophic cardiomyopathy
EMRE ÖZMEN
Tıpta Uzmanlık
Türkçe
2020
Kardiyolojiİstanbul Üniversitesi-CerrahpaşaKardiyoloji Ana Bilim Dalı
DOÇ. DR. BURÇAK KILIÇKIRAN AVCI
- Obstrüktif/nonobstrüktif hipertrofik kardiyomiyopatide sol/sağ ventrikül uzun eksen fonksiyonlarının doku doppler tekniği ile karşılaştırması
Comparison of long axis functions of left/right ventricle with tissue doppler technique in obstructive/nonobstructive hypertrophic cardiomyopathy
AYCAN ESEN ZENCİRCİ