Geri Dön

Gerçek zamanlı mamografi yorumu karar destek sistemi

A real time decision support system for mammography interpretations

  1. Tez No: 396228
  2. Yazar: SELEN BOZKURT
  3. Danışmanlar: YRD. DOÇ. DR. KEMAL HAKAN GÜLKESEN
  4. Tez Türü: Doktora
  5. Konular: Biyoistatistik, Biostatistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2015
  8. Dil: Türkçe
  9. Üniversite: Akdeniz Üniversitesi
  10. Enstitü: Sağlık Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 58

Özet

Radyoloji raporları genellikle yapılandırılmamış düz metinler halinde olup, karar destek için kullanılabilecek bir çok veriyi içinde barındırmaktadırlar. Bunun yanı sıra raporlarda genellikle birden fazla lezyona ve bu lezyonların özelliklerine ait bilgiler bulunmakta ve bu durum her bir lezyona ait bilgi çıkarımı gibi ileri düzey bir çalışmayı gerektirmektedir. Bu çalışmanın amaçlarından ilki, doğal dil işleme yöntemleri ile yapılandırılmamış ya da yarı yapılandırılmış mamografi raporlarından karar destek sistemine girdi verisi olarak verilebilecek otomatik bilgi çıkarımı sağlayan bir sistem geliştirmektir. Bu amaçla, General Architecture for Text Engineering (GATE) NLP isimli platform kullanılarak, bir çok farklı bileşen içeren bir ardışık düzen geliştirilmiştir. Bu ardışık düzen sonucunda karar destek için gerekli olan veriler mamografi raporlarından çıkartılmaktadır. Geliştirilen sistem Stanford Üniversitesi görüntü bilişimi laboratuarının kullanımına sunulmuş olan ve yapılandırılmış raporlama uygulamasını da destekleyen PenRad (PenRad, Buffalo, MN) isimli radyoloji veri tabanından seçilen 300 mamografi raporu üzerinde değerlendirilmiştir. Referans veri setinde 797 lezyon bulunurken sistem 815 lezyon saptamıştır (780 gerçek pozitif, 35 yanlış pozitif, 17 yanlış negatif). Geliştirilen bilgi çıkarımı sisteminin tüm lezyonların özellikleriyle birlikte saptanma doğruluğunu belirten kesinlik değeri 94,9 olup hassasiyet değeri 90,9'dur ve F ölçümü 92,8 olarak hesaplanmıştır. Bir çok çalışmada mamografi değerlendirmelerinde gözlemler ve gözlemciler arası değişkenliğin önemli bir problem olduğu ve bu değişkenliği azaltmak için mamografide karar destek sistemlerinin kullanımının önemi vurgulanmıştır. Klinik değerlendirmeler sırasında ortaya çıkan bu ve benzeri problemlerin çözümünde karar destek sistemlerinin katkıları bilinse de, bulgulardaki değişkenlik gibi problemlerinin giderilmesine katkı sağlayan BI-RADS sınıflandırma sistemini içeren ve gerçek zamanlı sonuç veren bir karar destek sistemi bulunmamaktadır. Bu çalışmanın ikinci amacı, bilgi çıkarımı sisteminin çıkarttığı bilgileri karar destek sistemine girdi verisi olarak vererek, raporlama sırasında lezyonlara ait sonuç üretebilecek gerçek zamanlı karar destek sistemi (GZ-KDS) geliştirmek ve çıktılarını değerlendirmektir. Bilgi çıkarımı sistemi tarafından saptanan ve referans veri setinde bulunan verilerin karar destek sisteminde analizi ile elde edilen BI-RADS sınıflama kodları arasındaki uyumu ölçmek için hesaplanan ağırlıklandırılmış Kappa (ƙw) değeri κ=0.721 olarak hesaplanmıştır (p

Özet (Çeviri)

Radiology reports are usually narrative, unstructured text, a format which hinders the ability to input report contents into decision support systems. In addition, reports often describe multiple lesions, and it is challenging to automatically extract each lesion and its relationships to characteristics, anatomic locations, and other information that describes it. One of the goals of this work is to develop natural language processing (NLP) methods to recognize each lesion in free-text mammography reports and to extract its corresponding relationships, producing a complete information frame for each lesion. NLP information extraction pipeline was built in the General Architecture for Text Engineering (GATE) NLP toolkit. Sequential processing modules are executed, producing an output information frame required for a mammography decision support system. Each lesion described in the report is identified by linking it with its anatomic location in the breast. In order to evaluate our system, we selected 300 mammography reports from a hospital report database, whose reports were created using a structured reporting application (PenRad, Buffalo, MN). The gold standard contained 797 lesions, and our system detected 815 lesions (780 true positives, 35 false positives, and 17 false negatives). The precision of detecting all the imaging observations with their modifiers was 94.9, recall was 90.9, and F measure was 92.8. In mammography, Decision Support Systems (DSSs) are particularly important since there is variation in radiologist practice. The second goal of this study is to address the critical hurdle of enabling the deployment of DSS into the clinical workflow by developing a real-time mammography reporting decision support system (RT-MRDSS) for mammography that (1) extracts from narrative mammography reports a comprehensive set of inputs into a DSS for mammography, comprising radiologist-observed features and (2) provides real-time decision support about the diagnosis (as soon as the radiologist completes the report). We also present an initial evaluation of our RT-MRDSS system. In our case, the agreement in BI-RADS classification codes produced by our RT-MRDSS and by the gold standard was substantial (κw=0.721; p

Benzer Tezler

  1. Kırgız seçkinlerinin siyasi ve tarihi rolü (XIX yy. ortası- XX yy. başı

    Кыргыз элитасынын саясий жана тарыхый ролу (XIX к. ортосу-XX к. башы)

    CAKŞILIK KADIR UULU

    Yüksek Lisans

    Kırgızca

    Kırgızca

    2021

    Siyasal BilimlerKırgızistan-Türkiye Manas Üniversitesi

    PROF. DR. MURATBEK KOCOBEKOV

  2. Wavelet based tumor detection and its application on mammograms

    Mamogramlarda dalgacık tabanlı yöntemle tümör belirleme

    BURAK TÜYSÜZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2007

    Elektrik ve Elektronik MühendisliğiGaziantep Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÜLAY TOHUMOĞLU

  3. Vector-driven: A new projection and backprojection algorithm based on vector mapping

    Vector-driven: Vektör haritalamasına dayalı yeni bir projeksiyonve ters projeksiyon algoritması

    İSMAİL MELİK TÜRKER

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İSA YILDIRIM

  4. Simulation, evaluation and study of digital breast tomosynthesis imaging based on compressed sensing methods using total variation minimization

    Sayısal meme tomosentezi görüntülemenin toplam değişinti minimizasyonu kullanarak sıkıştırılmış algılama yöntemleri temelli benzetimi, değerlendirmesi ve çalışması

    SAEEED SEYYEDI

    Yüksek Lisans

    İngilizce

    İngilizce

    2014

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. İSA YILDIRIM

  5. Meme kitlelerinin benign ve malign ayırıcı tanısında sonoelastografinin katkısı

    Evaluate the sonoelastography diagnostic performance in differensiation of benign and malignant breast masses

    SETAREH FARROKHNİA

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2012

    Radyoloji ve Nükleer TıpEge Üniversitesi

    Radyoloji Ana Bilim Dalı

    PROF. DR. IŞIL GÜNHAN BİLGEN