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
- Tez No: 641443
- Danışmanlar: DR. ÖĞR. ÜYESİ MESUDE TOSUN
- Tez Türü: Tıpta Uzmanlık
- Konular: Radyoloji ve Nükleer Tıp, Radiology and Nuclear Medicine
- Anahtar Kelimeler: Karaciğer metastazı, Primer tümör, Makine Öğrenmesi, Radiomics, Liver Metastasis, Primary Tumor, Machine Learning, Radiomics
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Radyoloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 59
Özet
Giriş ve Amaç: Karaciğer metastazı tespit edildikten sonra primer tümör odağını belirlemek amacıyla çok sayıda görüntüleme, fizik muayene, labarotuar testleri yapılmakta olup bazen odak bulunamamaktadır.Bu çalışmada karaciğer metastazları üzerinden primer tümör odağını öngörmede radiomics ve makine öğrenmesinin katkısını araştırmak amaçlanmıştır. Gereç ve Yöntem: Çalışmamız retrospektif olup primer tümörü kolorektal, akciğer, pankreas, mide ve meme kanseri olan karaciğer metastazı bulunan 201 hasta dahil edildi. Portal venöz faz BT görüntülerinden şekil tabanlı ve birinci, ikinci ve yüksek düzey texture özellikleri olmak üzere toplam 107 adet radiomics özelliği elde edildi. Filtreleme yöntemi olarak Laplacian Gaussian tekniği kullanıldı. Radiomics özellikleri kullanılarak support vector machine, lojistik regresyon, kNN, naive bayes, decision tree, random forest ve neural network algoritmaları ile sınıflandırma yapıldı. Özellik azaltma yöntemi olarak filtresiz görüntülerde anova, ince filtreli görüntülerde reliefF, kaba filtreli görüntülerde fcbf metodu kullanıldı. İnternal validasyon tekniği olarak stratified-10 fold cross-validation kullanıldı. Makine öğrenmesi algoritmalarının sınıflandırma performansı area under the curve(AUC), sensitivite, spesifite ve doğruluk oranları ile değerlendirildi. Bulgular: Meme kanseri metastazını diğer gruplardan ayırmada tüm ML lerin performansı anlamlı yüksek bulunmuş olup (AUC >0.9) performansı en yüksek algoritma kaba filtreli görüntülerde özellik azaltma yöntemi kullanılarak naive bayes algoritmasıydı (AUC:0.977). Sonuç: Karaciğer metastazlarında özellikle meme kanserini saptamada ve dışlamada radiomics tabanlı ML ile elde ettiğimiz sonuçlar primer tümör odağını öngörmede umut verici olup gelecekte tanı aracı olarak hizmet verebilir.
Özet (Çeviri)
Introduction and purpose: After liver metastasis have been detected, sometimes primary tumor can't be determined, although many imaging techniques, physical examination and laboratory tests are performed. In this study, we aimed to investigate to contribution of radiomics and machine learning to predict primary tumor sites Materials and methods: 201 patients with primary tumor (colorectal, lung, pancreas, stomach and breast cancer) liver metastasis were included in this retrospective study. A total of 107 radiomics features, including shape-based, first, second and higher-order textural features, were extracted from portal venous phase CT images. Laplacian Gaussian technique was used as a filtering method. Classifications were made with support vector machine, logistic regression, kNN, naive bayes, decission tree, random forest and neural network using radiomics features. As feature reduction method, anova was used for unfiltered images, reliefF was used fort thin-filtered images and fcbf was used for coarse-filtered images. Starified 10 fold cross-validation was used as an internal validation technique. The machine learning algorithms were evaluated with the area under the curve (AUC), sensitivity, specificity, and accuracy rates. Results: In seperating breast canser metastases from other groups the performans of all MLs was found to be significantly high (AUC >0.9) and the algorithm with the highest performance was naive bayes algorithm using feature reduction method in coarse filter images. Conclusion: The results we obtained with radiomics-based ML in distinguishing liver metastases, especially in detecting and excluding breast cancer, are promising in predicting primary tumor focus and may serve as diagnostic tools in the future.
Benzer Tezler
- Meme kanserinde Tc-99m V-DMSA (Pentavalan-Dimerkaptosüksinik Asid) sintigrafisi ile F-18 FDG PET/BT çalışmalarının karşılaştırılması ve sintigrafik çekimler esnasında meme yastığı ile pozisyonlanmış ve pozisyonlanmamışgörüntülerin karşılaştırılmalı değerlendirilmesi
Comparison of Tc-99m V-DMSA scintigraphy and F-18 FDG PET/CT in breast cancer and evaluation of scintigraphic images obtained with and without breast positioining
SEZEN ELHAN VARGÖL
Tıpta Uzmanlık
Türkçe
2014
Radyoloji ve Nükleer TıpHacettepe ÜniversitesiDahili Tıp Bilimleri Bölümü
PROF. DR. ESER LAY ERGÜN
- Kolorektal kanserlerin primer tümör ve metastazlarındaki genomik kopya değişimleri
Genomic copy changes in primary tumors and metastases of colerectal cancer
BEHİYE KAYTAZ ŞENEL
Yüksek Lisans
Türkçe
2005
Tıbbi BiyolojiEskişehir Osmangazi ÜniversitesiTıbbi Genetik Ana Bilim Dalı
PROF.DR. SEVİLHAN ARTAN
- Kolorektal kanser karaciğer metastazlarında radyoembolizasyon tedavisinin etkinliğinin değerlendirilmesi
Evaluation of the efficacy of radioembolization in colorectal cancer liver metastases
DUYGU KARAHACIOĞLU
Tıpta Uzmanlık
Türkçe
2014
Radyoloji ve Nükleer TıpAnkara ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. DR. UMMAN NUREDDİN SANLIDİLEK
- Koloraktal kanser karaciğer metastazlarının cerrahi tedavisinin kısa dönem sonuçları
Short-term results of surgical therapy in colorectal liver metastases
Ö. KEMAL AYALP
Tıpta Uzmanlık
Türkçe
2003
Genel Cerrahiİstanbul ÜniversitesiGenel Cerrahi Ana Bilim Dalı
DOÇ. DR. ORHAN BİLGE
- Deneysel meme kanseri modelinde splenektominin immünolojik etkisi
Effect of immunological experimental splenectomy model of breast cancer
MURAT SEVMİŞ
Tıpta Uzmanlık
Türkçe
2015
Genel CerrahiHacettepe ÜniversitesiGenel Cerrahi Ana Bilim Dalı
DOÇ. DR. DERYA KARAKOÇ