Endometrial kanserin ameliyat öncesi BT görüntülerinde elde edilen radiomics verileri kullanılarak makine öğrenmesi teknikleriyle kitle için yüksek risk değerlendirmesi yöntemi
High risk assessment method of endometrial cancer with machine learning techniques using radiomics data obtained in pre-operational CT images
- Tez No: 668309
- Danışmanlar: DR. ÖĞR. ÜYESİ ALPASLAN BURAK İNNER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 76
Özet
Endometrial kanser; günümüzde giderek artan obezite vakaları, fiziksel aktivitelerin azalması ve ortalama yaşam süresinin artmasıyla birlikte gün geçtikçe yaygınlaşan bir jinekolojik kanser türüdür. Endometrial kanserde hızlı ve yüksek doğrulukla tanı koymak çok önemlidir. Makine öğrenmesiyle Endometrial kanser için yapılan çalışma sayısı oldukça az olduğundan yapılan çalışma bu alana katkı sağlamayı hedefledi. Bu tez çalışmasında açık kaynaklı veri kümesi koleksiyonu olan The Cancer Genome Atlas (TCGA) 'dan alınan Bilgisayarlı Tomografi (BT) verileri kullanıldı. 135 adet hastaya ait olan BT verileri uzman radyolog tarafından 3D Slicer yazılımı ve Pyradiomics eklentisiyle doku analizi işlemi yapılarak elde edilen 130 öznitelik içeren radiomics verileri kullanıldı. Radiomics radyografik tıbbi görüntülerden çok sayıda sayısal parametrik değerler çıkarılarak elde edilen veridir. Veri ön işleme adımında radiomics sürüm bilgilerini içeren öznitelikler çıkarıldı ve aynı gruba ait olan kitle tipleri etiketlendi. Özniteliklerin sayısının azaltılması için Chi-Square Test, Mutual Information, ReliefF, MRMR, SBS ve SFS algoritmaları kullanıldı. Bu yöntemlerle elde edilen özniteliklerle; KNN, SVM, MLP, Decision Tree, Random Forest, GBM, LightGBM, XGBoost ve CatBoost sınıflandırma algoritmaları kullanılarak üç farklı sınıflandırma yapıldı. Yapılan ilk sınıflandırma Endometrioid ve Seröz alt-tiplerini kendi aralarında ayırabilmek için yapıldı ve bu sınıflandırma sonucunda elde edilen başarı %92 oldu. İkinci sınıflandırmada Myom tipini diğer tiplerden ayırmak istendi ve Myom-NonMyom sınıflandırması sonucunda %95 başarılara ulaşıldı. Son olarak çok sınıflı sınıflandırma yapıldı ve kitleler kendi aralarında sınıflandırıldı. Genel olarak yüksek sonuçlar veren bu sınıflandırmada %92 başarıya ulaşıldı. Bu çalışma sonucunda; radiomics verilerinin makine öğrenmesiyle kanser alt-tiplerini tespit etmek için kullanılmasının uygun olduğu görüldü.
Özet (Çeviri)
Endometrial cancer is a type of gynecological cancer that is spreading day by day with increasing obesity cases, decrease in physical activities and increase in average life expectancy. It is very important to diagnose endometrial cancer quickly and with high accuracy. There are many studies conducted in the field of disease detection with machine learning. However, since the number of studies for endometrial cancer is quite low, the thesis study aimed to contribute to this field. In this thesis, CT data from The Cancer Genome Atlas (TCGA), an open source data set collection, were used. The CT data belonging to 135 patients were used by an expert radiologist, using 3D Slicer and Pyradiomics software, using tissue analysis including filtering and segmentation steps, and 130-feature radiomics data. Radiomics is the data obtained by extracting a large number of numerical parametric values from radiographic medical images. After the data pre-processing steps, masses types were tagged. Chi-Square Test, Mutual Information, ReliefF, MRMR, SBS and SFS algorithms were used to reduce the number of features. With the attributes obtained by these methods; Three different classifications were made using KNN, SVM, MLP, Decision Tree, Random Forest, GBM, LightGBM, XGBoost and CatBoost classification algorithms. The first classification was made in order to distinguish between Endometrioid and Serous subtypes and the success achieved as a result of this classification was 92%. In the second classification, it was wanted to distinguish the Myom type from other types, and as a result of the Myom-NonMyom classification, 95% success was achieved. Finally, multi-class classification was made and masses were classified among themselves. In this classification, which generally gives high results, 92% success was achieved. As a result of this study, it was seen that it was appropriate to use radiomics data to detect cancer subtypes with machine learning.
Benzer Tezler
- Endometrium kanserinde preoperatif görüntüleme bulgularıyla postoperatif nihai patolojinin karşılaştırılması
The comparison of preoperative imaging findings and final pathology in endometrium cancer
ÖZCAN YILMAZ
Tıpta Uzmanlık
Türkçe
2023
Kadın Hastalıkları ve DoğumMersin ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ŞEVKİ GÖKSUN GÖKULU
- Endometrium kanserli hastalarda miyometrium invazyonunu değerlendirmede transvaginalsonorafinin duyarlılığı ve özgüllüğü
The sensitivity and spesifity of tvusg at evaluation of myometrial invasion in endometrial cancer patients
FİLİZ YARŞILIKAL
Tıpta Uzmanlık
Türkçe
2011
Kadın Hastalıkları ve DoğumSağlık BakanlığıKadın Hastalıkları ve Doğum Ana Bilim Dalı
DR. YAVUZ CEYLAN
- Endometrium kanseri tanısı alan hastalarda myometrial invazyon derinliğinin MRG ile değerlendirilmesi
MR inspection of myometrial invasion depth with endometrial cancer diagnosis
MAŞALLAH ZORLU
Tıpta Uzmanlık
Türkçe
2016
Kadın Hastalıkları ve Doğumİstanbul ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
PROF. DR. SAMET TOPUZ
- Preoperatif sistemik inflamatuar yanıt indeksinin (SIRRI) nonendometrioid tip endometrium kanserlerinde prognoz ve sağkalım üzerine etkisi
The effect of preoperative systemicinflammatory response index (SIRRI) on prognosis and survival in non-endometrioidendometrial cancers
FATMA ÜLKÜ BETÜL KURT
Tıpta Uzmanlık
Türkçe
2022
Kadın Hastalıkları ve DoğumSağlık Bilimleri ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
DOÇ. DR. İLKBAL TEMEL YÜKSEL
- Endometriyum kanserinde missmatch repair proteinlerinin immunohistokimyasal boyama ile gösterilmesi ve prognostik faktörler üzerine etkisi
Investigation of mismatch repair proteins in endometrium cancer with immunohistochemical staining and its effect on prognostic factors
BİLGE YAVUZ KEKEÇ
Tıpta Uzmanlık
Türkçe
2022
Kadın Hastalıkları ve DoğumErciyes ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
PROF. DR. BÜLENT ÖZÇELİK