Geri Dön

Non-small cell lung cancer tumor characterisation using deep learning

Derin öğrenme yaklaşımlarıyla küçük hücreli dışı akciğer kanserinde tümör karakterizasyonu

  1. Tez No: 670806
  2. Yazar: MUSTAFA BIÇAKCI
  3. Danışmanlar: PROF. DR. BÜLENT YILMAZ
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: İngilizce
  9. Üniversite: Abdullah Gül Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 92

Özet

Küçük Hücreli Dışı Akciğer Kanseri (KHDAK) akciğer kanserlerinin büyük çoğunluğunu oluşturur ve adenokarsinom (ADC) ve skuamöz hücreli karsinom (SqCC) olmak üzere iki önemli alt tipi vardır. Genel olarak, bu iki alt tip mikroskobik olarak belirlenen morfolojik kriterler dikkate alınarak birbirinden ayrılır. Ancak, kötü morfoloji bunu oldukça zorlaştırır. Alt tipe özel tedavi yöntemleri için bu tür çalışmalar önemlidir. Bu tezde, pozitron emisyon tomografi (PET) görüntüleri kullanılarak KHDAK'nin alt tiplerinin sınıflandırılması üzerinde derin öğrenme (DÖ) yöntemleri incelenmiştir. İlk çalışmada, DÖ yöntemlerinin temelini oluşturan yapay sinir ağları (YSA) kullanılarak %73 doğru sınıflandırma başarısı elde edilmiştir. İkinci çalışmada, PET görüntülerinden alınan bölütlenmiş tümör kesitleri kullanılarak birkaç DÖ modeli incelenmiştir. Sonuçta, %95 F skoru ile VGG16 ve VGG19 en başarılı modeller olmuştur. Bu çalışmanın sonunda kesit bazlı çalışmalar bırakılarak hasta bazlı çalışmalara geçilmiştir. Üçüncü çalışmada, hasta bazlı dilimlerin birleştirilmesiyle oluşturulan üç boyutlu (3B) verilerin kullanımı yeterli başarıyı sağlamamıştır. Dördüncü çalışmada, PET görüntülerinin doğrudan kullanıldığı, tümör kısımlarının kırpılarak kullanıldığı ve bölütlenmiş tümör parçalarının kullanıldığı üç farklı deney yapılmıştır. Bu çalışma, peritümoral alanların sınıflandırmada olumlu etkisini ortaya koymuş ve VGG19 %74 F skoru değerine ulaşmıştır. Beşinci çalışmada, transfer öğrenme ve hassas ayar çalışmaları başarısızdı. CNN ve ResNet tabanlı sığ ağları içeren son çalışma %71 F skoru ile umut verici olmuştur.

Özet (Çeviri)

Non-small cell lung cancer (NSCLC) constitutes the vast majority of lung cancers and has two major subtypes, adenocarcinoma (ADC) and squamous cell carcinoma (SqCC). Generally, these two subtypes are distinguished from each other by considering microscopic morphological criteria. However, poor morphology makes this quite difficult. Such studies are important for subspecialty treatment methods. In this thesis, deep learning (DL) methods on the subtype classification of NSCLC were investigated. In the first study, 73% success rate was achieved by using artificial neural networks (ANN), which form the basis of DL methods. In the second study, several DL models were investigated on subtype classification using segmented tumor slices from PET images. As a result, VGG16 and VGG19 emerged as the most successful models with a 95% F-score. Later, slice based studies were abandoned and patient based studies were initiated. In the third study, the use of three-dimensional (3D) data created by combining slices from each patient was not successful. In the fourth study, three different experiments were conducted in which PET images were directly used, cropped to include peritumoral areas, and segmented only tumor parts. This study demonstrated the positive effect of peritumoral areas and VGG19 reached an F-score of 74%. In the fifth study, transfer learning and fine tuning works did not yield successful results. The latest study involving CNN-based and ResNet-based shallow networks was promising with an F-score of 71%.

Benzer Tezler

  1. Cellular characterization of immune cells in non-small cell lung cancer and mesothelioma

    Küçük hücreli dışı akciğer kanseri ve mezotelyomada immün hücrelerin hücresel karakterizasyonu

    GÖNÜL SEYHAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Allerji ve İmmünolojiİstanbul Teknik Üniversitesi

    Moleküler Biyoloji-Genetik ve Biyoteknoloji Ana Bilim Dalı

    DOÇ. DR. AYÇA SAYI YAZGAN

  2. Küçük hücreli dışı akciğer kanserinde, vinorelbinin m2 makrofajları modüle etme ve tümör progresyon genlerinin ekspresyon seviyesi üzerindeki etkisi

    The effect of vinorelbine on modulating M2 macrophages and expression level of tumor progression genes in non-small cell lung cancer

    AHMED FARIS SAAD AL-OMAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    OnkolojiEge Üniversitesi

    Temel Onkoloji Ana Bilim Dalı

    DOÇ. DR. AYŞE CANER

  3. Küçük hücreli dışı akciğer kanserlerinde nodal evrelemede BT, PET/BT ve histopatolojik verilerin karşılaştırılması

    Comparing the effectiveness between CT and PETCT in preoperative nodal staging in nonsmall cell lung cancer

    SÖZEN DOĞAN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2010

    Radyoloji ve Nükleer TıpEge Üniversitesi

    Radyoloji Ana Bilim Dalı

    PROF. DR. RECEP SAVAŞ

  4. Akciğer kanseri tedavisinde kullanılmak üzere nanopartikül içeren kuru toz inhaler formülasyonu hazırlanması, karakterizasyonu ve in vitro değerlendirilmesi

    Development, characterization and in vitro evaluation of dry powder inhaler formulation containing nanoparticles for use in lung cancer treatment

    ZEYNEP MERVE GEYİK

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Eczacılık ve FarmakolojiHacettepe Üniversitesi

    Farmasötik Teknoloji Ana Bilim Dalı

    DOÇ. DR. YAĞMUR AKDAĞ ÇAYLI

  5. Kanser tanısı için monoklonal antikor yüklü radyofarmasötiklerin geliştirilmesi ve etkinliğinin in vitro/in vivo çalışmalarla değerlendirilmesi

    Development of monoclonal antibody loaded radiopharmaceuticals for cancer diagnosis and evaluation of efficacy with in vitro/in vivo studies

    MELİHA EKİNCİ

    Doktora

    Türkçe

    Türkçe

    2021

    Eczacılık ve FarmakolojiEge Üniversitesi

    Radyofarmasi Ana Bilim Dalı

    DOÇ. DR. DERYA İLEM ÖZDEMİR