Predicting glioma molecular subtype from diffusion anisotropy indices' distributions
Gliomlarda genetik altgrupların difüzyon eşyönsüzlük indislerinin dağılımları ile belirlenmesi
- Tez No: 682570
- Danışmanlar: DOÇ. DR. İBRAHİM ALPAY ÖZCAN
- Tez Türü: Yüksek Lisans
- Konular: Radyoloji ve Nükleer Tıp, Radiology and Nuclear Medicine
- Anahtar Kelimeler: Glioblastom, Manyetik Rezonans Görüntüleme, Difüzyon Tensör Görüntüleme, Eşyönsüzlük İndisleri, Dağılımlar, Makine Öğrenmesi, Glioblastoma, Magnetic Resonance Imaging, Diffusion, Diffusion Tensor Imaging, Anisotropy Indices, Distributions, Machine Learning
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Biyomedikal Mühendislik Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
İzositrat dehgidrogenaz (IDH) ve telomeraz ters transkriptaz (TERT) gibi gliom genetik mutasyonları sağkalım ve hastalığın seyri ile ilgili önemli bilgiler içerir. Ancak mutasyon tespiti yalnızca sınırlı bir bölgeyi temsil eden biyopsi örneği ile gerçekleştirilir. Literatürde invazif olmayan yöntemlerle mutasyon tespiti yapmayı amaçlayan çalışmalar bulunmaktadır, ancak bu çalışmaların çoğu yalnızca tümör bölgesi üzerine odaklanmıştır. Gliomlar normal görunen beyaz maddeyi (NGMB) istila etmeleriyle bilinirler. Bu yüzden bu bölgede genetik mutasyon tahmini icin gerekli bilgiler bulunabilir. Difüzyon tensör görüntülemeden (DTG) elde edilen difüzyön eşyönsüzlük indisleri (DEİ) ve difüzyon tensör özdeğerleri (DTÖ) bu bölgedeki difüzyonu tanımlamakta kullanılabilir. Tam DEİ ve DTÖ dağılımları, tümörun NGBM'deki kompleks etkilerini betimleyici istatistiklerden daha iyi temsil edebilir. Bu çalışmada, NGBM'deki DEİ ve DTÖlerin betimleyici istatistiklerinin, tam dağılımlarının ve çoklu–Gauss modeli (ÇGM) parametrelerinin IDH–TERT altgrupları ile IDH ve TERT mutasyonlarını tahmin etme performansları 70 gliom hastasında karsılaştırılmıştır. Beyin yarımküreleri arasındaki farklar ise sağlıklı ve tümörlü beyin yarımküre dağılımlarının farkı ile incelenmiştir. Sonuçlar tam DEİ ve DTÖ dağılımlarının gliom mutasyonlarını betimleyici istatistiklerden daha iyi, ÇGM parametrelerinden ise daha iyi ya da benzer performansta tahmin ettiğini göstermiştir. Aynı zamanda, öznitelik seçme yöntemleri sınıflandırma doğruluğunu arttırmıştır. IDH–TERT altgrupları en iyi %78.6, IDH mutasyonu en iyi %94.3 ve TERT mutasyonu en iyiy %88.6 doğruluk oranları ile tahmin edilmiştir. Gelecek çalışmalar sınıflandırma doğruluğunu arttırmaya ve hasta bazında ÇGM parametrelerinin değerlendirilmesine odaklanacaktır.
Özet (Çeviri)
Incorporation of glioma genetic mutations, including isocitrate dehydrogenase (IDH) and telomerase reverse transcriptase (TERT), provides information on overall survival and disease course. However, such mutations are determined from a biopsy sample which represent only the biopsied region. Non–invasive tumor genotype prediction have been studied, but they mostly focusing only on the tumor. Yet, gliomas are known to infiltrate along normal–appearing white matter (NAWM), where relevant genotype information might be available. Diffusion anisotropy indices (DAIs) and diffusion tensor eigenvalues (DTEs), derived from diffusion tensor imaging (DTI), can be used to quantify the diffusion in the NAWM of glioma patients with varying mutation status. We hypothesize that using full–distributions of DAIs and DTEs can better represent the complex tumor effects in the NAWM in comparison to usual summary statistics. In this study, we have compared the predictive values of summary statistics, full distributions and multi–Gaussian fitting (MGF) parameters of DAIs and DTEs in the NAWM for predicting IDH–TERT subgroups, IDH and TERT mutations in 70 glioma patients. Hemispheric variations were also investigated with hemisphere difference distributions.The results show that, full distributions can predict tumor genotype better than standard distribution parameters, and perform better than or as well as MGF parameters. Additionally, feature selection applied to full distributions further increased classification accuracy. IDH–TERT subgroups were best predicted with 78.6% accuracy, IDH mutation with 94.3% accuracy, and TERT mutation with 88.6% accuracy. In conclusion, full distributions are better predictors of genotype prediction. Future work will focus on increasing accuracy on a larger cohort and personalized MGF.
Benzer Tezler
- Glioma alt tiplerinin mRNA ekspresyon verileri kullanılarak makine öğrenmesi yöntemleri ile sınıflandırılması
Classification of glioma subtypes by mRNA expression data using machine learning methods
TUĞBA BUÇAN YALÇİNKAYA
Yüksek Lisans
Türkçe
2025
BiyoistatistikKaradeniz Teknik ÜniversitesiBiyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
DOÇ. DR. BURÇİN KURT
- Yüksek grade IDH mutant gliomlar ile IDH wild glioblastom ayrımında MR görüntüleme: Retrospektif araştırılması
The role of magnetic resonance imaging in the differentiation of high grade idh mutant astrocytoma versus idh wild glioblastoma: retrospective based study
EYÜP ÇAMURCUOĞLU
Tıpta Uzmanlık
Türkçe
2022
Radyoloji ve Nükleer TıpSağlık Bilimleri ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. DR. AHMET MESRUR HALEFOĞLU
- Glial tümörlerin sağkalımında preoperatif inflamatuar belirteçler ile ki-67 ilişkisinin incelenmesi ve prognostik modelleme geliştirilmesi
Examination of the relationship between preoperative inflammatory markers and ki-67 in the survival of glial tumors and development of prognostic modelling
NAZMİ UĞUR ÜNLÜ
Tıpta Uzmanlık
Türkçe
2023
NöroşirürjiSağlık Bilimleri ÜniversitesiBeyin ve Sinir Cerrahisi Ana Bilim Dalı
DOÇ. DR. SEÇKİN AYDIN
- Identification of who grade and molecular genetic features in brain tumors using susceptibility-weighted magnetic resonance imaging and machine learning
Beyin tümörlerinde dünya sağlık örgütü derecesi ve moleküler genetik özelliklerin duyarlılık ağırlıklı görüntüleme ve makine öğrenimi kullanarak tanımlanması
SENA AZAMAT
Doktora
İngilizce
2025
BiyomühendislikBoğaziçi ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. ESİN ÖZTÜRK IŞIK
- Evaluation of optimal Ki-67 cutoff value differentiating astrocytomas, oligodendroglioma and glioblastoma
Optimal Ki-67 kesme değeri farklılıklarının astrocytomas, oligodendroglioma ve glioblastoma değerlendirilmesi
TIBA IDHAM MOHAMMED
Yüksek Lisans
İngilizce
2020
PatolojiBahçeşehir ÜniversitesiNörobilim Ana Bilim Dalı
PROF. DR. OZLEM YAPİCİER