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: Biyo-Medikal Mühendislik Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 84
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
- Anaplastik oligodendrogliomda kromozom 1P ve 19q'daki kombine delesyonun, IDH-1 gen mutasyonu ve p53 protein ekspresyonu ile korelasyonu ve klinikopatolojik parametrelerle ilişkisi
The correlation between chromosome 1P/19q combined deletion, IHD1 gene mutation P53 protein overexpression and clinicopathologic parameters in anaplastic oligodendroglioma
UĞURAY PAYAM AHMEDMAULID
Tıpta Uzmanlık
Türkçe
2013
Moleküler Tıpİstanbul ÜniversitesiPatoloji Ana Bilim Dalı
PROF. DR. BİLGE BİLGİÇ
- Glio-SERS: Artificial intelligence and surface enhanced raman spectroscopy driven liquid biopsy method for brain tumor classification
Glio-SERS: Beyin tümörlerinin sınıflandırılması için yapay zeka ve yüzey güçlendirilmiş raman spektroskopisi tabanlı sıvı biyopsi yöntemi
HÜLYA TORUN
Doktora
İngilizce
2024
BiyomühendislikKoç ÜniversitesiBiyomedikal Bilimler ve Mühendislik Ana Bilim Dalı
PROF. DR. İHSAN SOLAROĞLU
PROF. DR. UTKAN DEMİRCİ
- Derin öğrenmenin U-net modellemesi kullanılarak beyin tümörünün görüntü tabanlı segmentasyonu
Image-based segmentation of brain tumor using U-net modeling of deep learning
DUYGU IŞIK
- Gliomlarda benign-malign ayrımında perfüzyon vepermeabilite MRG nin rolü ve önemi
Perfusion and permeability MRI in grading gliomas
SONAY AYDIN
Tıpta Uzmanlık
Türkçe
2018
Radyoloji ve Nükleer TıpSağlık Bilimleri ÜniversitesiRadyoloji Ana Bilim Dalı
DOÇ. DR. ELİF ERGÜN
- Glial tümörlerde malignite derecelendirilmesi ve prognoz belirlenmesinde Talyum-201 Spect'in yeri ve önemi
Role and significance of Thallium-201 Spect in grading Glial tumors and determining prognosis
GÖNÜL GÜVENÇ
Tıpta Uzmanlık
Türkçe
1997
NöroşirürjiSağlık BakanlığıNöroşirürji Ana Bilim Dalı
DOÇ. DR. DOÇ.DR.ŞEVKET TEKTAŞ