Tek faz kontrastlı bilgisayarlı tomografi tetkiklerinde sürrenal kitle lezyonlarının histopatolojik tanıları ile radiomics tekstür parametrelerinin karşılaştırılması
Comparison of histopathological diagnoses of surrenal lesions and radiomics texture parameters obtained from single-phase contrast-enhanced computed tomography examinations
- Tez No: 686457
- Danışmanlar: UZMAN MUTLU GÜLBAY
- Tez Türü: Tıpta Uzmanlık
- Konular: Radyoloji ve Nükleer Tıp, Radiology and Nuclear Medicine
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Sağlık Bilimleri Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Radyoloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 62
Özet
Sürrenal kitle lezyonlarının karakterizasyonu, tüm populasyonda ve özellikle malign primer lezyona sahip hastalarda büyük önem taşımaktadır. Kontrastsız BT tetkikinde lezyon 10 HU'den düşük dansiteye sahip ise lipidden zengin adenom öntanısına ulaşılabilmekte; adenomların %30'unu oluşturan lipidden fakir adenomların karakterizasyonunda ise bu yöntem yetersiz kalmaktadır. Trifazik BT, kolay uygulanabilirliği nedeniyle bir sonraki aşamada ön planda kullanımda olup üç ayrı faza ait radyasyon dozu ilk tetkike eklenmektedir. Üç fazlı BT'ye rağmen tetkikin sensitivite ve spesifitesi bazı lezyonlarda düşük kalmakta, histopatolojik tanıya başvurulmaktadır. Çalışmamızda tek faz kontrastlı BT tetkiklerinde yeni bir teknik olarak tekstür analizinin kullanımıyla oluşturulan parametreler ve bunlara dayalı geliştirilen olasılıksal modellerin, lipidden fakir adenomların (Grup 1) sürrenal malign lezyonlar ve feokromasitomalardan (Grup 2) ayrımındaki başarısı değerlendirildi. Bu amaçla sürrenal lezyonlarının patolojik tanısı bulunan ve portal venöz fazda BT tetkikleri elde olunan hastalar örnekleme dahil edilmiş, kriterleri sağlayan 76 hasta çalışmaya alınmıştır. Grup 1'de 38, Grup 2'de 38 lezyonun her biri serbest el tekniği ile segmente edilmiş, tüm tümör dokusunu içeren region of interest (ROI) alanları birleştirilerek lezyonun tamamı bir volume of interest (VOI) olarak elde edilmiştir. Bu VOI kullanılarak tüm lezyonlarda boyut, şekil, birinci derece ve ikinci derece tekstür parametreleri çalışılmış olup her bir parametrenin lezyonları ayırt etme etkinliği ROC analizi (Receiver Operating Characteristics) ile değerlendirilmiş, eğri altında kalan alan (Area Under the Curve; AUC), sensitivite, spesifite ve accuracy (doğruluk) değerleri hesaplanmıştır. Hiçbir tekstür parametresinin tek başına bir sınıflandırıcı (univariate classifier) olarak yeterli AUC, sensitivite spesifite ve accuracy üretemediği görülmüş ve lezyon ayırımında olasılıksal modeller ile Makine Öğrenmesi (Machine Learning) metodu kullanılmasına karar verilmiştir. Bu maksatla ROC analizinde 0.70'in üzerinde AUC değerine sahip olan parametreler kullanılarak modeller oluşturulmuş; eğri altında kalan alanları 0.907'ye varan, sensitivite, spesifite ve accuracy değerleri 0.85'e yaklaşan 4 model elde olunmuş ve bunlardan üçünün karar eğrisi analizi (Decision curve analysis; DCA) ile lipidden fakir adenomların malign sürrenal lezyonlar ve feokromasitomadan ayrımındaki net yararı ortaya konmuştur. Sonuç olarak, tek faz kontrastlı BT tetkiki kullanılarak tekstür analizinden elde olunan parametrelere dayalı olasılıksal modelleri kullanan makine öğrenmesi metodu, sürrenal lezyon karakterizasyonu açısından başarılı ve yeni bir metot olarak kabul edilebilir.
Özet (Çeviri)
Characterization of adrenal mass lesions is of great importance in the population and especially in patients with malignant primary lesions. Lipid-rich surrenal adenoma is diagnosed in a lesion with a mean density lower than 10 HU in a non-enhanced computed tomography (NECT) study, however, this method is inadequate in characterization of lipid-poor adenomas that make up 30% of all adenomas. Although dynamic surrenal CT is an easily accessible test, the patient is re-exposed to radiation in addition to the previous examination. Moreover, dynamic surrenal examination cannot provide a valuable diagnostic contribution in some cases and a histopathological diagnosis is needed. In our study, it was aimed to measure the success of the parameters and probabilistic models based on these parameters created by the use of texture analysis as a new technique using single-phase contrast enhanced CT exams in differentiation of lipid-poor adenomas (Group 1) or malignant surrenal mass lesions and pheochromacytomas (Group 2). For this purpose, patients with pathological diagnosis of surrenal lesions and those with CT examinations in the portal venous phase were enrolled in the sample, and 76 patients who met the criteria were included in the study. Each of the 38 lesions in Group 1 and 38 lesions in Group 2 was segmented with free hand technique, and the entire lesion was obtained as a volume of interest (VOI) by combining the region of interest (ROI) areas obtained sequentially and containing all tumor tissue. Using this VOI; size, shape, first order and second order texture parameters were studied in all lesions; the efficiency of each parameter to distinguish two groups was evaluated with ROC analysis (Receiver Operating Characteristics), and its area under curve (AUC), sensitivity, specificity and accuracy were calculated. It was seen that no texture parameter alone could produce a sufficient AUC, sensitivity, specificity and accuracy as a classifier, and it was decided to use probabilistic models and machine learning method in lesion separation. For this purpose, models were created by using parameters with AUC values above 0.70 in ROC analysis; 4 models with AUC's up to 0.907 and sensitivity, specificity and accuracy values approaching 0.85 were obtained and the net benefit in distinguishing lipid-poor adenomas from malignant adrenal lesions and pheochromacytomas was demonstrated with Decision Curve Analysis (DCA). In conclusion, machine learning method using probabilistic models based on parameters obtained from texture analysis using single phase contrast CT examination can be considered as a successful and new method in terms of characterization of surrenal lesions.
Benzer Tezler
- Çok dedektörlü bilgisayarlı tomografi ile pulmoner ven varyasyonlarının değerlendirilmesi
Evaluation of pulmonary vein variations with multidetector computed tomography
MEHMET DEMİR
Tıpta Uzmanlık
Türkçe
2017
Radyoloji ve Nükleer TıpGaziantep ÜniversitesiRadyoloji Ana Bilim Dalı
YRD. DOÇ. DR. FEYZA YILMAZ
- Abdominal BT anjiyografi yapılan hastalarda abdominal aorta ana dallarının anatomik varyasyonları
Anatomic variations of the main branches of the abdominal aorta in patients undergoing abdominal CT angiography
MEHMET SALİH KARACA
Tıpta Uzmanlık
Türkçe
2015
Radyoloji ve Nükleer TıpGaziantep ÜniversitesiRadyoloji Ana Bilim Dalı
DOÇ. DR. AHMET SELİM KERVANCIOĞLU
- Arkus aorta dallanma paterni varyasyonlarının ve vertebral arter dominansi-hipoplazi sıklığının çok kesitli bilgisayarlı tomografi ile değerlendirilmesi
Multidedector computerized tomography evaluation of arcus aorta branchi̇ng pattern variations and vertebral artery dominance-hypoplasia frequency
EMRAH TERZİOĞLU
Tıpta Uzmanlık
Türkçe
2020
Radyoloji ve Nükleer TıpGaziantep ÜniversitesiRadyoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÇAĞRI DAMAR
- Görüntü füzyonu yöntemleri ile karaciğer lezyon görüntülerinin değerlendirilmesi
Evaluation of liver lesion images with image fusion methods
SAİM ERVURAL
Yüksek Lisans
Türkçe
2016
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MURAT CEYLAN
- Akut pankreatit tanısıyla takip edilen hastalarda, kontrastlı bilgisayar tomografi haritaları üzerinden pankreas doku analizi yapılarak hastalığın şiddeti ve klinik seyri öngörülebilir mi?
Contrast-enhanced computed tomography maps in patients with acute pancreatitis can the severity and clinical course of the disease be predicted by pancreatic tissue analysis?
AHMET YASİN KARKAŞ
Tıpta Uzmanlık
Türkçe
2023
Radyoloji ve Nükleer Tıpİstanbul ÜniversitesiRadyoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET SEMİH ÇAKIR
PROF. DR. BÜLENT ACUNAŞ