Fully automated deep learning and machine learning –based prognosis models for survival prediction of brain tumor patients using multi-modal mri images
Multimodal mrı görüntüleri kullanarak beyin tümörü hastalarının hayatta kalma tahmini için tam otomatik derin öğrenme ve makine öğrenme tabanlı prognoz modelleri
- Tez No: 692028
- Danışmanlar: PROF. DR. ULUS ÇEVİK
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Beyin tümörü, en ölümcül kanser hastalıkları türlerinden biridir. Bu hastalığa sahip hastalar için ameliyat öncesi prognozun doğru değerlendirilmesi, daha iyi hasta yönetimine yol açabilir. Biyopsi, prognoz tahminin rutin klinik uygulamalarında en sık kullanılan tanı tekniği olmasıyla birlikte, invazif ve doku travmasına yatkınlık gibi birçok dezavantaja sahiptir. Sonuç olarak, non invaziv olan MRI görüntülerine dayanan otomatik preoperatif prognoz tahmin teknikleri son zamanlarda dikkat çekmektedir. Bununla birlikte, son zamanlarda geliştirilen otomatik tekniklerin çoğu, sıkıcı ve zaman alıcı olan MRI'da manuel olarak segmentlere ayrılmış tümör bölgelerinden çıkarılan özel yapımı görüntü özelliklerine dayanmaktadır. Bu çalışma, beyin tümörlü hastaların multi-modal MR görüntülerinde sağkalım süresi ve glioma derecesi tahminleri için iki aşamalı öğrenme tabanlı yöntemler kullanarak tam otomatik preoperatif prognostik modeller geliştirmeyi amaçlamıştır. İlk aşamada, arka uç olarak önceden eğitilmiş derin öğrenme modellerini kullanarak yeni CNN mimarileri geliştirildi. İkinci aşamada, CNN modellerinin çıktıları, nihai tahmin sonuçlarını elde etmek için çeşitli klasik makine öğrenimi yöntemleri kullanılarak birleştirildi. Deneysel sonuçlar, önerilen prognostik modellerin glioma derecelendirme ve hayatta kalma süresi tahminlerinde sırasıyla % 99,7 ve% 93 AUC değerlerine ulaşıldığını gösterdi ve mevcut son-teknoloji sonuçlarından daha iyi bir performans gösterdi.
Özet (Çeviri)
Brain tumor is one of the most deadly types of cancer diseases. Accurate assessment of pre-surgical prognosis for patients with this disease can lead to better patient management. While Biopsy is the most commonly used diagnostic technique in routine clinical applications of prognosis estimation, it has several disadvantages such as it is invasive, and prone to tissue trauma. Consequently, automated pre-operative prognosis estimation techniques based on MRI images are recently getting attention, so noninvasive. However, most of the recently developed automated techniques are based on the handcrafted image features extracted from the manually segmented tumor regions in MRI, which is tedious & time-consuming. This study aimed to develop fully automated pre-operative prognostic models for the survival time, and glioma grade predictions in multi-modal MRI images of patients with brain tumors by using two-stage learning-based methods. In the first stage, we developed novel CNN architectures using pre-trained deep learning models as backend. In the second stage, the outputs of CNN models were fused using various classical machine learning methods to get the final prediction results. The experimental results demonstrate that the proposed prognostic models achieve AUC values of 99.7%, and 93% in glioma grading, and survival time predictions, respectively, outperforming current state-of-the-art results.
Benzer Tezler
- Kuyruk modelleri ve analizi üzerine bir uygulama
Başlık çevirisi yok
DİDEM ÖZPULAT
Yüksek Lisans
Türkçe
1985
İstatistikEge ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. FİKRET İKİZ
- Plazma arkı eldesi ve yüzey bölgesi modifikasyonunda kullanılabilirliği
Başlık çevirisi yok
ÖZKAN ÖZİPEKLİLER
Yüksek Lisans
Türkçe
1986
Makine MühendisliğiUludağ ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİM DEMİRCİ
- NaI (TI) dedektörleri için toplam verim ve tüm enerji pik duyarlığının Monte Carlo metodu ile elde edilmesi
Başlık çevirisi yok
N. REMZİYE ERGÜL
Yüksek Lisans
Türkçe
1987
Fizik ve Fizik MühendisliğiUludağ ÜniversitesiFizik Ana Bilim Dalı
PROF. DR. CİHAN ÖZMUTLU
- Çeşitli rib örgülerin boyutsal özellikleri üzerine bazı araştırmalar
Başlık çevirisi yok
ARZU YAĞCI
Yüksek Lisans
Türkçe
1986
Tekstil ve Tekstil MühendisliğiEge ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ARİF KURBAK
- 5 Cl Pu-Be nötron kaynağı kullanarak aktivasyon analizi ile analizi mümkün olan elementlerin dedeksiyon limitlerinin tespiti
Investigation of the possibility in analysis of elements by activation analysis and determination of detection limits of proposed elements using a 5 Cl Pu-Be neutron source
İSMET ÇELENK