Radiomics analysis of 3D computed tomography images for predicting the ISUP grade of clear cell renal cell carcinoma tumors
Berrak hücreli böbrek hücre karsinoma tümörlerinin ISUP derecesini öngörmek için 3B bilgisayarlı tomografi görüntülerinin radiomics analizi
- Tez No: 718626
- Danışmanlar: DOÇ. DR. ALBERT GÜVENİŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Radyoloji ve Nükleer Tıp, Computer Engineering and Computer Science and Control, Radiology and Nuclear Medicine
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Biyo-Medikal Mühendislik Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 67
Özet
Böbrek hücresi kanseri (BHK) tüm böbrek kanserlerinin %85 ila %90'ını oluşturur ve berrak hücreli böbrek kanseri (BHBK) en yaygın alt tipidir. 2020 yılında 430,000 yeni vaka teşhis edilmiş ve bunların 179,000'i hayatını kaybetmiştir. Tedavi sürecinin daha verimli bir şekilde yürütülebilmesi için tümör derecesinin girişimsel olmayan ve yüksek doğruluk oranına sahip yöntemlerle belirlenmesi önemlidir. Son zamanlarda yapılan çalışmalar CT görüntülerinden elde edilen radiomics özelliklerinin tümör derecelendirme işlemlerinde kullanılabileceği yönünde ama klinikte kullanılabilmesinin önünde verilerin standart olmaması ve kullanıma uygun olmaması gibi engeller var. Biz bu çalışmada 3B ve 2B radiomics özellikleri kullanarak ensemble makine öğrenmesi modelleri oluşturmayı, mevcut engellerin üstesinden gelmeyi ve daha yüksek başarımla tümör derecelendirmeyi amaçladık. Çalışmaya görüntüleri The Cancer Imaging Archive'dan alınmış 143 hasta dahil edildi. Veri setindeki sınıflar arası dağılım eşitsizliğini gidermek için veri artırma yöntemlerine başvuruldu ve her hastadan çıkarılan binlerce radiomics özelliği sadece en değerli olanlar kalacak şekilde elendi. Asıl tümör alanına ek olarak 5 farklı alan daha segmente edildi ve segmentasyonda yapılacak yanlışların sonuçları ne derecede etkileyeceği araştırıldı. En yüksek başarım olan 0.89 ± 0.02 AUC, SMOTE ve Light Gradient Boosting Method (LightGBM) algoritması kombinasyonunda elde edildi. Sonuç olarak, BHBK tümör derecesini, bir veri setinin yetersizliğine rağmen yüksek güvenilirlikle tahmin edebildik ayrıca en iyi modelimizin segmentasyondaki küçük hatalara rağmen performans kaybı olmadan çalışabildiğini gözlemledik.
Özet (Çeviri)
Renal cell carcinoma (RCC) constitutes %85 to %90 of all kidney malignancies. In 2020, 430,000 new cases were diagnosed and 179,000 of them lost their lives. Clear cell renal cell carcinoma (ccRCC) is the most common sub-type of RCC with approximately %80 occurrence rate. Accurate, non-invasive and preoperative determination of the International Society of Urological Pathology (ISUP) based tumor grade is important for the effective management of patients with ccRCC. Recent studies showed that CT radiomics can offer the means to predict this grade but there are some problems about data such as scarcity, unbalancing and standardization. In this study, we aimed to improve discrimination power between grades via using 3D and 2D radiomics features and ensemble machine learning methods. Radiomics features were extracted from 143 CT images obtained from the publicly available data set from The Cancer Imaging Archive. Over sampling methods and series of feature selection methods were applied to reduce the number of features. Besides the actual tumor volume, 5 additional VOIs were created to consider peritumor regions and test the robustness of the model against variations in segmentation for three ensemble machine learning algorithms. The best result was found when SMOTE was used in combination with Light Gradient Boosting Method (LightGBM) AUC of 0.89 ± 0.02. As a result, ccRCC tumor grade can be predicted from 3D CT images with a high reliability despite the inadequacy of a dataset. The algorithm is moderately robust against deviations in segmentation by observers.
Benzer Tezler
- Radiomics programı kullanılarak 3D kraniyal BT görüntülerin, radyomorfometrik ve yeniden yapılandırma yöntemleriyle frontal sinüsten cinsiyet tayini: Retrospektif bir çalışma
Frontal sinus gender determination of 3D cranial CT images by radiomorfometric and reconstruction methods using radiomics program: A retrospective study
YASİN ÇELEBİ
Tıpta Uzmanlık
Türkçe
2022
Adli TıpBursa Uludağ ÜniversitesiAdli Tıp Ana Bilim Dalı
PROF. DR. RECEP FEDAKAR
- Maksiyofasiyal bt ile elde edilen görüntülerinretrospektif olarak radiomics programı (3D slıcer)kullanılarak radyomorfometrik yöntemlerlemandibuladan cinsiyet tayini
Gender determination of images acquired by maxillofacial ct byradiomorpometric methods using retrospective radiomics program(3D slicer) from mandible
BEKİR KARATAŞ
Tıpta Uzmanlık
Türkçe
2023
Adli TıpBursa Uludağ ÜniversitesiAdli Tıp Ana Bilim Dalı
PROF. DR. RECEP FEDAKAR
- Mandibular kondil konik ışınlı bilgisayarlı tomografi görüntülerinin radyomiks analizi ile yaş tayini
Age determination by radiomix analysis of mandibular condylar cone beam computed tomography images
AYTAÇ ÜZEL
Diş Hekimliği Uzmanlık
Türkçe
2024
Diş HekimliğiKocaeli ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
PROF. DR. ENVER ALPER SİNANOĞLU
- Görüntü işleme teknikleriyle beyin tümörlerinin tespiti ve sınıflandırma algoritmalarıyla analizi
Detection of brain tumors with image processing techniques and analysis with classification algorithms
GÖKALP ÇINARER
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırıkkale ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. BÜLENT GÜRSEL EMİROĞLU
- Endometrial kanserin ameliyat öncesi BT görüntülerinde elde edilen radiomics verileri kullanılarak makine öğrenmesi teknikleriyle kitle için yüksek risk değerlendirmesi yöntemi
High risk assessment method of endometrial cancer with machine learning techniques using radiomics data obtained in pre-operational CT images
FEHİME YİGİT
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALPASLAN BURAK İNNER