Meme malign tümörlerinde radyolojik doku analizinin aksiller LENF nodu metastazını preoperatif öngörmeye katkısı
The contribution of radiological texture analysis to preoperative prediction of axillary lymph node metastasis in breast malign tumors
- Tez No: 740355
- Danışmanlar: DOÇ. DR. IŞIL BAŞARA AKIN
- Tez Türü: Tıpta Uzmanlık
- Konular: Radyoloji ve Nükleer Tıp, Radiology and Nuclear Medicine
- Anahtar Kelimeler: Meme kanseri, aksiller lenf nodu metastazı, doku analizi, manyetik rezonans görüntüleme, preoperatif tahmin, Breast cancer, axillary lymph node metastasis, texture analysis, magnetic resonance imaging, preoperative prediction
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Radyoloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 79
Özet
Amaç Meme kanseri tanısı olan ve meme MR incelemesi yapılmış hastalarda meme kitlelerine ait görüntülerin doku analizi yöntemiyle incelendiği bu çalışmada, elde edilen verilerin, meme kanserinin aksiller lenf nodu metastazını preoperatif öngörmeye katkısının araştırılması ve ayrıca makine öğrenmesi aracılığıyla model oluşturulması amaçlanmıştır. Gereç ve Yöntem Bu çalışmada Ocak 2015 ile Aralık 2020 tarihleri arasında meme tümörü ön tanısıyla MR incelemeleri yapılmış 115 hastanın kayıtları ve görüntüleri retrospektif olarak değerlendirilmiştir. Dosya kayıtları veya patoloji sonuçları eksik olan, meme dışı kanser tanısı olan ve görüntü özellikleri inceleme için elverişli bulunmayan hastalar çalışma dışı bırakılmıştır. Çalışmaya dâhil edilen 86 hastanın görüntüleri, açık kaynak kodlu LIFEx yazılımına aktarılıp, piksel boyutu ayarlanması, gri seviye ayrıklaştırması ve gri seviye normalizasyonu işlemleri uygulanmıştır. Ardından lezyonun en geniş olduğu aksiyel kesitten ilgili bölge (region of interest – ROI) belirlenerek, bu ROI üzerinden her hasta için 38 adet doku özelliği hesaplanmıştır. Doku analiz parametrelerinin lenf nodu metastazını öngörmede tanısal karar verdirici özellikleri alıcı işletim karakteristiği (ROC) analizi ile incelenmiştir. Ayrıca yine bu veriler MATLAB R2020a (Math-Works, Natick, Massachusetts) programına aktarılarak makine öğrenmesi aracılığıyla modelin doğru tahmin olasılığı değerlendirilmiştir. Çalışmada, Kolmogorov-Smirnov testleri, Mann-Whitney U testi, Kruskal Wallis testi, Ki-Kare testi Spearman korelasyonu, ROC analizi ve logistik regresyon istatistiksel testler kullanılmıştır. Bulgular Çalışmada lenf nodu metastaz varlığı ile primer meme tümör dokusunun histogram özellikleri arasında anlamlı bir ilişki saptanmamıştır. Ancak ikinci dereceden istatistik özellikler ve volüm özellikleri değerlendirildiğinde 4 özellik (GLRLM_SRLGE, GLRLM_LRLGE, GLCM_Entropy_log2 ve Shape_Volume_vx) ile aksiller lenf nodu metastaz (ALN) varlığı arasında anlamlı ilişki saptanmıştır. Çoklu lojistik regresyon analizi sonrasında SHAPE_Volume_vx anlamlığını korumakla birlikte diğer parametreler anlamlı bulunmamıştır. Bu 4 doku özelliği MATLAB R2020a programına aktarılarak Fine Gaussian SVM makine öğrenmesi modelinde doğru tahmin olasılığı %72,1'dir. (AUC:0.63). Sonuç Çalışmada preoperatif meme MRG'den elde edilen doku analiz özelliklerinin ALN metastaz varlığı ile istatistiksel olarak anlamlı olduğu saptanmıştır. Meme malign tümörlerinde doku analizi yöntemleriyle elde edilen verilerin geçerliliğinin doğrulanabilmesi, altın standart yöntem olabilmesi ve referans değerler elde edilebilmesi için çok merkezli, geniş hasta gruplarında standardize edilmiş yöntemlerle planlanmış çalışmalara ihtiyaç vardır.
Özet (Çeviri)
Purpose In this study, where the images of breast masses in patients who have undergone breast MRI with the diagnosis of breast cancer were examined, it was aimed to investigate the contribution of the data obtained to the preoperative prediction of axillary lymph node metastasis of breast cancer. In addition, the study aimed to create a model through machine learning. Material and Method In the study, the records and images of 115 patients who underwent MRI examinations with a preliminary diagnosis of breast tumor between January 2015 and December 2020 were evaluated retrospectively. Patients with missing file records or pathology results, diagnosed with non-breast cancer, and whose imaging features were not suitable for examination were excluded from the study. Images of 86 patients included in the study were transferred to open-source software LIFEx, where pixel size adjustment, grey level discretization, and grey level normalization processes were applied. Then, the relevant region (ROI) was determined from the axial section where the lesion was the widest, and 38 texture features were calculated for each patient over this ROI. The diagnostic decision-making properties of texture analysis parameters in predicting lymph node metastasis were examined by receiver operating characteristic (ROC) analysis. In addition, these data were transferred to the MATLAB R2020a (Math-Works, Natick, Massachusetts) program and the probability of accurate prediction of the model was evaluated through machine learning. Kolmogorov-Smirnov tests, Mann-Whitney U test, Kruskal Wallis test, Chi-Square test Spearman correlation, ROC analysis, and logistic regression statistical tests were used in the study. Results In the study, no significant correlation was found between the presence of lymph node metastases and the histogram features of primary breast tumor tissue. However, when the second-order statistical features and volume features were evaluated, a significant relationship was found between the 4 features (GRLLM_SRLGE, GLRLM_LRLGE, GLCM_Entropy_log2 and Shape_Volume_vx) and the presence of ALN metastasis. Although SHAPE_Volume_vx remained significant after multiple logistic regression analysis, other parameters were not significant. By transferring these 4 texture features to the MATLAB R2020a program, the probability of accurate prediction in the Fine Gaussian SVM machine learning model is 72.1%. (AUC:0.63). Conclusion In the study, it was found out that the texture analysis features obtained from preoperative breast MRI were statistically significant with the presence of ALN metastases. In order to verify the validity of the data obtained by texture analysis methods in breast malignant tumors, to be the gold standard method and to obtain reference values, multicenter research studies planned with standardized methods in large patient groups are needed.
Benzer Tezler
- Meme malign tümörlerinde doku analizinin radyolojik bulgulara katkısı
Contribution of tissue analysis to radiological findings in breast malignant tumors
ONUR BECERİK
Tıpta Uzmanlık
Türkçe
2020
Radyoloji ve Nükleer TıpDokuz Eylül ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. DR. PINAR BALCI
- Memede lokalize kitlelerin niteliğinin değerlendirilmesinde TL-201 klorür ve Tc99m-nanokolloid'in yeri
Başlık çevirisi yok
ARİF ENGİN DEMİRÇALI
Tıpta Uzmanlık
Türkçe
1995
Radyoloji ve Nükleer TıpOndokuz Mayıs ÜniversitesiNükleer Tıp Ana Bilim Dalı
- Lokal ileri meme kanserlerinde tedaviye yanıtın değerlendirilmesinde difüzyon ağırlıklı manyetik rezonans görüntüleme ve adc değerlerinin yeri
The usage of diffusion weighted mr images and adc values in evaluating the response to the treatment in local advanced breast cancer
ABDULKERİM SERİM
Tıpta Uzmanlık
Türkçe
2007
Genel CerrahiDokuz Eylül ÜniversitesiRadyoloji Ana Bilim Dalı
PROF.DR. PINAR BALCI
- Metabolik tümör yükününbeyin F-18 FDG biyodistribüsyonuna etkisi
Metabolic tumor burdeneffect on brain F-18 FDG biodistribution
ŞADİYE AYÇA YILMAZ
Tıpta Uzmanlık
Türkçe
2024
Radyoloji ve Nükleer TıpSağlık Bilimleri ÜniversitesiNükleer Tıp Ana Bilim Dalı
DOÇ. DR. AYLİN AKBULUT