Geri Dön

Meme kanserlerinde prognostik faktörleri öngörmede tümörün dijital meme tomosentez görüntülerinin derin öğrenme ile analizi

Deep learning analysis of digital breast tomosynthesis images of tumor to predict prognostic factors in breast cancers

  1. Tez No: 818817
  2. Yazar: ELİF AYDINGÖZ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ MERT BAL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilim ve Teknoloji, Matematik, Mühendislik Bilimleri, Science and Technology, Mathematics, Engineering Sciences
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Yıldız Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Matematik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Matematik Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 66

Özet

Meme kanseri dünya genelinde önemli bir sağlık sorunu olarak karşımıza çıkmaktadır. Meme kanseri, kadınlar arasında en sık görülen kanser türü olup, aynı zamanda kansere bağlı ölümlerde de önemli bir paya sahiptir. Meme kanserinin erken teşhisi ve etkili tedavisi için tomosentez gibi gelişmiş görüntüleme teknolojileri ve derin öğrenme yöntemleri kullanılması büyük önem taşımaktadır. Üç boyutlu bir görüntüleme tekniği olan DBT (Dijital Meme Tomosentezi), daha önce tespit edilmemiş kanserleri yakalamada üstün bir yeteneğe sahiptir. Araştırma kapsamı, malign meme tümörleri üzerinde tomosentez görüntüleri kullanarak patolojik prognostik faktörler öngörülebilir mi analiz etmektir. Bu çalışma ile birlikte tomosentezdeki derin öğrenme analizinin, hızlı prognostik ve öngörücü bilgi sağlayabilen, östrojen reseptörü (ER) durumu, progesteron reseptörü (PR) durumu, HER-2 durumu, Ki-67 proliferasyon indeksi ve üçlü negatif reseptör durumu olmak üzere histoprognotik tümör yapıcıları belirleme potansiyeline sahip olduğunu göstermeyi amaçlıyoruz. Çalışmamızda kullandığımız tomosentez görüntüleri ve pataloji veriler“Başakşehir Çam ve Sakura Şehir Hastanesi”tarafından hastalar anonimleştirilerek sağlanmıştır. Görüntüler üzerinden döndürme, aynalama gibi görüntü ön işleme yöntemleri kullanılarak veri seti çoğaltılmıştır. ResNet50 ve VGG19 tabanlı iki derin öğrenme modeli kullanılmış ve performansları karşılaştırılmıştır. Karşılaştırma için accuracy (doğruluk), loss (kayıp), AUC (area under the curve) gibi metrikler üretilmiştir.

Özet (Çeviri)

Breast cancer is an important health problem worldwide. Breast cancer is the most common type of cancer among women, and it also has a significant share in cancer-related deaths. It is of great importance to use advanced imaging technologies such as tomosynthesis and deep learning methods for the early diagnosis and effective treatment of breast cancer. DBT (Digital Breast Tomosynthesis), a three-dimensional imaging technique, has a superior ability to detect previously undetected cancers. This research scope is to analyze whether pathological prognostic factors can be predicted using tomosynthesis images on malignant breast tumors. In conjunction with this study, deep learning analysis in tomosynthesis can provide rapid prognostic and predictive information for histoprognotic tumorigenicity, including estrogen receptor (ER) status, progesterone receptor (PR) status, HER-2 status, Ki-67 proliferation index, and triple negative receptor status. The tomosynthesis images and pathology data we used in our study were provided by“Başakşehir Çam and Sakura City Hospital”by anonymizing the patients. The data set was reproduced by using image preprocessing methods such as rotation and mirroring over the images. Two deep learning models based on ResNet50 and VGG19 were used and their performances were compared. For comparison, metrics such as accuracy, loss, AUC (area under the curve) were produced.

Benzer Tezler

  1. Meme kanserlerinde, tümör kök hücre belirteçlerinin (ALDH1, SOX2) prognoz ve diğer prognostik parametreler ile ilişkisi

    The relationship of tumor stem cell markers (aldh1, sox2) with prognosis and other prognostic parameters in breast cancer

    TÜLAY KOÇ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2014

    PatolojiCumhuriyet Üniversitesi

    Patoloji Ana Bilim Dalı

    PROF. DR. ŞAHANDE ELAGÖZ

  2. İnvaziv meme karsinomlarında mitotik indeks ile Ki67 proliferasyon indeksinin karşılaştırılması ve prognoz ile ilişkisinin değerlendirilmesi

    Comparison of mitotic index and Ki67 proliferation index in invasive breast carcinomas and evaluation of their relationship with prognosis

    KEVSER SAKARYA

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    PatolojiErciyes Üniversitesi

    Tıbbi Patoloji Ana Bilim Dalı

    PROF. DR. FİGEN ÖZTÜRK

  3. Meme kanserinde oksidatif stresin prognostik değeri ve önemi

    Oxidative stress prognostic value and importance in breast cancer

    İSMAİL ZENGİN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2017

    Genel CerrahiSakarya Üniversitesi

    Genel Cerrahi Ana Bilim Dalı

    PROF. DR. HAVVA BELMA KOÇER

  4. Meme kanserinde dinamik manyetik rezonans görüntüleme bulguları ile histopatolojik prognostik faktörler arasındaki ilişkinin değerlendirilmesi

    Evaluation of the relationship between the dynamic magnetic resonance imaging findings and histopathological prognostic factors in breast cancer

    YEŞİM EROĞLU

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2017

    Radyoloji ve Nükleer TıpFırat Üniversitesi

    Radyoloji Ana Bilim Dalı

    YRD. DOÇ. DR. SERPİL AĞLAMIŞ