İnfertil ve fertil erkeklerin testis ultrasonunda tekstür analizi
Texture analysis of testicular ultrasound in infertile and fertile males
- Tez No: 844411
- Danışmanlar: PROF. DR. GÜLEN DEMİRPOLAT
- Tez Türü: Tıpta Uzmanlık
- Konular: Radyoloji ve Nükleer Tıp, Radiology and Nuclear Medicine
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Balıkesir Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Radyoloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 114
Özet
Amaç: Erkek infertilitesi multifaktoriyel bir patoloji olup altın tanı yöntemi olan spermiyogram ile birlikte yardımcı olan radyolojik görüntüleme yöntemleri mevcuttur. Amacımız testis ultrasonu ile elde edilen testis parankim görüntülerini segmente edip, makine öğrenme algoritmaları ile kombine ederek spermiyogram parametrelerini tahmin etmedeki etkinliğini ölçmektir. Gereç ve Yöntem: Bu retrospektif çalışmada, kurumumuzda testis ultrasonu ve bir ay içerisinde spermiyogram tetkiki yapılmış olan 169 olgu incelemeye alındı. Hastalardan 5'i daha önce çocuğu olan ve/veya testislere darbe aldıktan sonra spermiyogram kontrolü için gelen küçük bir grubu temsil ederken geri kalanları infertilite şüphesi ile kliniğimize başvurdu. Hastalar spermiyogram parametrelerinden sperm konsantrasyonu, total sperm sayısı, total motilite, progresif motilite, morfoloji ve TZI indeksi değerlerinden oluşturulan 5 persantil altı ile 5-95 persantil gruplarına ayrıldı. Testis uzun uzun aksta alınan ultrasonografi görüntülerinin 2 boyutlu segmentasyon işlemi ve radiomics özelliklerin çıkarımı“3D slicer”programı ile tek hekim tarafından yapıldı. Testis parankimi manuel çizilerek segmente edildi. Radyomiks çıktıları, orijinal, ince- kaba Laplacian of Gaussian ve wavelet transform filtreli görüntülerden oluşmakta idi. Her iki testis için toplam 1702 adet radyomiks özellik elde edildi. Voksel yeniden örnekleme 1x1x1 mm³ olarak standardize edildi. Makine Öğrenmesi (MÖ) için Orange Data Mining programı kullanıldı. Özellik azaltma için relieff, X2, Gain ratio ve Information gain metodları uygulandı. MÖ algoritmaları olarak k-nearest neighborhood (kNN), decision tree, random forest, logistic regression, support vector machine (SVM), naive bayes, neural network, Adaboost ve Gradient boost sınıflandırmaları kullanıldı. Sınıflandırmaları karşılaştırmak için çalışma karakteristik eğrisi (ROC) oluşturularak area under curve (AUC), duyarlılık (sensitivity, recall), özgüllük (spesifite), ve hata matriksi parametreleri hesaplandı. Tüm istatiksel sonuçlar için p
Özet (Çeviri)
Purpose: Male infertility is a multifactorial pathology, and there are radiological methods that assist in addition to the gold standard diagnostic method, the spermiogram. Our aim is to measure the effectiveness of combining testicular ultrasound images obtained with the machine learning algorithms to predict spermiogram parameters. Materials and Methods: In this retrospective study, 169 cases who underwent testicular ultrasound and spermiogram examination within one month at our institution were included. Patients were divided into two groups: below 5th percentile and 5th-95th percentile, based on spermogram parameters including Sperm concentration, Total sperm count, Total motility, Progressive motility, Morphology, and TZI index. Two-dimensional segmentation of the testicular long segment and extraction of radiomics features were performed by a single physician using the“3D Slicer”program. Testicular parenchyma was manually segmented. Radiomics outputs consisted of original, fine-coarse Laplacian of Gaussian, and wavelet-transformed filtered images. A total of 1702 radiomics features were obtained for both testes. Voxel resampling was standardized to 1x1x1 mm³ for machine learning. Orange Data Mining software was used for Feature Selection. Feature selection methods applied were relieff, X2, Gain ratio, and Information gain. Machine learning algorithms used for Feature Classification were k-nearest neighborhood (kNN), decision tree, random forest, logistic regression, support vector machine (SVM), naive bayes, neural network, Adaboost, and Gradient boost. Parameters such as area under the curve (AUC), sensitivity, specificity, receiver operating characteristic (ROC), and confusion matrix were used to compare classifications. A p-value
Benzer Tezler
- Erkek infertilitesi ve STPG2 geni ekspresyonu arasındaki bağlantının araştırılması
Başlık çevirisi yok
GİZEM AZİZOĞLU
Yüksek Lisans
Türkçe
2024
GenetikAkdeniz ÜniversitesiTıbbi Biyoloji ve Genetik Ana Bilim Dalı
PROF. DR. SİBEL KARAÜZÜM
- Fertil ve infertil hasta gruplarında CC ve CXC kemokinlerinin ekspresyonlarının saptanması
Elucidation of the CC and CXC chemokine expressions in fertile and infertile patients
ASLI TOKYAY
Yüksek Lisans
Türkçe
2021
Histoloji ve EmbriyolojiSağlık Bilimleri ÜniversitesiHistoloji ve Embriyoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYŞE KÖSE VURUŞKAN
- Epididim obstrüksiyon ve disfonksiyonunu saptamada seminal nötral alfa-glukozidaz aktivitesinin rolü
The Role of seminal neutral alpha-glucosidase activity in determination of epididimal obstruction and dysfunction
GÖKALP BİLİCİ
- Sperm DNA fragmantasyonu, DNA hasarı ve protamin oranının belirlenmesi ve semen parametrelerine etkisi
Characterization of sperm DNA fragmentation and damage,protamine ratio and their relationship to semen parameters
DİLARA EMİRZEOĞLU
Yüksek Lisans
Türkçe
2019
Moleküler TıpOndokuz Mayıs ÜniversitesiMoleküler Tıp Ana Bilim Dalı
PROF. SEZGİN GÜNEŞ