Nöroblastomların segmentasyon derin öğrenme algoritmaları kullanarak patolojik görüntü analizi ile MYCN durumu entegre sınıflandırması
MYCN status integrated classification of neuroblastomas by pathological image analysis using segmentation deep learning algorithms
- Tez No: 847685
- Danışmanlar: PROF. DR. ERDENER ÖZER
- Tez Türü: Doktora
- Konular: Patoloji, Pathology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Moleküler Patoloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 83
Özet
Görüntü tarama teknikleri ve görselleştirme yazılımının hızla gelişmesiyle, tüm slayt görüntüleme rutin bir tanı yöntemi haline gelmektedir. Patoloji görüntüleme yöntemlerinde, görüntü analizini verimli ve doğru bir şekilde otomatikleştirmek önemlidir ve zorluklar içermektedir. Son zamanlarda, derin öğrenme algoritmaları, tümör bölgesi tanımlama, metastaz tespiti ve hasta prognozu gibi patoloji görüntü analizinde büyük umut vaat etmektedir. Birçok makine öğrenme algoritması, patoloji görüntülerini otomatik olarak segmentlere ayırarak çalışmaktadır. Bu algoritmalar arasında segmentasyon derin öğrenme algoritmaları doğrulukları, hesaplama verimliliği ve genellenebilirlikleri nedeniyle öne çıkmaktadır. Patoloji slaytlarının optik mikroskopisi, dokuların histolojik ayrıntılarını yüksek çözünürlükte yakalamaktadır. Teknolojinin hızlı ilerlemesiyle birlikte, tüm slayt görüntüleme, birçok hastalığın klinik teşhisi için rutin prosedürün bir parçası haline gelmeye başlamaktadır. Dijital patolojinin ortaya çıkışı, klinik tanıda patologlara ve hastalık mekanizmalarını incelemede araştırmacılara yardımcı olabilecek algoritmalar ve yazılım araçları geliştirmek için yeni fırsatlar sunmaktadır. Bu çalışmada nöroblastom olgularında, H&E boyalı kesitlerin dijital taranması sonrası derin öğrenme yöntemleri ile patoloji görüntülerinde hastalığa risk gurubu ve MYCN genomik değişikliğinin predikte edilmesi üzerine etkisi araştırılmıştır. Yamalardan oluşturulan MYCN Pozitif/Negatif veri setiyle ve Düşük Risk MYCN Negatif/Orta Risk MYCN Negatif/Yüksek Risk MYCN Negatif/Yüksek Risk MYCN Pozitif veri seti, eğitilen modellerde sırasıyla %96 ve %99 doğruluk skorlarına ulaşmıştır. Bu çalışma nöroblastomlarda histolojik preparatların derin öğrenmeye dayalı sınıflandırmasının, hızlı ve doğru olarak yapıldığı bu çalışma ile doğrulanırken aynı zamanda bu yöntemlerle moleküler değişiklikler üzerine tahminler yapılabileceği konusunda umut verici bir çalışmadır.
Özet (Çeviri)
With the rapid development of image scanning techniques and visualization software, whole slide imaging is becoming a routine diagnostic method. In pathology imaging methods, it is important and challenging to automate image analysis efficiently and accurately. Recently, deep learning algorithms show great promise in pathology image analysis such as tumor site identification, metastasis detection and patient prognosis. Many machine learning algorithms work by automatically segmenting pathology images. Among these algorithms, segmentation deep learning algorithms stand out due to their accuracy, computational efficiency and generalizability. Optical microscopy of pathology slides captures the histological details of tissues in high resolution. With the rapid advancement of technology, whole slide imaging is starting to become part of the routine procedure for clinical diagnosis of many diseases. The emergence of digital pathology offers new opportunities to develop algorithms and software tools that can assist pathologists in clinical diagnosis and researchers in studying disease mechanisms. In this study, in neuroblastoma cases, after digital scanning of H&E stained sections, deep learning methods were used to identify disease risk groups in pathology images and its effect on predicting MYCN genomic alteration has been investigated. MYCN positive/negative data set created from patches and low risk MYCN Negative/Medium Risk MYCN Negative/High Risk MYCN data set, achieved accuracy scores of 96% and 99%, respectively, in the trained models. This study is promising in terms of its demonstration of the ability of classification of neuroblastomas in histological images by deep learning, accurately and rapidly, as well as predicting the molecular alterations in these tumors.
Benzer Tezler
- Nöroblastomlarda telomeraz, matriks metalloproteinaz ve doku matriks metalloproteinaz inhibitör aktivitesi
Telomerase,matrix metalloproteinases and their tissue inhibitory proteins activities in neuroblastoma
İZGİ ÜÇER
Tıpta Uzmanlık
Türkçe
2009
PatolojiDokuz Eylül ÜniversitesiPatoloji Ana Bilim Dalı
PROF. DR. ERDENER ÖZER
- Multiwalled carbon nanotube-poly (2-hydroxyethyl methacrylate) composite conduit for peripheral nerve repair
Periferal sinir yaralanmalarının tamiri için çok duvarlı karbon nanotüp yüklü poli(2-hidroksietil metakrilat) kanal tasarımı
DAMLA ARSLANTUNALI
Yüksek Lisans
İngilizce
2012
BiyomühendislikOrta Doğu Teknik ÜniversitesiBiyoteknoloji Bölümü
DOÇ. DR. GÜRER BUDAK
PROF. DR. VASIF HASIRCI
- MCF-7 ve NIH-3T3 hücrelerinde quercetin (3,3',4',5,7 pentohidroksiflavon)'in telomeraz enzim aktivitesi yönünden etkilerinin tamoksifen ile kontrollü olarak değerlendirilmesi
Evalaution of effects of quercetin on telomerase activity compared by tamoxifen in MCF-7 and NIH-3T3 cell lines
AYŞE AK
Yüksek Lisans
Türkçe
2006
Tıbbi BiyolojiEskişehir Osmangazi ÜniversitesiTıbbi Biyoloji Ana Bilim Dalı
PROF.DR. AYŞE BAŞARAN
- Development of a dual-locked fluorescent probe and an organelle-targeted activity-based photodynamic therapy agent
İki kilitli floresan probun ve organel hedefli aktivite tabanlı fotodinamik terapi ajanın geliştirilmesi
AYÇA SAYMAZ
Yüksek Lisans
İngilizce
2024
Bilim ve TeknolojiKoç ÜniversitesiKimya Ana Bilim Dalı
DOÇ. DR. SAFACAN KÖLEMEN
DR. HANDE GÜNDÜZ KOÇAN
- Nöroblastomlarda apopitotik aktivitenin prognostik faktörlerle ilişkisi
The relationship between apoptotic activity and prognostic factors in neuroblastomas
SÜMEYYE EKMEKCİ
Tıpta Uzmanlık
Türkçe
2014
PatolojiDokuz Eylül ÜniversitesiCerrahi Tıp Bilimleri Bölümü
PROF. DR. ERDENER ÖZER