Larenks kanselerinde tiroid kartilaj invazyonunun bilgisayarlı tomografi görüntüleriyle tanınmasında yapay zekanın katkısı
The contribution of artificial intelligence in the recognition of thyroid cartilage invasion in laryngeal cancers with computed tomography images
- Tez No: 860700
- Danışmanlar: DOÇ. DR. GÜLPEMBE BOZKURT
- Tez Türü: Tıpta Uzmanlık
- Konular: Kulak Burun ve Boğaz, Otorhinolaryngology (Ear-Nose-Throat)
- Anahtar Kelimeler: Larenks kanseri, Tiroid kıkırdak invazyonu, Yapay zeka, Derin öğrenme, Laryngeal cancer, Thyroid cartilage invasion, Artificial intelligence, Deep learning
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Sağlık Bilimleri Üniversitesi
- Enstitü: Prof. Dr. Cemil Taşcıoğlu Şehir Hastanesi
- Ana Bilim Dalı: Kulak Burun Boğaz Hastalıkları Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 60
Özet
Giriş: Multifonksiyonel bir organ olan larenksi etkileyen tümörlerin tedavisi tümörün evresine göre Hastanın hayatını çok farklı şekilde etkileyebilecek olan total veya parsiyel larenjektomi prosedürlerini gerektirebilmektedir. Seçilecek tedavi yöntemini belirleyen faktörlerin en önemlisi tümörün T evresidir. Tiroid kıkırdakta invazyon varlığı T evresini değiştirerek tedavinin total veya parsiyel larenjektomiyle tamamlanabileceğine dair fikir vermektedir. Biz de bu çalışmamızda bilgisayarlı tomografi görüntüleri üzerinden tiroid kıkırdağın tümöral invazyonunun derecesini yapay zeka uygulamaları kullanarak tanımayı amaçladık. Gereç ve Yöntem: Larenjektomi yapılan 100 hastanın (42 parsiyel, 58 total) demografik ve tıbbi verileri retrospektif olarak incelendi. Bilgisayarlı boyun tomografilerindeki tümöral lezyon 2 radyolog tarafından tiroid kıkırdak invazyonu olmayanlar T1, iç perikondrium invazyonu olanlar T2, dış perikondirum invazyonu olanlar T3 ile adlandırılacak şekilde etiketlenerek giriş verisi hazırlandı. Çalışmamızda bir derin öğrenme ağı olan Daha hızlı Bölge Tabanlı Evrişimsel Sinir Ağları (Faster RCNN) mimarisini kullanarak tümöral lezyonun yerleşim alanı ve etiket sınıfı tespit edildi. Model performansını değerlendirmek amacıyla ortalama kesinlik (Average Precision) ve genel ortalama kesinlik (Mean Average Precision) metrikleri kullanıldı. Bulgular: Hastaların %17'sinde (n=17) patolojik olarak tiroid kıkırdak invazyonu mevcutken %83'ünde (n=83) invazyon yoktu. Deneyimli 2 radyoloğun ortak kararıyla belirlenen etiketlere göre hastaların %28'inde (n=28) tiroid kıkırdak invazyonu, %22'sinde (n=22) iç perikondrium invazyonu mevcutken %50'sinde (n=50) kıkırdak invazyonu olmadığı yönünde görüş bildirildi. Radyologların cevapları patolojik verilerle mukayese edildiğinde invazyon olmayan 83 hastanın %57,8'ini (n=48) doğru şekilde tanırken %42,2'sini (n=35) yanlış tanımışlardır. İnvazyon olan 17 hastanın %52,94'ünü (n=9) doğru tanırken %47,06'sını (n=8) doğru tanıyamamıştır. Kullandığımız en başarılı derin öğrenme modeline ait validasyon değerleri ise T1, T2 ve T3 etiketler için sırasıyla %52,3, %27,84, %49,06 ortalama kesinlikle elde edilirken genel ortalama kesinlik değeri %43,07 olarak elde edildi. Sonuç: Deneyimli radyologlar tarafından tespitinde oldukça güçlük yaşanan tiroid kıkırdak invazyonu kullandığımız derin öğrenme ağının eğitimleri sırasında sınıflandırma gücünün yeterli sayıda veriyle oldukça yüksek olabileceğini, özellikle tümörün yerleşim yerini tespit etme konusunda kıkırdak invazyonu sınıflandırmasına göre daha başarılı olduğunu görmekteyiz.
Özet (Çeviri)
Introduction: The treatment of tumors affecting the larynx, a multifunctional organ, may require total or partial laryngectomy procedures, which can affect the patient's life in many different ways, depending on the stage of the tumor. The most important factor determining the treatment method to be chosen is the T-stage of the tumor. The presence of invasion in the thyroid cartilage changes the T stage and gives an idea that the treatment can be completed with total or partial laryngectomy. In this study, we aimed to recognize the degree of tumoral invasion of thyroid cartilage on computed tomography images using artificial intelligence applications. Material and Method: Demographic and medical data of 100 patients who underwent laryngectomy (42 partial, 58 total) were retrospectively analyzed. Tumoral lesions on neck computed tomography scans were labeled by 2 radiologists as T1 for those without thyroid cartilage invasion, T2 for those with inner perichondrium invasion, and T3 for those with outer perichondrium invasion. In our study, we used the Faster Region Based Convolutional Neural Networks (Faster RCNN) architecture, a deep learning network, to identify the location and label class of the tumoral lesion. Average precision and overall average precision metrics were used to evaluate the model performance. Results: Pathologically, 17% (n=17) of the patients had thyroid cartilage invasion and 83% (n=83) had no invasion. According to the labels determined by the joint decision of 2 experienced radiologists, 28% (n=28) of the patients had thyroid cartilage invasion, 22% (n=22) had internal perichondrium invasion, and 50% (n=50) had no cartilage invasion. When the radiologists' answers were compared with the pathologic data, 57.8% (n=48) of the 83 patients without invasion were correctly recognized, while 42.2% (n=35) were incorrectly recognized. Of the 17 patients with invasion, 52.94% (n=9) were correctly recognized and 47.06% (n=8) were incorrectly recognized. The validation values of the most successful deep learning model we used were 52.3%, 27.84% and 49.06% for T1, T2 and T3 tags, respectively, while the overall average precision value was 43.07%. Conclusion: During the training of the deep learning network we used for thyroid cartilage invasion, which is very difficult to detect by experienced radiologists, we see that the classification power can be quite high with a sufficient number of data, and it is more successful than cartilage invasion classification, especially in detecting the location of the tumor.
Benzer Tezler
- Larenks kanseri olgularındanötrofil-lenfosit, platelet-lenfosit ve lenfosit-monositoranlarının prognostik faktör olarak değerlendirilmesi
Prognostic value of neutrophil-lymphocyte, monocyte-lymphocyte and platelet-lymphocyte ratio in laryngeal cancer
SENEM KURT DİZDAR
Tıpta Uzmanlık
Türkçe
2015
Kulak Burun ve BoğazSağlık BakanlığıKulak Burun Boğaz Ana Bilim Dalı
DOÇ. DR. MELTEM AKPINAR
- Kliniğimizde Larenjektomi ve Boyun Diseksiyonu yapılan hastalarda; Larenks'teki pirimer tümörün lokalizasyonu, evresi, büyüklüğü ve histopatolojisi ile boyun metastazı arasındaki ilişkinin retrospektif olarak incelenmesi.
The examined the relation in localization, T stage, size and histopathology of primer tumour in Larynx and neck metastasis in the patient who were Laryngectomy and Neck Dissected in our clinic.
VAHİT MUTLU
Tıpta Uzmanlık
Türkçe
2008
Kulak Burun ve BoğazAtatürk ÜniversitesiKulak Burun Boğaz ve Baş-Boyun Cerrahisi Ana Bilim Dalı
DOÇ. DR. HARUN ÜÇÜNCÜ
- Baş-boyun kanserlerinde tedaviye bağlı tiroid fonksiyon bozuklukları
Assessment of treatment related thyroid dysfunction in patients with head and neck cancer
HASAN OĞUZ ÇETİNAYAK
Tıpta Uzmanlık
Türkçe
2002
OnkolojiDokuz Eylül ÜniversitesiRadyasyon Onkolojisi Ana Bilim Dalı
Y.DOÇ.DR. FADİME CAN AKMAN