Geri Dön

Nazal kitlelerin bilgisayarlı tomografi görüntüleri kullanılarak radyomik tabanlı sınıflandırılması: sinonazal inverted papillom, antrokoanal polip ve nazal polipin karşılaştırmalı analizi

Radiomics-based classification of nasal masses using computerized tomography images: comparative analysis of sinonasal inverted papilloma, antrochoanal polyp and nasal polyp

PDF İndir

  1. Tez No: 863776
  2. Yazar: MUHAMMED FAZIL ARAS
  3. Danışmanlar: DR. FATİH TETİK
  4. Tez Türü: Tıpta Uzmanlık
  5. Konular: Kulak Burun ve Boğaz, Otorhinolaryngology (Ear-Nose-Throat)
  6. Anahtar Kelimeler: Yapay zeka, Makine öğrenmesi, inverted papilloma, nazal polip
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Sağlık Bilimleri Üniversitesi
  10. Enstitü: Gaziosmanpaşa Sağlık Uygulama ve Araştırma Merkezi
  11. Ana Bilim Dalı: Kulak Burun Boğaz Hastalıkları Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 74

Özet

Amaç: Bu çalışmanın amacı tek taraflı nazal polip (UNP), sinonazal inverted papilloma (IP) ve antrokoanal polip (ACP) tanısı almış hastalardan elde edilen bilgisayarlı tomografi (BT) görüntülerinden farklı makine öğrenmesi algoritmalarının eğitiminde kullanılacak radyomik özellikler tanımlamak ve bu makine öğrenmesi algoritmalarını sınıflandırma performansları üzerinden karşılaştırmaktır. Ayrıca bu radyomik özelliklerinin kullanımıyla non-invaziv tanı koyma ve tedavi yönlendirme süreçlerinde yardımcı olacak modellerin oluşturulması hedeflenmiştir. Gereç ve Yöntem: Çalışma, Nisan 2015 - Haziran 2023 Gaziosmanpaşa Eğitim ve Araştırma Hastanesi'nde tek taraflı endoskopik sinüs cerrahisi (ESC) geçiren ve dahil edilme kriterlerini sağlayan 71 adet UNP, IP ve ACP hastasının BT görüntüleri üzerinden gerçekleştirilmiştir. Lezyonlarının her biri üç boyutta ve tüm tümör hacmi üzerinden yarı-otomatik olarak segmente edilerek radyomik parametreleri hesaplanmıştır. Elde edilen radyomik özelliklerden 14 tanesi LASSO (least absolute shrinkage and selection operator) regresyonu kullanılarak model eğitimi için seçilmiştir. Daha sonra, multinomial lojistik regresyon (mLR,“multinomial logistic regression”), çok katmanlı algılayıcı (MLP,“multilayer perceptron”), rastgele orman (RF,“random forest”), lineer destek vektör makinesi (LSVM,“linear support vector machine”) ve polinomial destek vektör makinesi (pSVM,“polynomial support vector machine”) olmak üzere beş farklı makine öğrenmesi algoritmasıyla modeller eğitilmiş ve test edilmiştir. Model performans ölçümleri, sınıflama başarısını değerlendirmek için kullanılmıştır. Bulgular: LR, MLP, RF, LSVM, pSVM modellerinin ortalama AUC (Area Under Curve- Eğri Altında Kalan Alan) değerleri sırasıyla 0,812 , 0,758 , 0,696 , 0,857 ve 0,916 olarak ölçüldü. Ortalama doğruluk (Mean Accuracy) değerleri ise sırasıyla 0,737 , 0,737 , 0,632 , 0,842 , 0,894 olarak ölçüldü. Sonuç: Çalışmamız UNP, IP ve ACP gibi nazal kavite lezyonlarının non-invaziv olarak sınıflandırılmasında BT görüntülerinden elde edilen radyomik özelliklerinin ve makine öğrenmesi modellerinin yüksek doğruluk ve özgüllük oranları sunabileceğini ortaya koymaktadır. Bu bulgular, klinik uygulamada non-invaziv tanı yöntemlerinin geliştirilmesine katkıda bulunabilir.

Özet (Çeviri)

Aim: This study aims to define radiomics features to be used in training different machine learning algorithms from computed tomography (CT) images obtained from patients diagnosed with unilateral nasal polyp (UNP), sinonasal inverted papilloma (IP) and antrochoanal polyp (ACP) and to compare these machine learning algorithms on their classification performance. In addition, it is aimed to create models that will help in non-invasive diagnosis and treatment guidance processes by using these radiomics features. Materials and Methods: The study was performed on CT images of 71 UNP, IP and ACP patients who underwent unilateral endoscopic sinus surgery (ESS) at Gaziosmanpaşa Training and Research Hospital between April 2015 and June 2023 and met the inclusion criteria. Each lesion was segmented semi-automatically in three dimensions and over the entire tumor volume and radiomic parameters were calculated. Of the obtained radiomics features, 14 were selected for model training using LASSO regression. The models were then trained and tested with five different machine learning algorithms: multinomial logistic regression (mLR), multilayer perceptron (MLP), random forest (RF), LSVM (linear support vector machine) and pSVM (polynomial support vector machine). Model performance metrics were used to evaluate the classification success. Results: The average AUC (Area Under Curve) values of LR, MLP, RF, LSVM, pSVM models were 0.812, 0.758, 0.696, 0.857 and 0.916, respectively. Mean Accuracy values were 0.737, 0.737, 0.737, 0.632, 0.842, 0.894, respectively. Conclusion: Our study demonstrates that radiomics features derived from CT images and machine learning models can provide high accuracy and specificity rates for non-invasive classification of nasal cavity lesions such as nasal polyps, IP and ACP. These findings may contribute to the development of non-invasive diagnostic methods in clinical practice. Keywords; Artificial intelligence, machine learning, CT, papilloma, inverted, nasal polyps

Benzer Tezler

  1. Tez No

    726298

    Metastatik renal hücreli karsinom tanılı hastalarda tirozin kinaz inhibitörlerine cevabı öngörmede bilgisayarlı tomografi texture analizinin rolü

    Role of the CT texture analysis in prediction of response to tyrosine kinase inhibitor therapy in patients diagnosed with metastatic renal cell carsinoma

    SALİH ÇIRAK

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2022

    Radyoloji ve Nükleer TıpSağlık Bilimleri Üniversitesi

    Radyoloji Ana Bilim Dalı

    PROF. DR. NAZAN ÇİLEDAĞ

  2. Tez No

    714238

    Paranazal sinüs bilgisayarlı tomografilerinde tek taraflı burun kitleleri açısından ayırıcı tanıda hounsfield unit (HU) değerinin araştırılması

    Investigation of hounsfield unit (HU) value in the differential diagnosis of unilateral nasal masses in paranasal sinus computerized tomography

    İBRAHİM PALAOĞLU

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2022

    Kulak Burun ve BoğazSağlık Bilimleri Üniversitesi

    Kulak Burun Boğaz ve Baş-Boyun Cerrahisi Ana Bilim Dalı

    DOÇ. DR. HANDE SENEM DEVECİ

  3. Tez No

    103171

    Nazal polipli hastaların tedavisinde steroidin etkinliği

    The Effectiveness of steroid usage at nasal polysis management

    FUAT KARAKUŞ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2001

    Kulak Burun ve BoğazÇukurova Üniversitesi

    Kulak Burun Boğaz Ana Bilim Dalı

    PROF.DR. LEVENT SOYLU

  4. Tez No

    267925

    Paranazal sinüs ve nazal kavite tümörlerinde bilgisayarlı tomografinin etkinliği

    Paranasal sinuses and nasal cavity tumors computerized tomography effectiveness

    İLKER EROĞLU

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2010

    Radyoloji ve Nükleer TıpOndokuz Mayıs Üniversitesi

    Radyoloji Ana Bilim Dalı

    PROF. DR. ÇETİN ÇELENK

  5. Tez No

    587760

    Nazal polipozisli hastalarda D vitamini reseptör gen polimorfizminin araştırılması

    Study of vitamin D receptor gene polymorphism in patients with nasal polyposis

    HÜSEYİN TARIK YANIK

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2019

    Kulak Burun ve BoğazSağlık Bilimleri Üniversitesi

    Kulak Burun Boğaz ve Baş-Boyun Cerrahisi Ana Bilim Dalı

    PROF. HÜSAMETTİN YAŞAR

Geri Dön