An ai implementation of digital pathology for thyroid carcinoma
Tiroid kanseri için bir dijital patoloji yapay zeka uygulaması
- Tez No: 872741
- Danışmanlar: PROF. DR. BAHADIR KÜRŞAT GÜNTÜRK
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Patoloji, Electrical and Electronics Engineering, Pathology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: İstanbul Medipol Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği ve Siber Sistemler Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 110
Özet
Dijital patoloji son yıllarda önem kazanan ve gelişmekte olan bir konudur. Patologların çoğu hala eski mikroskoplarını kullanmayı tercih etse de, yapay zekanın kullanıma sunulmasıyla birlikte dijital patoloji daha önce bahsedilmeyen birçok avantajı sunmaya adaydır. Bu çalışma, bu konuda daha sonra yapılacak çalışmalara da bir rehber teşkil edecek şekilde bir saha taramasının yanı sıra yapay zekanın patoloğun yardımcısı olarak konumlandırılabileceğini gösteren klinik bir çalışmayı ve ülke çapında uygulanabilecek bir dijital patoloji sistemi için yapılabilecek proje önerilerini içermektedir. Hastalıkların ve özellikle kanserin teşhisinde patologların verdikleri kararlar teşhis tedavi sürecinde önemli bir rol oynamaktadır. Halbuki patologların koydukları teşhislerde %40'lara varan farklılaşmalar gözlemlenebilmektedir. Çoğu patolog ikinci bir görüş almak için hastadan alınan numunelerin slaytlarını başka bir patoloğa özel bir kurye ile göndermeyi tercih edebilmektedir. Dijital patoloji uygulamaları bu sürecin farklı noktalarında, süreci hızlandırmak, standardize etmek, tecrübe birikimi ve paylaşımını kolaylaştırmak, yeni araştırmalara alt yapı sunmak gibi önemli fonksiyonlar görebilir. Patoloji insan vücudunun tümünü ilgi sahası içine aldığı için oldukça geniş bir uygulama pratiği vardır. Vücudun her bölgesinin farklı rahatsızlıkları için patolog görüşü istenebilmektedir. Bu yüzden incelenen bölgeye ve şüphelenilen hastalığa göre farklı yaklaşımlar takip edilmektedir. Bu sahanın tümünü ihata etmek çok uzun soluklu bir ekip çalışmasını gerektirir. Bu yüzden klinik çalışmamızı en yaygın kanser türlerinden biri olan tiroid kanseri üzerine yoğunlaştırdık. İlk olarak, taranan slaytlarda kanser şüphesi olabilecek bölgeleri bulup patoloğun önüne getirmenin çok önemli bir fayda sağlayacağını tespit ettik. Her ne kadar patologlar için malign bölgelerin %100'ünün teşhis edilmesi tatmin edici olarak kabul edilse de, pratikte %95'in üzerinde bir başarıma ulaşmanın iyi bir başlangıç olacağını kabul etmiştik. Yaptığımız çalışmalarda bu sahaya özel geliştirilmemiş açık kaynak kodlu mimarilerle bile %97 başarıma ulaşabildiğimizi gözlemledik. Burada öncelikle dijital patalojinin önemli yararlarını ve kullanımında karşılaşılan zorlukları inceledik. Bu konuda daha önce yapılmış çalışmaları ve önerileri içeren geniş kapsamlı bir literatür taraması yaptık. Daha sonra teknolojiyi, patologların yerini almak yerine onlara yardımcı olacak şekilde kullanacak bir yol bulmaya çalıştık. Kullanıcının gerçek ihtiyaçlarını anlamak amacıyla doğrudan patologlarla (T.C. Sağlık Bakanlığı Ümraniye Devlet Hastanesi Patoloji Kliniği İstanbul) çalışarak, hasta isimlerinin anonimleştirildiği hasta verilerini, teşhisleriyle birlikte, topladık. Patoloji slaytlarındaki malign (kötü huylu) bölgenin uzmana gösterilmesinin daha önemli bir hizmet olacağını gözlemledik. Model eğitimi için yeterli veri toplamak amacıyla tiroid histopatolojisi adı verilen tek bir alana yoğunlaştık. Toplanan verilerle, yapay zeka kullanarak malign bölgeyi belirlemek için segmentasyon yöntemleri ve sınıflandırma yöntemleri gibi çeşitli stratejiler denedik ve performanslarını karşılaştırdık. Sonunda sınıflandırmanın segmentasyondan daha iyi performans gösterdiği sonucuna vardık. Ancak daha iyi olabilecek bir strateji olarak, daha sonra yapılacak çalışmalar için birkaç farklı karma segmentasyon ve sınıflandırma stratejisi önerilebilir. En popüler açık kaynak kodlu mimarilerden VGG_16, ResNet_18, Inception_v3, MobileNet_v3_small, EfficientNet_v2_s, SwinTransformer, ConvNext_tiny, SimpleCNN ile modeler oluşturup, eğitip, modellerin başarımını test ettik ve bu sonuçları değerlendirdik. Ayrıca sonuç bölümünde, daha kaliteli ve hızlı bir sağlık hizmeti verebilmek için, hem yapılan saha taramalarından hem de çalışmalarımızın sonuçlarından hareketle ülke çapında uygulanabilecek 5 farklı proje önerisinde bulunduk.
Özet (Çeviri)
Digital pathology is a developing issue that has gained importance in recent years. Although most pathologists still prefer to use their plain old microscopes, with the introduction of artificial intelligence, digital pathology is subject to offer many advantages previously unmentioned. This study includes a field survey that will serve as a guide for future studies on this subject, as well as a clinical study showing that artificial intelligence can be positioned as an assistant to the pathologist, and project suggestions for a digital pathology system that can be implemented nationwide. In the diagnosis of diseases, especially in carcinoma, the decisions made by pathologists, play an important role in the diagnosis and treatment process. However, differences of up to 40% can be observed in the diagnoses made by pathologists. Many pathologists prefer to send slides of samples taken from the patient via a private courier to another pathologist to obtain a second opinion. Digital pathology applications can serve important functions at different points of this process, such as accelerating the process, standardizing it, facilitating the accumulation and sharing of experience, and providing infrastructure for new research. Since pathology interested in the entire human body, it has a wide range of applications. A pathologist's opinion may be requested for different diseases of different parts of the body. Therefore, different approaches are followed depending on the body region examined and the suspected disease. Covering this entire area requires a very long-term team work. That's why we focused our clinical study on thyroid cancer, one of the most common types of cancer. First of all, we determined that finding areas that may be suspicious for cancer in the scanned slides and bringing them to the pathologist would be of great benefit. Although diagnosing 100% of malignant areas is considered satisfactory for pathologists, we accepted that achieving a success rate of over 95% would be a good start in practice. In our studies, we observed that we could achieve 97% performance even with open source architectures that were not developed specifically for this field. Here, we first examined the important benefits of digital pathology and the difficulties encountered in its use. We conducted an extensive literature review, including previous studies and recommendations on this subject. We then tried to find a way to use the technology to assist pathologists rather than replace them. In order to understand the real needs of the user, we worked directly with pathologists (T.R. Ministry of Health Ümraniye State Hospital Pathology Clinic Istanbul) and collected patient data, where patient specific data such as names were anonymized, together with their diagnoses. We observed that showing the malignant area on the pathology slides to the specialist would be a more valuable service. To collect sufficient data for model training, we concentrated on a single area called thyroid histopathology. With the collected data, we tried various strategies such as segmentation methods and classification methods to identify the malignant area using artificial intelligence and compared their performance. We finally concluded that classification outperforms segmentation. However, as a better strategy, several different mixed segmentation and classification strategies can be recommended for future studies. We created and trained models with VGG_16, ResNet_18, Inception_v3, MobileNet_v3_small, EfficientNet_v2_s, SwinTransformer, ConvNext_tiny, SimpleCNN, which are among the most popular open source architectures, tested the performance of the models and evaluated these results. In addition, in the conclusion section, we proposed 5 different projects that can be implemented throughout the country, based on both the field surveys and the results of our studies, in order to provide a higher quality and faster health service.
Benzer Tezler
- Renal hücreli karsinomun otomatik derece sınıflandırması için U-net tabanlı derin öğrenme ağı
U-net based deep learning network for automatic grade classification of renal cell carcinoma
SÜEDA KAYA
Yüksek Lisans
Türkçe
2025
Biyomühendislikİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MÜRVET KIRCI
- Organizasyon seviyesinde yapay zeka, siber güvenlik ve dijitalleşme olgunluğu: anket bazlı değerlendirme
Organizational-level maturity in artificialintelligence, cybersecurity, anddigitalization: a survey-based assessment
BURAK KUBİLAY
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolIşık ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. BARIŞ ÇELİKTAŞ
- Sigorta sektöründe yapay zekânın rolü: Operasyonel verimlilik ve müşteri deneyimi üzerine bir inceleme
The role of artificial intelligence in the insurance sector: An examination on opera-tional efficiency and customer experience
MELEK BESTE YAZICI
Yüksek Lisans
Türkçe
2025
SigortacılıkBaşkent ÜniversitesiSigortacılık Ana Bilim Dalı
PROF. DR. SERPİL CULA
- Exploring the potential of digital twin technology to improve factors affecting construction productivity during the construction phase
Yapım aşamasında inşaat verimliliğini etkileyen faktörlerin iyileştirilmesinde dijital ikiz teknolojisinin potansiyelinin incelenmesi
İREM KOMAR
Yüksek Lisans
İngilizce
2025
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. HÜSNÜ MURAT GÜNAYDIN
- Blokzincir tabanlı ıot sağlık platformu ile hasta verilerinin güvenli paylaşımı ve izlenmesi
Secure sharing and monitoring of patient data through a blockchain-based iot healthcare platform
GALAL ABDULRAHEEM ALI AHMED
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
PROF. DR. ÜNAL ÇAVUŞOĞLU