Bilgisayarlı tomografi bulgularının ve doku analizinin benign ve malign parotis ile submandibular bez tümörlerini ayırt etme üzerindeki tanısal değeri
Diagnostic value in distinguishing benign from malignant parotid and submandibular gland tumors through computed tomography findings and texture analysis
- Tez No: 875951
- Danışmanlar: PROF. DR. POLAT KOŞUCU
- Tez Türü: Tıpta Uzmanlık
- Konular: Radyoloji ve Nükleer Tıp, Radiology and Nuclear Medicine
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Radyoloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 86
Özet
Amaç: Bu çalışma tek fazlı kontrastlı bilgisayarlı tomografi (BT) doku analizi- radyomiks özelliklerinin, konvansiyonel BT radyolojik bulgularının ve bu özelliklerin birlikte kullanımının parotis bez veya submandibular bez tümörlerinin benign ya da malign olarak sınıflandırılması üzerindeki tanısal rolünü değerlendirmeyi amaçlamıştır. Gereç ve yöntem: Bu retrospektif çalışmaya Ekim 2012 ile Aralık 2023 tarihleri arasında parotis bezi veya submandibular bezde kontrastlı BT'de kitle raporlanan, operasyon ya da biyopsi sonrası patolojik inceleme ile tanı alan 101 olgu dahil edilmiştir. Radyomiks analizi için tek BT kesiti üzerinde kitle sınırlarını içine alacak şekilde manuel olarak iki boyutlu (2D) ilgi alanı (ROI) Slicer (v.5.6.2) programında segmente edilmiş ve Python programında (v.3.9.10) PyRadiomics (v3.1.0) kütüphanesi kullanılarak her bir kitle için şekil özellikleri (N = 23), birinci dereceden istatistiksel özellikler (N = 18) ve ikinci dereceden istatistiksel özellikler, GLCM özellikleri (N = 24), GLDM özellikleri (N = 14), GLRLM özellikleri (N = 16), GLSZM özellikleri (N = 16), NGTDM özellikleri (N=5), olmak üzere toplam 116 orijinal radyomiks özelliği çıkarılmıştır. Özellik azaltma algoritmaları kullanılarak seçilen özelliklerle lojistik regresyon radyomiks sınıflandırma modeli oluşturulmuştur. Ayrıca konvansiyonel radyolojik-demografik bulgular özellikleri ve her iki modelden seçilen birleşik özelliklerle sınıflandırma modelleri oluşturulmuştur. Model kalibrasyonları Hosmer-Lemeshow testi ile değerlendirilmiş, kalibrasyon grafikleri çizilmiştir. Model perfomansları ROC analizi ile değerlendirilmiş, model performansları DeLong testi ile karşılaştırılmıştır Bulgular: AUC (Eğri Altında Kalan Alan) değeri ortalaması radyomiks modeli, konvansiyonel radyolojik-demografik bulgular modeli ve birleşik model için sırasıyla; 0,889; 0,920; 0,955; duyarlılık ortalaması 0,712; 0,760; 0,828; özgüllük ortalaması 0,864; 0,915; 0,911; doğruluk ortalaması 0,808; 0,856; 0,881 bulunmuştur. En iyi sınıflandırma modelinin birleşik model olduğu görülmüştür. Modellerin AUC değerleri DeLong testi ile karşılaştırılmış ve radyomiks modeli ile birleşik model arasındaki fark istatistiksel olarak anlamlı bulunmuştur (p değeri
Özet (Çeviri)
Objective: This study aims to evaluate the diagnostic value of single-phase contrast-enhanced computed tomography (CT) texture analysis-radiomics features, conventional CT radiological findings, and the combined use of these features in classifying tumors in the parotid or submandibular gland as benign or malignant. Methodology: This retrospective study included 101 cases between October 2012 and December 2023 with masses reported on contrast-enhanced CT in the parotid or submandibular gland, confirmed by pathology following surgery or biopsy. For radiomics analysis, a two-dimensional (2D) region of interest (ROI) encompassing the lesion boundaries was manually segmented on a single CT slice using Slicer software (v.5.6.2). Radiomic features were extracted using the PyRadiomics library (v.3.1.0) in Python (v.3.9.10), resulting in a total of 116 original radiomic features for each lesion, including shape features (N = 23), first-order statistical features (N = 18), and second-order statistical features: GLCM features (N = 24), GLDM features (N = 14), GLRLM features (N = 16), GLSZM features (N = 16), and NGTDM features (N = 5). A logistic regression radiomics classification model was trained using features selected through feature reduction algorithms. Additionally, classification models were trained using conventional radiological-demographic features and combined features selected from both models. Model calibrations were evaluated using the Hosmer-Lemeshow test, and calibration plots were generated. Model performances were assessed using ROC analysis and compared using the DeLong test. Results: The mean AUC values for the radiomics model, the conventional radiological-demographic model, and the combined model were 0.889, 0.920, and 0.955, respectively. The mean sensitivities were 0.712, 0.760, and 0.828, while the mean specificities were 0.864, 0.915, and 0.911. The mean accuracies for these models were 0.808, 0.856, and 0.881, respectively. The combined model emerged as the best classification model. A comparison of the AUC values using the DeLong test revealed that the difference between the radiomics model and the combined model was statistically significant (p-value < 0.05). Conclusion: In our study, the combined model was the best model for evaluating the malignancy of salivary gland tumors and is thought to help guide tumor management in clinical practice.
Benzer Tezler
- Malign melanom hastalarında metastatik lenf nodlarının F18-FDG pet ve bilgisayarlı tomografide yapılan doku analizi ve makine öğrenmesi algoritmaları ile öngörülmesi
Prediction of metastatic LYMPH nodes in malignant melanoma patients by texture analysis and machine learning performed in F18-FDG pet and computerized tomography
ESİN KORKUT
Tıpta Uzmanlık
Türkçe
2022
Radyoloji ve Nükleer Tıpİstanbul ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. DR. ŞÜKRÜ MEHMET ERTÜRK
- Normal ve anomalili erişkin bireylerde yumuşak doku profilinin değerlendirilmesi
Evaluation of soft-tissue profile in orthodonticly normal and abnomal adult subjects
EMEL EROĞLU YÜCEL
- Benign kemik tümörlerin tanısında konvansiyonel grafi ve bilgisayarlı tomografi bulgularının karşılaştırılması
Başlık çevirisi yok
ADİL ABBAS EMİN
- Tip 1 nazofarinks karsinomlarında magnetik rezonans görüntüleme ve bilgisayarlı tomografi bulgularının karşılaştırmalı değerlendirilmesi
A Comparative analysis of MRI and CT findings in patients with type 1 nasopharyngeal carcinoma
MEHMET ALİ GÜRSES
Tıpta Uzmanlık
Türkçe
1999
Radyoloji ve Nükleer TıpAnkara ÜniversitesiRadyodiagnostik Ana Bilim Dalı
PROF. DR. İLHAN ERDEN
- Paranazal sinüs ve nazal kavite malign tümörlerinde bilgisayarlı tomografi bulgularının değerlendirilmesi
Başlık çevirisi yok
ORHAN KORKMAZ