Geri Dön

Prognosis prediction in oral squamous cell carcinoma using deep learning

Derin öğrenme kullanarak oral skuamöz hücreli karsinomda prognoz tahmini

PDF İndir

  1. Tez No: 876903
  2. Yazar: IBRAHIM SALAMEH
  3. Danışmanlar: Assist. Prof. MUSTAFA ÜMİT ÖNER
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: Bahçeşehir Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Büyük Veri Analitiği ve Yönetimi Ana Bilim Dalı
  12. Bilim Dalı: Yapay Zeka Bilim Dalı
  13. Sayfa Sayısı: 85

Özet

Oral Skuamöz Hücreli Karsinomun (OSCC) prevalansı dünya çapında artmaktadır ve vakaların yarısında kötü prognoz vardır, yani beş yıl içinde nüksetme görülür. Ayrıca, hasta yönetimini iyileştirmek için önemli olan objektif ve kesin prognostik biyobelirteçlerin eksikliği vardır. Bu çalışma OSCC'de prognozu tahmin eden bir Derin Öğrenme (DL) sistemi geliştirmektedir. Derin öğrenme sistemi segmentasyon, teşhis ve prognoz modellerinden oluşur. Segmentasyon modeli, test setinde 0.991 doğruluk elde eder ve her OSCC slaydı için bir segmentasyon haritası üretir. Tanı modeli, segmentasyon verilerini girdi olarak alır ve slaytları tümör ve normal olarak sınıflandırır. Bu model 0.990 (%95 güven aralığı: 0.967 – 1.000) alıcı çalışma özellikleri eğrisinin altinda kalan alan (AUROC) değerine ulaşmaktadır. Prognoz modeli, kötü prognozu ve iyi prognozu tahmin etmektedir ve 0.973 (%95 güven aralığı: 0.923-1.000) AUROC değerine ulaşmaktadır. Ayrıca atıf haritası analizi yapılmaktadır. Analiz, prognoz modelinin stroma bölgelerindeki odağını vurgulamaktadır.

Özet (Çeviri)

Prevalence of Oral Squamous Cell Carcinoma (OSCC) is increasing worldwide, and half of the cases have poor prognosis, i.e., having a recurrence in five years. Besides, there is a lack of objective and precise prognostic biomarkers, which is important for improving patient management. This study develops a Deep Learning (DL) system predicting prognosis in OSCC. The deep-learning system comprises segmentation, diagnosis, and prognosis models. The segmentation model achieves an accuracy of 0.991 on the test set, and it produces one segmentation map per OSCC slide. The diagnosis model accepts the segmentation data as an input and classifies the slides into tumor vs. normal. It achieves an area under the receiver operating characteristics curve value (AUROC) of 0.990 (95% confidence interval: 0.967 – 1.000). The prognosis model predicts poor prognosis vs. good prognosis, and it attained an AUROC value of 0.973 (95% confidence interval: 0.923-1.000). Moreover, an attribution map analysis is conducted. The analysis highlights the focus of the prognosis model in stroma regions.

Benzer Tezler

  1. Tez No

    810461

    Oral kavite kanserlerinde metabolik tümör volümü ve total glikolitik aktivitenin prognoz üzerine etkileri

    Effects of metabolic tumor volume and total glycolytic activity on prognosis in oral cavity cancers

    BAYRAM BARIŞ BÜYÜK

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    Kulak Burun ve BoğazSağlık Bilimleri Üniversitesi

    Kulak Burun Boğaz Hastalıkları Ana Bilim Dalı

    DOÇ. DR. CANER KILIÇ

  2. Tez No

    247851

    T1-T2 dil karsinomlarında boyun metastazlarının ve nükslerin belirlenmesinde apopitoz inhibitör proteini survivin'in rolü

    The role of an apopitosis inhibitor protein survivin in metastasis and recurrence of the T1-T2 tongue squamous cell carcinoma

    MURAT DOĞAN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2010

    Kulak Burun ve BoğazErciyes Üniversitesi

    Kulak Burun Boğaz ve Baş-Boyun Cerrahisi Ana Bilim Dalı

    PROF. DR. ERCİHAN GÜNEY

  3. Tez No

    359273

    Oral kavite skuamöz hücreli karsinomlarında galektin-3 ekspresyonunun değerlendirilmesi ve prognostik önemi

    Evaluation and prognostic significance of galectin-3 expression in squamous cell carcinomas of oral cavity

    SERDAR TOKMAK

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2014

    PatolojiEskişehir Osmangazi Üniversitesi

    Tıbbi Patoloji Ana Bilim Dalı

    PROF. DR. MUSTAFA FUAT AÇIKALIN

  4. Tez No

    632470

    Oral kavite ve orofarinks skuamöz hücreli kanserlerde P16 ve HPV DNA varlığının araştırılması, PD-L1 ekspresyon düzeylerinin belirlenmesi, bu biyobelirteçlerin birbirleri arasındaki ilişkinin ve sağkalım üzerine etkilerinin araştırılması

    Investigation of P16 and HPV DNA existence in oral cavity and oropharinx squamous cell cancers, determination of PD-L1 expression levels, investigation of the relationship between these biomarkers and their effects on survival

    AĞAH YENİÇERİ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2020

    Kulak Burun ve BoğazGazi Üniversitesi

    Kulak Burun Boğaz Hastalıkları Ana Bilim Dalı

    DOÇ. DR. MEHMET DÜZLÜ

  5. Tez No

    408465

    Baş ve boyun mukozal tümör olgularında EGFR mutasyonlarının ve P53 doku belirtecinin prediktif ve prognostik ilişkisinin araştırılması

    Investigation of predictive and prognostic relationships of EGFR mutations and P53 tissue markers in head and neck mucousal tumors

    ŞAFAK ESER

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2015

    OnkolojiÇukurova Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

    PROF. DR. MELEK KÖKSAL ERKİŞİ

Geri Dön