Lokal / lokal ileri evre meme kanseri lezyonlarının [18F]FDG PET/BT parametreleri ve derin öğrenme algoritmalarına dayanarak hormon reseptör düzeyi ve histolojisinin değerlendirilmesinde yapay zekâ modellerinin eğitimi ve başarısı
Başlık çevirisi mevcut değil.
- Tez No: 880983
- Danışmanlar: PROF. DR. HAKAN DEMİR
- Tez Türü: Tıpta Uzmanlık
- Konular: Radyoloji ve Nükleer Tıp, Radiology and Nuclear Medicine
- Anahtar Kelimeler: FDG, PET/BT, Meme kanseri, Derin Öğrenme, YOLO v9, FDG, PET/CT, Breast cancer, Deep Learning, YOLO v9
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Nükleer Tıp Ana Bilim Dalı
- Bilim Dalı: Nükleer Tıp Bilim Dalı
- Sayfa Sayısı: 117
Özet
Giriş ve Amaç: Meme kanseri tüm dünyada kadınlarda en sık görülen kanser olup metastaz şüphesi bulunanlarda [18F]FDG PET/BT önerilen görüntüleme yöntemidir. Bu çalışmada lokal / lokal ileri evre meme kanseri lezyonlarının PET/BT parametreleri ve derin öğrenme algoritmalarına dayanarak hormon reseptör durumu ve histolojisinin tahmininde yapay zekâ modellerinin eğitimi ve başarısını değerlendirmeyi amaçladık. Gereç ve Yöntem: Histopatolojik olarak kanıtlanmış ve evreleme FDG PET/BT görüntüleri bulunan 140 kadın meme kanseri hastası retrospektif olarak çalışmaya dahil edildi. Meme kanseri lezyonlarına ait elde edilen metabolik ve volümetrik parametrelerin histopatolojik özellik grupları arasındaki ilişkisi istatistiksel olarak incelendi. Ayrıca hastaların FDG PET görüntüleri aksiyel planda HR durumuna ve histolojik derece grubuna göre işaretlenerek YOLO-v9 algoritması eşliğinde derin öğrenme modelleri geliştirildi ve performansları değerlendirildi. Bulgular: Hastalar lokal ve lokal ileri evre olarak sınıflandırıldığında ve karşılaştırıldığında lokal ileri grupta tüm metabolik ve volümetrik parametrelerin daha yüksek olduğu saptandı (p 0.05). Histolojik derece sınıfında lezyonların tespit ve tahmininde %61,1 ve HR durumu sınıfında lezyonların tespit ve tahmininde ise %63,1 genel doğruluğa sahip derin öğrenme modelleri geliştirildi. Sonuç: Lezyondan elde edilen metabolik ve volümetrik parametreler histopatolojik tanısı ile ilgili önemli bilgiler sağlayabilir. Geliştirilen derin öğrenme algoritmalarının daha da iyileştirilmesiyle lezyonların hızlıca tespiti sonrası histopatolojik karakterizasyonunda klinisyene yol gösterici olacaktır.
Özet (Çeviri)
Introduction and Objective: Breast cancer is the most common cancer in women worldwide, and [18F]FDG PET/CT is the recommended imaging modality for those with suspected metastasis. In this study, we aimed to evaluate the training and performance of artificial intelligence models in predicting hormone receptor status and histology based on PET/CT parameters and deep learning algorithms in local and locally advanced breast cancer lesions. Materials and Methods: A total of 140 female breast cancer patients with histopathologically confirmed diagnoses and staging FDG PET/CT images were retrospectively included in the study. The relationships between metabolic and volumetric parameters of breast cancer lesions and histopathological feature groups were statistically analyzed. Additionally, deep learning models were developed using the YOLO-v9 algorithm by annotating FDG PET images in the axial plane according to HR status and histological grade group, and their performance was evaluated. Results: When patients were classified and compared as local and locally advanced stages, all metabolic and volumetric parameters were found to be higher in the locally advanced group (p < 0.05). In molecular classification, all metabolic and volumetric parameters were significantly higher in the Triple-Negative group compared to other groups (p < 0.001). In the Luminal B group, SUV parameters were higher than in the Luminal A group (p < 0.05). Among histopathological features, ER negativity, high Ki-67 level, and high histological grade group showed higher values for all metabolic and volumetric parameters except MTV (p < 0.05). No significant differences were found between PR and HER2 statuses (p > 0.05). Deep learning models achieved an overall accuracy of 61.1% for lesion detection and prediction in the histological grade class, and 63.1% for lesion detection and prediction in the HR status class. Conclusion: Metabolic and volumetric parameters obtained from lesions may provide important information related to their histopathological diagnosis. With further improvement of the developed deep learning algorithms, they could guide clinicians in the rapid detection and histopathological characterization of lesions.
Benzer Tezler
- Yaygın insitu duktal karsinomlu invaziv duktal karsinomlar ile insitu duktal karsinomsuz invaziv duktal karsinomlarınnormal meme epitelinde östrojen reseptörekspresyonununkarşılaştırılması
Comparison of estrogen receptor expression in normal breast epithelium of invasive ductal carcinoma with extensive in situ ductal carcinoma and invasive ductal carcinoma with in situ ductal carcinoma
TAŞKIN ERKİNÜRESİN
- Lokal ileri evre meme kanserli hastalarda neoadjuvan kemoterapi öncesi ve sonrası periferik kan eozinofil/lenfosit oranlarının kemoterapi yanıtına ve prognoza etkisi
The effect of peripheral blood eosinophil to lymphocyte ratio before and after neoadjuvant chemotherapy on chemotherapy response and prognosis in patients with locally advanced stage breast cancer
ÖYKÜ ÜNSAL
Tıpta Uzmanlık
Türkçe
2021
İç HastalıklarıDokuz Eylül Üniversitesiİç Hastalıkları Ana Bilim Dalı
PROF. DR. TUĞBA YAVUZŞEN
- Lokal ileri evre meme kanseri hastalarının prognostik evrelemeye göre değerlendirilmesi
The assessment of local advanced-stage breast cancer patients according to prognostic staging
YASEMİN ŞENGÜN COŞKUN
Tıpta Uzmanlık
Türkçe
2023
Radyasyon OnkolojisiAkdeniz ÜniversitesiRadyasyon Onkolojisi Ana Bilim Dalı
PROF. DR. AYLİN FİDAN KORCUM ŞAHİN
- Lokal ileri evre meme kanseri olgularında MDR-1 gen ekspresyon ürünü olan p-glikoprotein'in immünohistokimyasal yöntemle araştırılması ve klinik, histopatolojik parametrelerle ilişkisi
Immunohistochemical investigation of p-glycoprotein which is a product of MDR1 gene expression and its relation with clinical and histopathological parameters in locally advanced breast cancer
CENGİZ KOÇAK
Tıpta Uzmanlık
Türkçe
1999
PatolojiSağlık BakanlığıPatoloji Ana Bilim Dalı
PROF. DR. FATMA NİLGÜN KAPUCUOĞLU
- Lokal ileri evre meme kanseri tanılı hastalarda, prognostik nütrisyonel indeksin prognoz ile ilişkisi
The relationship of prognostic nutritional index with prognosis in patients diagnosed with locally advanced breast cancer
NAZİRE OSMANÇELEBİOĞLU
Tıpta Uzmanlık
Türkçe
2024
İç HastalıklarıSağlık Bilimleri Üniversitesiİç Hastalıkları Ana Bilim Dalı
DR. CEREN GÜR