Onkolojik amaçlı pozitron emisyon tomografisi/bilgisayarlı tomografi yapılan hastalarda, makine öğrenimi yöntemiyle malign/benign lezyonların ayırıcı tanısı
Differential diagnosis of malign/benign lesions using machine learning method in patients who had positron emission tomography/computed tomography for oncological purposes
- Tez No: 891794
- Danışmanlar: PROF. DR. MEHTAP ERŞAN, DR. ÖĞR. ÜYESİ EMRE GÖRGÜN
- Tez Türü: Yüksek Lisans
- Konular: Biyomühendislik, Bioengineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Sivas Cumhuriyet Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomühendislik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 79
Özet
Günümüz dünyasında, her alanda olduğu gibi tıp ve sağlık alanında da kurumlarca verilen sağlık hizmetleri sonrası ortaya çıkan düzenli ya da düzensiz metin formatında olan hasta raporları, doktor yorumları, reçete gibi büyük miktarda bilgi, dijital sağlık sistemleri tarafından elektronik tıbbi kayıtlar olarak tutulmaktadır. Bu verilerin işlenmesi ve yorumlanması, sağlık hizmetlerinin kalitesinin artması, tıbbi hata olasılığının düşürülmesi ve teşhis-tedavi sürecinin hızlandırılması açısından büyük önem taşımakta ve bu noktada makine öğrenimi devreye girmektedir. Metinsel tıbbi verilerin makine öğrenimi ile işlenmesi ve yorumlanması süreci genel olarak İngilizce veri setleri üzerinde gerçekleştirilmiştir. Bu durum ise tıp alanındaki veri setlerinin Türkçede sınırlı sayıda olmasından ve Türkçenin doğal dil işleme açısından zorlayıcı morfolojik yapısından kaynaklanmaktadır. Ayrıca tıp alanına özgü terimler ve kısaltmalar bu alandaki dil işleme çalışmalarını daha karmaşık hale getirmektedir. Bu çalışmada, Sivas Cumhuriyet Üniversitesi, Sağlık Hizmetleri Uygulama ve Araştırma Hastanesi, Nükleer Tıp Anabilim Dalı dijital sağlık sistemlerinden alınan ve 2012-2022 yılları arasındaki PET/BT tarama sonuçlarına göre oluşturulan hasta raporları kullanılmıştır. Bu raporlardaki, son teşhisten önce oluşturulan bulgular bölümü ve sonuç bölümleri ile bir veri seti oluşturulmuştur. Bu veri seti üzerinde metin sınıflandırma amaçlı farklı makine öğrenimi algoritmaları kullanılarak, veriler malign ya da bening olarak sınıflandırılmış, ortaya çıkan teşhis doğruluk değerleri karşılaştırmalı olarak sunulmuştur.
Özet (Çeviri)
In today's world, as in every field, in the field of medicine and health, large amounts of information such as patient reports, doctor's comments, prescriptions in regular or irregular text format that emerge after the health services provided by institutions are kept as electronic medical records by digital health systems. Processing and interpreting of this data has a great importance in increasing the quality of healthcare services, reducing the possibility of medical errors and accelerating the diagnosis-treatment process, and this is where machine learning comes into play. The process of processing and interpreting textual medical data with machine learning has generally been carried out on English datasets. This is due to the limited number of medical data sets in Turkish and the challenging morphological structure of Turkish in terms of natural language processing. In addition, terms and abbreviations specific to the field of medicine make language processing studies in this field more complex. In this study, patient reports obtained from Sivas Cumhuriyet University, Health Services Application and Research Hospital, Department of Nuclear Medicine digital health systems and created according to PET/CT scan results between 2012 and 2022 were used. A data set was created with the findings section and conclusion sections in these reports, which were created before the final diagnosis. By using different machine learning algorithms for text classification on this data set, the data were classified as malignant or benign, and the resulting diagnostic accuracy values were presented comparatively.
Benzer Tezler
- N2 hastalık nedeniyle neoadjuvan tedavi alan küçük hücreli dışı akciğer kanserli hastalarda yeniden evrelendirme yöntemlerinin karşılaştırılması
Comparison of restaging methods in patients with non-small cell lung cancer receiving neoadjuvant therapy for N2 disease
ECE YASEMİN DEMİRKOL
Tıpta Uzmanlık
Türkçe
2024
Göğüs CerrahisiSağlık Bilimleri ÜniversitesiGöğüs Cerrahisi Ana Bilim Dalı
DOÇ. DR. VOLKAN ERDOĞU
- Preoperatif görüntüleme yöntemlerinin (MR, BT, 18F-FDG PET/BT) over kanserinin yayılımını saptamada ve tedavi yöntemini belirlemede etkinliği
The effect of preoperative imaging methods (MR, CT, 18F-FDG PET/CT) on determining the propagation of ovarian cancer and determining the treatment method
HÜLYA KANDEMİR
Tıpta Uzmanlık
Türkçe
2018
Kadın Hastalıkları ve Doğumİstanbul ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
PROF. DR. MEHMET YAVUZ SALİHOĞLU
- Lenfoma hastalarında FDG PET/BT görüntülemede farklı rekonstrüksiyon algoritmalarının kantitatif değerlendirmeye etkisi
The effect of different reconstruction algorithms in FDG PET/CT imaging on quantitative evaluation in lymphoma patients
MUSTAFA GENÇ
Tıpta Uzmanlık
Türkçe
2021
OnkolojiAnkara Yıldırım Beyazıt ÜniversitesiNükleer Tıp Ana Bilim Dalı
DOÇ. DR. NİLÜFER YILDIRIM
- Serviks kanserinde lenf nodu metastazınındeğerlendirilmesi: Preoperatif MRG ve PET/BT ilepostoperatif histopatoloji sonuçlarının retrospektifolarak karşılaştırılması
Evaluation of LYMPH node metastasis in cervical cancer:retrospective comparison of preoperative MRİ and PET/CT andpostoperative histopathology results
SÜLEYMAN ÖZEN
Tıpta Uzmanlık
Türkçe
2023
Kadın Hastalıkları ve Doğumİstanbul Medeniyet ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
PROF. DR. ABDULKADİR TURGUT
DR. ÖĞR. ÜYESİ ERGÜL DEMİRÇİVİ
- Synthesis of cationic antibacterial peptides
Katyonik antibakteriyel peptitlerin sentezi
ZEKİYE SEVCAN YEŞİLBAŞ
Yüksek Lisans
İngilizce
2018
Biyokimyaİstanbul Teknik ÜniversitesiKimya Ana Bilim Dalı
YRD. DOÇ. DR. ONUR ALPTÜRK