Geri Dön

Akut iskemik inmeli olgularda hemorajik transformasyon gelişimini öngörmede mr görüntülemenin radyomiks analizinin tanısal değeri

Diagnostic value of radiomics analysis on mr imaging for predicting hemorrhagic transformation in acute ischemic stroke cases

PDF İndir

  1. Tez No: 909492
  2. Yazar: ALAADDİN ATEŞ
  3. Danışmanlar: DOÇ. DR. NESLİN ŞAHİN, DOÇ. DR. AYGÜL TANTİK PAK
  4. Tez Türü: Tıpta Uzmanlık
  5. Konular: Radyoloji ve Nükleer Tıp, Radiology and Nuclear Medicine
  6. Anahtar Kelimeler: Akut İskemik İnme, Hemorajik Transformasyon, Duyarlılık Ağırlıklı Görüntüleme (SWI), Radyomiks Analiz, Yapay Sinir Ağları (YSA), Destek Vektör Makineleri (SVM), K-En Yakın Komşu (K-NN), Acute Ischemic Stroke, Hemorrhagic Transformation, Susceptibility-Weighted Imaging, Radiomics Analysis, Artificial Neural Networks, Support Vector Machines, K-Nearest Neighbor
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Sağlık Bilimleri Üniversitesi
  10. Enstitü: Gaziosmanpaşa Sağlık Uygulama ve Araştırma Merkezi
  11. Ana Bilim Dalı: Radyoloji Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 93

Özet

Amaç: Akut iskemik inme (Aİİ) hastalarında hemorajik transformasyon (HT) gelişimini öngörmek için, SWI (Susceptibility-Weighted Imaging) sekansını da içeren Manyetik Rezonans görüntüleme (MRG) verileri ve klinik bulgular kullanılarak radyomiks analizi yapılması amaçlanmaktadır. Literatürde, SWI sekansını içeren benzer bir çalışma bulunmamaktadır. Bu çalışmanın, Aİİ hastalarının takip ve tedavi süreçlerine katkı sağlaması hedeflenmektedir. Gereç ve Yöntem: Bu çalışmada, etik kurul onayının alınmasının ardından Temmuz 2021-Eylül 2024 tarihleri arasında hastanemiz nöroloji kliniğinde yatarak izlenen ve ilk gelişinde DAG (Difüzyon Ağırlıklı Görüntüleme) ve SWI sekansları olan Aİİ tanılı hastaların MRG verileri retrospektif olarak değerlendirilmiştir. Kriterlere uyan toplam 124 hasta çalışmaya dahil edilmiştir. Kontrol MR görüntülemelerine (3 gün-2 hafta arası) göre 61 hasta HT gelişen (kanama grubu) ve 63 hasta HT gelişmeyen (kontrol grubu) olarak iki gruba ayrılmıştır. Hastaların demografik bilgileri (yaş, cinsiyet, doğum tarihi) ve klinik özellikleri (ör. diyabetes mellitus, hipertansiyon) kaydedilmiştir. DAG ve SWI sekanslarının segmentasyon işlemleri, 3D Slicer yazılımı kullanılarak gerçekleştirilmiştir. Öznitelikler, MATLAB yazılımı kullanılarak IBSI standartlarına uygun şekilde çıkarılmıştır. Orijinal görüntülerden 102 öznitelik, farklı kernel boyutlarına sahip LoG dönüşümlerinden ise toplam 276 öznitelik elde edilmiştir. Buna ek olarak, 11 demografik ve klinik veri de modele entegre edilmiş ve toplamda 389 öznitelik analiz edilmiştir. Veriler, eğitim (%85) ve test (%15) seti olarak ayrılmış, tüm öznitelikler Z-skor normalizasyonu ile ölçeklendirilmiştir. Öznitelik seçiminde filtre (filter) ve sarmal (wrapper) tabanlı yöntemler kullanılmış, yapay sinir ağları (YSA), destek vektör makineleri (SVM) ve K-en yakın komşu (K-NN) algoritmaları ile 3 katlı çapraz doğrulama yönteminin eğitim katlarında öznitelik seçimi yapılmıştır. Validasyon katlarında, seçilen öznitelik kümelerinin performansları değerlendirilmiş ve en iyi performansı sağlayan öznitelik kümelerinin sınıflandırma yöntemleri belirlenmiştir. Üç farklı sınıflandırma modeli için belirlenen öznitelik kümeleri test veri setine uygulanarak modellerin gerçek performansları ölçülmüştür. Bulgular: Tüm modellerde, klinik verilerin de eklenmesiyle SWI, DAG ve SWI+DAG kombinasyonu ayrı ayrı değerlendirilmiştir. SWI sekansı için YSA ve SVM modelleri en iyi performansı göstermiş ve %88,89 doğruluk, %88,89 kesinlik, %88,89 duyarlılık, %88,89 özgüllük ve %88,89 F1 skoru elde edilmiştir. DAG sekansı ile YSA modeli en iyi başarıyı sağlamış; %88,89 doğruluk, %81,82 kesinlik, %100 duyarlılık, %77,78 özgüllük ve %90 F1 skoru elde edilmiştir. SWI ve DAG kombinasyonu kullanıldığında YSA modeli; %94,44 doğruluk, %100 kesinlik, %88,89 duyarlılık, %100 özgüllük, %94,12 F1 skoru ve %100 ROC (Receiver Operating Characteristic) eğrisi EAA (Eğri Altındaki Alan) değeri ile tüm modeller içinde en iyi performansı göstermiştir. Sonuç: Bu çalışma, SWI ve DAG sekanslarının Aİİ'de hemorajik transformasyon öngörüsünde tek başına etkili olduğunu, ancak bu iki sekansın kombinasyonunun doğruluk ve performansı önemli ölçüde artırdığını ortaya koymaktadır. Özellikle, YSA modeli SWI ve DAG kombinasyonunda en yüksek başarıyı göstermiş ve HT öngörüsü için güçlü bir araç olduğunu kanıtlamıştır. Bu bulgular, Aİİ hastalarında SWI sekansının radyomiks analizine eklenmesinin HT gelişiminin erken ve doğru bir şekilde tahmin edilmesine katkı sağlayabileceğini göstermektedir.

Özet (Çeviri)

Background: It is aimed to perform radiomics analysis using Magnetic Resonance imaging (MRI) data and clinical findings, including SWI (Susceptibility-Weighted Imaging) sequence, to predict the development of hemorrhagic transformation (HT) in patients with acute ischemic stroke (AIS). No similar studies incorporating SWI sequences have been identified in the literature. It is anticipated that this study will contribute to the follow-up and treatment processes of patients with acute ischemic stroke. Materials and Methods: In this study, after obtaining ethics committee approval, the MRI data of patients who were followed up as inpatients with the diagnosis of AIS in our neurology clinic between July 2021 and September 2024 and who had DWI (Diffusion Weighted Imaging) and SWI sequences at their first admission were evaluated retrospectively. A total of 124 patients meeting the inclusion criteria were included in the study. Based on follow-up MR imaging (3 to 14 days), patients were divided into two groups: those with HT (hemorrhage group, n=61) and those without HT (control group, n=63). Demographic data (e.g., age, sex, date of birth) and clinical characteristics (e.g., diabetes mellitus, hypertension) of the patients were recorded. Segmentation of DWI and SWI sequences was performed using 3D Slicer software. Features were extracted using MATLAB software in accordance with IBSI standards. A total of 102 features were extracted from original images, and an additional 276 features were obtained from LoG transformations with different kernel sizes, resulting in a total of 378 features. Furthermore, 11 demographic and clinical parameters were integrated into the model, leading to a total of 389 features for analysis. Data were split into training (85%) and testing (15%) sets, and all features were normalized using Z-score normalization. Feature selection was performed using filter-based and wrapper-based methods. Artificial neural networks (ANNs), support vector machines (SVMs), and k-nearest neighbor (K-NN) algorithms were employed, and feature selection was conducted on the training folds of a 3-fold cross-validation process. The performance of the selected feature sets was evaluated in the validation folds, and the most effective feature sets for each classification method were identified. These selected feature sets were subsequently applied to the test dataset to measure the true performance of the models. Results: All models were evaluated individually for SWI, DWI, and their combination (SWI+DWI) with the inclusion of clinical data. For SWI sequences, ANN and SVM models demonstrated the best performance, achieving 88,89% accuracy, 88,89% precision, 88,89% recall, 88,89% specificity and an F1 score of 88,89%. For DWI sequences, the ANN model achieved the highest performance with 88,89% accuracy, 81,82% precision, 100% recall, 77,78% specificity and an F1 score of 90%. When the combination of SWI and DAG is used, the ANN model; the best performance among all models with 94.44% accuracy, 100% precision, 88.89% recall, 100% specificity, 94.12% F1 score and 100% ROC (Receiver Operating Characteristic) curve AUC (Area Under the Curve) value has shown. Conclusion: This study demonstrates that SWI and DWI sequences alone are effective in predicting Hemorrhagic Transformation in AIS, but the combination of these two sequences significantly increases accuracy and performance. Notably, the ANN model exhibited the highest success in the SWI+DWI combination, establishing itself as a powerful tool for HT prediction. These findings indicate that the addition of SWI sequence to radiomics analysis in AIS patients may contribute to the early and accurate prediction of the development of HT.

Benzer Tezler

  1. Tez No

    723599

    Akut iskemik inmeli olgularda hemorajik transformasyon gelişimini öngörmede MRG bulgularının tanı değerinin araştırılması

    Assesment of diagnostic value of MRİ variables for hemorhhagic transformation development in patient with acute ischemic stroke

    DİLEK CANSU ÖZENÇ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2022

    Radyoloji ve Nükleer TıpSağlık Bilimleri Üniversitesi

    Radyoloji Ana Bilim Dalı

    DOÇ. DR. NESLİN ŞAHİN

  2. Tez No

    499079

    Endovasküler girişim ve/veya ıntravenöz trombolitik tedavi uygulanan ve konvansiyonel tedavi verilen akut inmeli hastalarda erken epileptik nöbet gelişme olasılığı

    A comparison of post-stroke seizure rate in patients receiving thrombolytic, mechanical thrombectomy versus conventional treatmentfollowing acute ischemic stroke

    AYDAN TOPAL

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2018

    NörolojiSağlık Bilimleri Üniversitesi

    Nöroloji Ana Bilim Dalı

    PROF. DR. ZEYNEP NEŞE ÖZTEKİN

  3. Tez No

    873051

    Dekompresif kraniektomi cerrahisinin akut iskemik inmeli hastalarda klinik ve radyolojik iyileşmeye etkisinin araştırılması: Retrospektif çalışma

    Investigation of the effect of decompressive craniectomy surgery on clinical and radiological recovery in acute ischemic stroke patients: A retrospective study

    MUSTAFA TÜRKMEN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2024

    NöroşirürjiSağlık Bakanlığı

    Beyin ve Sinir Cerrahisi Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ VELİ ÇITIŞLI

  4. Tez No

    581074

    Akut inme nedeniyle başvuran çocuk olguların klinik, radyolojik ve laboratuvar bulgularının değerlendirilmesi

    Evaluation of clinical, radiological and laboratory fidings of children presenting with acute stroke

    AKIN ÖZTÜRK

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2019

    Çocuk Sağlığı ve HastalıklarıEskişehir Osmangazi Üniversitesi

    Çocuk Sağlığı ve Hastalıkları Ana Bilim Dalı

    DOÇ. DR. COŞKUN YARAR

  5. Tez No

    347677

    Genç iskemik ve hemorajik inmeli hastalarda demografik, klinik ve radyolojik özelliklerin prognoz ile ilişkisinin retrospektif incelenmesi

    Retrospective analysis of demographic, clinical and radiological characteristics of young ischemic and hemorhagic stroke patients and their relation to prognosis

    TEZCAN TOMAK

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2013

    NörolojiKaradeniz Teknik Üniversitesi

    Nöroloji Ana Bilim Dalı

    PROF. DR. ZEKERİYA ALİOĞLU

Geri Dön