Geri Dön

Serviks kanserli hastalarda tanı anındaki mrg radyomiks analizinin patolojik subtipleri öngörü değeri

Pathological subtypes predictive value of mri radiomic analysis at the time of diagnosis in cervical cancer patients

PDF İndir

  1. Tez No: 920189
  2. Yazar: KÜBRA NALBANT
  3. Danışmanlar: DOÇ. DR. ŞADAN TUTUŞ
  4. Tez Türü: Tıpta Uzmanlık
  5. Konular: Radyoloji ve Nükleer Tıp, Radiology and Nuclear Medicine
  6. Anahtar Kelimeler: Serviks kanseri, radyomiks, makine öğrenimi, Manyetik rezonans görüntüleme, SMOTE, Cervical cancer, radiomix, machine learning, Magnetic resonance imaging, SMOTE
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Sağlık Bilimleri Üniversitesi
  10. Enstitü: Kayseri Şehir Hastanesi
  11. Ana Bilim Dalı: Radyoloji Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 67

Özet

Amaç: Çalışmamızın amacıserviks kanserli hastalarda MRG üzerinden yapılan radiomiks analizi ile elde edilen değişkenler ve makine öğrenmesi yöntemleri kullanılarak histopatolojik subtiplerin öngörülebilmesidir. Yöntem ve Gereçler: Ocak 2019 – Haziran 2024 tarihleri arasında serviks kanseri ön tanısı ile tedavi öncesi lokal evreleme amaçlı yönlendirilen ve kliniğimizde pelvik MRG çekilen 55 hastadan çalışmaya alınma ölçütlerini karşılayan 47 hasta dahil edildi. Hastalarımızın 40'ı SCC 7'si adenokarsinom tanısı almıştı. Yapılan MR görüntülemelerden aksiyel T2A, aksiyel postkontrast FS T1A ve ADC serilerde lezyonlar LIFE x programı ile üç boyutlu segmente edildi ve radiomiks değişkenleri hesaplandı. Ortalama radyomiks özellikler yapılan histopatolojik subtip tahmininde; support vector machines (SVM),“naive bayes”(NB) ve“random forest”(RF) ve Synthetic Minority Oversampling Technique (SMOTE) olmak üzere dört farklı makine öğrenim yöntemi kullanıldı. Bulgular: Çalışmaya dahil edilen 47 hastanın yaş ortalaması 52 olup yaş aralığı 33-80 arasındaydı. 47 hastanın 40 (%85) tanesi SCC, 7 (%15) tanesi adenokarsinom tanısı almıştı. Makine öğrenme modellerinden her bir sekans için 130 texture parametresi elde edildi. Histopatolojik subtip tahmininde elde edilen parametlerden ADC için Random Forest modelinde RFE değişken seçim yöntemi ile 22 değişkenle %84, T1+C için SVM modelinde RFE değişken seçim yöntemiyle 7 değişkenle %90 doğruluk , T2A için random forest modelinde RFE değişken seçim yöntemi ile 20 değişkenle %90 doğruluk elde edildi. T1+C sekansı histopatolojik subtip öngörmede ADC ve T2A sekanstan daha başarılı bulunmuştur. Sonuç: Serviks kanserlerinde MR radyomiks analizi ile elde edilen texture parametrelerinin makine öğrenme yöntemleri ile histopatolojik subtipleri öngörebildiği gösterilmiştir. Makine öğrenme algoritmaları ile %90 ların üzerine çıkabilen bir tanı performansı elde ettik. Bu teknikler texture parametlerinden elde edilen bilgiler ışığında hekimlere karar destek sistemi olarak katkı sunabilir.

Özet (Çeviri)

Objective: The aim of our study is to predict histopathological subtypes using variables obtained from radiomix analysis performed on MRI in patients with cervical cancer and machine learning methods. Methods and Materials: 47 patients who met the inclusion criteria among 55 patients who were referred for local staging purposes before treatment with a preliminary diagnosis of cervical cancer and underwent pelvic MRI in our clinic between January 2019 and June 2024 were included in the study. 40 of our patients were diagnosed with SCC and 7 with adenocarcinoma. Lesions were segmented three-dimensionally with the LIFE x program in axial T2A, axial postcontrast FS T1A and ADC series from the MRI images and radiomix variables were calculated. In histopathological subtype prediction using average radiomix features, four different machine learning methods were used: support vector machines (SVM), naive bayes (NB), random forest (RF) and Synthetic Minority Oversampling Technique (SMOTE). Results: The average age of the 47 patients included in the study was 52 and the age range was between 33-80. 40 (85%) of the 47 patients were diagnosed with SCC and 7 (15%) with adenocarcinoma. 130 texture parameters were obtained for each sequence from the machine learning models. Among the parameters obtained in histopathological subtype prediction, 84% accuracy was obtained with 22 variables in the Random Forest model for ADC with the RFE variable selection method, 90% accuracy was obtained with 7 variables in the SVM model for T1+C with the RFE variable selection method, and 90% accuracy was obtained with 20 variables in the random forest model for T2A with the RFE variable selection method. The T1+C sequence was found to be more successful than the ADC and T2A sequences in predicting histopathological subtypes. Conclusion: It was shown that the texture parameters obtained by MR radiomix analysis in cervical cancers can predict histopathological subtypes with machine learning methods. We have achieved a diagnostic performance that can exceed 90% with machine learning algorithms. These techniques can contribute to physicians as a decision support system in the light of the information obtained from texture parameters.

Benzer Tezler

  1. Tez No

    667278

    Ulusal servikal kanser tarama programının servikal kanser tanısı alan hastaların tanı anındaki FIGO evresi üzerindeki etkisi

    The effect of the national cervical cancer screening program on the FIGO stage at the time of diagnosis of patients diagnosed with cervical cancer

    NERMİN CANSU UÇKAN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2020

    Kadın Hastalıkları ve DoğumSağlık Bilimleri Üniversitesi

    Kadın Hastalıkları ve Doğum Ana Bilim Dalı

    DOÇ. DR. SEVGİ KOÇ

  2. Tez No

    578883

    İlerlemiş mesane kanserinde prognostik faktörler

    Prognostic factors in advanced bladder cancer

    ZEYNEP ALACA TOPÇU

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2019

    OnkolojiMarmara Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

    PROF. DR. FAYSAL DANE

  3. Tez No

    925609

    Pulmoner embolisi olan kanserli hastalar ve kanseri olmayan hastaların karşılaştırmasında kanserin mortalite ve morbiditeye etkisi

    Tthe impact of cancer on mortality and morbidity in patients with pulmonary embolism: A comparison between cancer and non-cancer patients'

    BEDİA KARAÇADIR

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2025

    Göğüs HastalıklarıAkdeniz Üniversitesi

    Göğüs Hastalıkları Ana Bilim Dalı

    PROF. DR. TÜLAY ÖZDEMİR

  4. Tez No

    740718

    İleri evre serviks kanserli hastalarda hidronefrozun sağkalım üzerine etkisi

    Başlık çevirisi yok

    MEHMET RİFAT GÖKLÜ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2013

    Kadın Hastalıkları ve DoğumSağlık Bakanlığı

    Kadın Hastalıkları ve Doğum Ana Bilim Dalı

    DR. İBRAHİM EGEMEN ERTAŞ

  5. Tez No

    164749

    Türk toplumunda bazı jinekolojik kanserli hastalarda anjiyopoietin-2 (ANGPT-2) ve vasküler endotelyal büyüme faktörü (VEGF) polimorfizmlerinin belirlenmesi

    Detection of angiopoietin-2 (ANGPT-2) and vasculşar endothelial growth factor (VEGF) polymorphisms in some gynecological patients in the Turkish population

    ECE KONAÇ

    Doktora

    Türkçe

    Türkçe

    2005

    Tıbbi BiyolojiGazi Üniversitesi

    Tıbbi Biyoloji ve Genetik Ana Bilim Dalı

    PROF.DR. ABDULLAH EKMEKÇİ

Geri Dön