Prostat kanseri hastalık yönetim sürecinin derin öğrenme ile iyileştirilmesi ve bir model önerisi
Improvement of prostate cancer disease management process with deep learning and a model proposal
- Tez No: 922036
- Danışmanlar: PROF. DR. ALİ GÜNEŞ
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Derin öğrenme, Evrişimli sinir ağları, Prostat, Tanı koyma, Teşhis, Deep learning, Convolutional neural networks, Prostate, Diagnosis
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İstanbul Aydın Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Prostat kanseri dünya çapında erkekler arasında önde gelen ölüm nedeni olmayı sürdürmekte ve teşhis ve tedavi sonuçlarını iyileştirmek için teşhis yöntemlerinde ilerlemeler gerektirmektedir. Manyetik Rezonans Görüntüleme, prostat kanserinin tespiti için çok önemli bir teknik olarak ortaya çıkmış ve mevcut araştırmalar, bu teşhis sürecini iyileştirmek için derin öğrenme yapılarına entegrasyonuna odaklanmıştır. Bu tez çalışması, prostat kanseri tespitinin doğruluğunu ve sağlamlığını artırmak için üç boyutlu (3B) Evrişimli Sinir Ağı, Artık Ağ ve Başlangıç Ağı dahil olmak üzere çoklu derin öğrenme modellerini kullanan kapsamlı bir yaklaşım kullanmaktadır. Bu çalışmada topluluk yöntemi ve yumuşak oylama tekniği yoluyla bu modellerin tamamlayıcı güçlerinden yararlanılarak, üstün teşhis performansı elde etmeyi amaçlamaktadır. Önerilen metodoloji, SPIE-AAPM-NCI PROSTATEx veri kümesindeki MR görüntülerine uygulandığında, topluluk modelinin genel olarak %91,3 doğruluk, %90,2 duyarlılık, %92,1 özgüllük, %89,8 kesinlik ve %90,0 F1 puanı elde etmesiyle son teknolojinin kullanıldığı bir yaklaşımı sergilemiştir. Modellerin değerlendirilmesi, titiz bir ön işlemeyi, veri artırmayı ve tüm MRG dilimlerini ve hacimlerini analiz etmek için gelişmiş derin öğrenme mimarilerinin kullanımını içermiştir. Bulgular, klinik uygulamalar için sağlam ve kesin bir araç sunan, prostat kanseri teşhisini önemli ölçüde iyileştirmek için bir topluluk yaklaşımı kullanma potansiyelini vurgulamaktadır.
Özet (Çeviri)
Prostate cancer remains a leading cause of mortality among men globally, necessitating advancements in diagnostic methodologies to improve detection and treatment outcomes. Magnetic Resonance Imaging has emerged as a crucial technique for the detection of prostate cancer, with current research focusing on the integration of deep learning frameworks to refine this diagnostic process. This doctoral study employs a comprehensive approach using multiple deep learning models, including a three-dimensional (3D) Convolutional Neural Network, a Residual Network, and an Inception Network to enhance the accuracy and robustness of prostate cancer detection. By leveraging the complementary strengths of these models through an ensemble method and soft voting technique, the study aims to achieve superior diagnostic performance. The proposed methodology demonstrates state-of-the-art results, with the ensemble model achieving an overall accuracy of 91.3%, a sensitivity of 90.2%, a specificity of 92.1%, a precision of 89.8%, and an F1 score of 90.0% when applied to MRI images from the SPIE-AAPM-NCI PROSTATEx dataset. Evaluation of the models involved meticulous pre-processing, data augmentation, and the use of advanced deep-learning architectures to analyze the whole MRI slices and volumes. The findings highlight the potential of using an ensemble approach to significantly improve prostate cancer diagnostics, offering a robust and precise tool for clinical applications.
Benzer Tezler
- Robotik radikal prostatektomi sonrası pT3 patolojiye sahip hastaların postoperatif tedavi yönetimi ve onkolojik sonuçlar
Treatment management and oncological outcomes of patients with pT3 prostate cancer after robot assisted radical prostatectomy
HALİL UZUNDAL
Tıpta Uzmanlık
Türkçe
2021
ÜrolojiAnkara Yıldırım Beyazıt ÜniversitesiÜroloji Ana Bilim Dalı
PROF. DR. ARSLAN ARDIÇOĞLU
- Prostat kanseri teşhisinde Ga-68 PSMA PET raporlarının multiparametrik MRG, prostat trus biyopsi ve cerrahi spesimen sonuçlarıyla karşılaştırılması
Comparison of Ga-68 PSMA PET reports with multiparametric MRI, prostate trus biopsy and surgical specimen results in prostate cancer diagnosis
ALPER HORASAN
Tıpta Uzmanlık
Türkçe
2024
ÜrolojiSağlık Bilimleri ÜniversitesiÜroloji Ana Bilim Dalı
PROF. DR. ÖMER YILMAZ
- Why Clinical Practice Guidelines Shift Over Time:A Dynamic Model with Application to Prostate Cancer Screening
Klinik Uygulama Kılavuzları Neden Zaman İçinde Değişiyor: Prostat Kanseri Taramasına Yönelik Dinamik Bir Simulasyon Modeli
ÖZGE KARANFİL
Doktora
İngilizce
2016
İşletmeMassachusetts Instıtute Of Technologyİşletme Ana Bilim Dalı
PROF. DR. JOHN DAVİD STERMAN
- Radikal prostatektomi ve/veya küratif radyoterapi sonrası biyokimyasal rekürren prostat kanserinde yeniden evrelemede GA⁶⁸-PSMA PET/BT'nin yeri
Başlık çevirisi yok
CEYDA NUR DÜNDAR ÇAĞLAYAN
Tıpta Uzmanlık
Türkçe
2024
Radyoloji ve Nükleer TıpAkdeniz ÜniversitesiNükleer Tıp Ana Bilim Dalı
PROF. DR. GONCA GÜL BURAL
- Biyokimyasal nüks olan prostat kanseri hastalarında PSMA pozitron emisyon tomografisinin yeri
The role of PSMA positron emission tomography in patients with prostate cancer with biochemical recurrent
UFUK ÇAMANLI
Tıpta Uzmanlık
Türkçe
2021
OnkolojiMersin Üniversitesiİç Hastalıkları Ana Bilim Dalı
PROF. DR. EMEL SEZER