Deep learning for subtyping classical hodgkin lymphoma on histopathology images: A comprehensive lymphoscope
Klasik hodgkin lenfomanın histopatoloji görüntüleri kullanılarak derin öğrenme ile alt tiplemesi: Kapsamlı bir lenfoskop
- Tez No: 930470
- Danışmanlar: DOÇ. DR. MEHMET TURAN
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Bilim ve Teknoloji, Engineering Sciences, Science and Technology
- Anahtar Kelimeler: Derin öğrenme, Histopatoloji, Hodgkin hastalığı, Deep learning, Histopathology, Hodgkin disease
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Biyomedikal Mühendislik Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Klasik Hodgkin lenfoma (KHL), genellikle genç yetişkinleri ve ergenleri etkileyen nadir bir lenfoma türüdür. KHL'nin doğru morfolojik değerlendirilmesi, doğru alt tiplerin belirlenmesi ve etkili tedavi planlaması için kritik öneme sahiptir. Klinik önemine rağmen, daha yaygın kanserlerin aksine, KHL'nin otomatik alt tiplerinin belirlenmesinde belirgin bir araştırma boşluğu bulunmaktadır. Bu açığı kapatmak amacıyla, Türkiyedeki üç tıp merkezinden dört KHL alt tipine ait 1247 tam slayt görüntüsünü (WSI) içeren kapsamlı bir veri seti oluşturduk ve araştırmamız için güvenilir bir temel sağladık. Klasik Hodgkin lenfoma alt tiplemesini yapmak için bir derin öğrenme metodu geliştirdik. Zayıf denetimli modelimiz, Instance and Embedding Fused Multiple Instance Learning (IEF-MIL), çoklu ölçekli çift akışlı bir model kullanarak mevcut literatürdeki en iyi çoklu örnekle öğrenme modellerinden daha iyi performans göstermiştir. Ayrıca, yüzlerce histopatoloji tam slayt görüntüleri üzerinde eğitilmiş kendi kendine denetimli öğrenme kaynak modellerini, zayıf denetimli metodumuza transfer öğrenme yoluyla entegre ettik. Bu modellerin genellenebilirliğini ve sınırlamalarını dağılım dışı bir veri seti olan kendi veri setimiz üzerinde gösterdik. Ayrıca, modelimiz, üç büyütme seviyesinde ısı haritaları oluşturarak tahminleri hakkında daha detaylı açıklamalar sunmaktadır.
Özet (Çeviri)
Classical Hodgkin lymphoma (CHL) is an uncommon form of lymphoma that mainly affects young adults and adolescents. Accurate morphologic assessment of CHL is critical for precise subtyping and effective treatment planning. Despite its clinical importance, there is a notable research gap in the automated subtyping of CHL, in contrast to the extensive developments in more common cancers. To address this gap, we curated a comprehensive dataset of 1247 whole-slide images (WSI) for four CHL subtypes from three medical centers from Türkiye, ensuring a reliable basis for our research. We developed a deep-learning pipeline for Classical Hodgkin lymphoma subtyping. Our weakly supervised model, Instance and Embedding Fused Multiple Instance Learning (IEF-MIL), utilizes a multiscale dual-stream network, outperforming state-of-the-art MIL models in the existing literature. Furthermore, we have incorporated state-of-the-art self-supervised learning foundation models trained on hundreds of histopathology whole slide images into our weakly supervised pipeline through transfer learning. We have demonstrated the generalizability and limitations of these models on our out-of-distribution dataset. Additionally, our model enhances interpretability with heatmaps at three magnification levels, providing deeper insights into its predictions.
Benzer Tezler
- Kanser alt gruplaması için çoklu-omik verilerin evrişimsel otokodlayıcı mimarisi ile entegrasyonu
Integration of multi-omics data with convolutional autoencoder architecture for cancer subtyping
HÜSEYİN UYAR
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖZGÜR GÜMÜŞ
- Renal hücreli karsinomun otomatik derece sınıflandırması için U-net tabanlı derin öğrenme ağı
U-net based deep learning network for automatic grade classification of renal cell carcinoma
SÜEDA KAYA
Yüksek Lisans
Türkçe
2025
Biyomühendislikİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MÜRVET KIRCI
- Solid böbrek kitlelerine sahip hastalarda operasyon öncesı benign-malign ayrımında ve alt tiplendirmede berrak hücreli olasılık skoruna dayalı görüntü işleme ve makina öğrenme yapay zeka modeli
Image processing and machine learning artificial intelligence model based on a clear cell likelihood score to predict preoperative benign-malignant differentiation and subtyping in patients with solid renal masses
ÖZGÜR DENİZ TATAROĞLU
Tıpta Uzmanlık
Türkçe
2026
ÜrolojiSağlık Bilimleri ÜniversitesiÜroloji Ana Bilim Dalı
DOÇ. DR. AKİF ERBİN
DOÇ. DR. AYTÜL HANDE YARDIMCI
- Bilgisayarlı tomografi ile aditus orbita'nın morfolojik yapısının değerlendirilmesi ve yapay zekâ kullanılarak cinsiyet tayinindeki rolünün belirlenmesi
Evaluation of the morphological structure of aditus orbitae with computed tomography and determination of its role in sex determination using artificial intelligence
MEHLİKA KÜÇÜK YANAR
Yüksek Lisans
Türkçe
2025
AnatomiKahramanmaraş Sütçü İmam ÜniversitesiAnatomi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SİBEL ATEŞOĞLU KARABAŞ
- İdrar kültürlerinden izole edilen coag (-) staphylococcus (s. epidrmidis ve s. saprophyticus)'ların idrar yolu enfeksiyonlarındaki yeri
The Place of coag (-) staphylococcus to the urinary tract infectron which are isolated from the urine cultures
SUMRU ÇITAK(KORMAN)