Geri Dön

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

PDF İndir

  1. Tez No: 930470
  2. Yazar: HİCRAN ALDEMİR
  3. Danışmanlar: DOÇ. DR. MEHMET TURAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilim ve Teknoloji, Mühendislik Bilimleri, Science and Technology, Engineering Sciences
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Biyo-Medikal Mühendislik Enstitüsü
  11. Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 51

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

  1. Tez No

    948937

    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

    Türkçe

    2025

    Biyomühendislikİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. MÜRVET KIRCI

  2. Tez No

    859271

    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

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ÖZGÜR GÜMÜŞ

  3. Tez No

    881913

    Deep learning for improved forecasting of geomagnetic storms in disaster management

    Afet yönetiminde jeomanyetik fırtınaların geliştirilmiş tahmini için derin öğrenme

    HASANAIN ADIL HASSAN HASSAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ABDULLAHİ ABDU IBRAHIM

  4. Tez No

    888031

    Derin öğrenme yöntemi ile metinsel ifadelerde duygu analizi

    Deep learning for sentiment analysis in textual expressions

    NURAY YILDIZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBatman Üniversitesi

    Bilgi Teknolojileri Ana Bilim Dalı

    DOÇ. DR. YILMAZ KAYA

  5. Tez No

    916203

    Deep learning for game genre classification from game posters

    Derin öğrenme ile oyun afişlerinden oyun türü sınıflandırması

    BATIKAAN GÜNEŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Oyun ve Etkileşim Teknolojileri Ana Bilim Dalı

    PROF. DR. SANEM SARIEL UZER

Geri Dön