Using radiomics for predicting the HPVstatus of orophanaryngeal tumors
Orofaringeal tümörlerin HPV durumunutahmin etmek için radiyomik kullanımı
- Tez No: 930572
- Danışmanlar: PROF. DR. ALBERT GÜVENİŞ
- Tez Türü: Yüksek Lisans
- Konular: Biyomühendislik, Bioengineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Biyomedikal Mühendislik Enstitüsü
- Ana Bilim Dalı: Biyomedikal Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
İnsan papillomavirüsü (HPV) durumunun, orofarengeal kanser tedavi seçimi üzerinde önemli sonuçlarÿ vardır. Altın standart, bir biyopsi yapmaktır. Bu makalenin amacı, HPV durumunun belirlenmesi için yeni bir bilgisayarlı tomografi (BT) radiomics tabanlı invaziv olmayan bir çözüm geliştirmek ve rutin klinik uygulamada uygun ve doğru bir alternatif olup olamayacağını araştırmaktır. 238 hastanın BT taramaları nor malize edilmiş ve yeniden örnekleme yapılmıştır. Segmentli BT taramalarından, 1142 radiomics özelliği elde edilebilmiştir. Radiomik özelliklerin sayısı, korelasyon katsayısı analizi uygulanarak azaltılmış ve 1142 özellikten 25'i geriye doğru eleme ve rastgele orman özellik önem analizi kullanılarak seçilmiştir. Eğitim seti için veri dengesini sağlamak için Random Over-Sampling (ROSE) örnekleme algoritması uygulanmış ve sonuç olarak, eğitim setinin HPV sınıfları için her biri için 161 örnek elde edilmiştir. Bir Rastgele Orman (RF) sınıflandırma algoritması, beş kat çapraz doğrulama (CV) kullanılarak bir tahmin modeli olarak uygulanmıştır. Model etkinliği, kullanılmayan dengesiz verilerin %20'si üzerinde tek başına değerlendirilmiştir. Modelin rutin uygu lanabilirliği, önceki araştırmalar ve biyopsi prosedürleri için bildirilen hata oranları göz önünde bulundurularak araştırılmıştır. HPV durumu, RF algoritması ile %91 doğru luk (95% CI: 83-99) ve test verilerinde 0.77 (95% CI: 65-89) AUC ile doğru bir şekilde tahmin edilebilmiştir. HPV durumu, BT görüntülerinden invaziv olmayan bir şek ilde doğru bir şekilde tahmin edilebilir. Hata oranları bir biyopsiye kıyasla benzerdir. Ancak, standartlaşma, yorumlanabilirlik, sağlamlık ve tekrarlanabilirlik konularında gelecek çalışmalara ihtiyaç vardır.
Özet (Çeviri)
Determining human papillomavirus (HPV) status is crucial for the appropri ate treatment for oropharyngeal cancer, traditionally achieved through a biopsy. This paper aims to create a new noninvasive method using computed tomography (CT) ra diomics for determining HPV status and to explore its potential viability and accuracy as an alternative in routine clinical practice. 238 patients' CT scans were normal ized and resampled. From the segmented CT scans, 1142 radiomics features could be obtained.The number of radiomic variables was reduced by employing correlation coefficient analysis, and 25 out of 1142 features were chosen by using backward elim ination and random forest feature importance analysis. The Random Over-Sampling (ROSE) algorithm was applied to the training set to balance the data, resulting in 161 samples for each HPV class. A Random Forest (RF) classification algorithm was employed as the prediction model, utilizing five-fold cross-validation (CV). Model ac curacy was evaluated using the remaining 20% of the imbalanced data. The practical utility of the model was explored in light of previous research and error rates associ ated with biopsy procedures. The RF algorithm accurately identified HPV status with 91% accuracy (95% CI: 83-99) and an area under the curve (AUC) of 0.77 (95% CI: 65-89) in the testing dataset. HPV status could be accurately predicted non-invasively from CT images.The error rates were similar to those observed in biopsy procedures. Nevertheless, further efforts are required to enhance standardization, interpretability, robustness, and reproducibility in future work.
Benzer Tezler
- Radiomics analysis of 3D computed tomography images for predicting the ISUP grade of clear cell renal cell carcinoma tumors
Berrak hücreli böbrek hücre karsinoma tümörlerinin ISUP derecesini öngörmek için 3B bilgisayarlı tomografi görüntülerinin radiomics analizi
AHMET KARAGÖZ
Yüksek Lisans
İngilizce
2022
Radyoloji ve Nükleer TıpBoğaziçi ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALBERT GÜVENİŞ
- Lokal ileri rektum kanserinin neoadjuvan KRT'ye vereceği yanıt yüksek rezolüsyonlu rektum MRG'nin kullanıldığı radyomiks ile öngörülebilir mi?
The role of radiomics using high-resolution rectal MRI in predicting the response to neoadjuvant treatment in local advanced rectal cancer
ALİ CANTÜRK
Tıpta Uzmanlık
Türkçe
2024
Radyoloji ve Nükleer TıpDokuz Eylül ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. DR. FUNDA BARLIK
- Predicting kidney tumor subtype from CT images using radiomics and clinical features
Radyomik ve klinik özellikler kullanılarak BT görüntülerinden böbrek tümörü tipinin belirlenmesi
DUYGU ŞİRİN
Yüksek Lisans
İngilizce
2022
Radyoloji ve Nükleer TıpBoğaziçi ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. ALBERT GÜVENİŞ
- Prostat manyetik rezonans görüntülemesinden derin öğrenme tabanlı yapay zeka algoritması ile elde edilen radyomiks parametrelerinin prostat kanseri metastazlarını öngörmedeki başarısının araştırılması
Deep learning–based artificial intelligence radiomics from prostate magnetic resonance imaging for predicting prostate cancer metastases
ESRA AKÇİÇEK
Tıpta Uzmanlık
Türkçe
2025
Radyoloji ve Nükleer TıpHacettepe ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. DR. ALİ DEVRİM KARAOSMANOĞLU
- Diffüz büyük B hücreli lenfoma tanılı hastaların hücre kökenine göre (hans algoritmasına göre) radiomics yöntemi ile değerlendirilmesi ve prognostik öneminin araştırılması
Evaluation of patients diagnosed with diffuse large B cell lymphoma according to cell origin (by hans algorithm) using the radiomics method and investigation of the prognostic importance
MERVE ÖZÇELİK
Tıpta Uzmanlık
Türkçe
2024
HematolojiKocaeli Üniversitesiİç Hastalıkları Ana Bilim Dalı
PROF. DR. ÖZGÜR MEHTAP