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: Biyo-Medikal Mühendislik Enstitüsü
- Ana Bilim Dalı: Biyomedikal Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 40
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 normalize 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 uygulanabilirliği, önceki araştırmalar ve biyopsi prosedürleri için bildirilen hata oranları göz önünde bulundurularak araştırılmıştır. HPV durumu, RF algoritması ile %91 doğruluk (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 şekilde 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 appropriate treatment for oropharyngeal cancer, traditionally achieved through a biopsy. This paper aims to create a new noninvasive method using computed tomography (CT) radiomics for determining HPV status and to explore its potential viability and accuracy as an alternative in routine clinical practice. 238 patients' CT scans were normalized 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 elimination 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 accuracy 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 associated 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
- 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
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. ALBERT GÜVENİŞ
- 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
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALBERT GÜVENİŞ
- Karaciğer metastazlarında ablasyon sonrası kontrol MRG'de radiomics analizi ile lokal nüks öngörüsü
Prediction of local recurrence using radiomics analysis on post-ablation control MRI in liver metastases
EDANUR KARAPINAR
Tıpta Uzmanlık
Türkçe
2025
Radyoloji ve Nükleer Tıpİstanbul ÜniversitesiRadyodiagnostik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET SEMİH ÇAKIR
- Akciğer kanseri tanısı ile radyoterapi uygulanan hastalarda radyasyon pnömonitinin radyomiks, dozyomiks ve makine öğrenmesi kullanılarak değerlendirilmesi
Evaluation of radiation pneumonitis in lung cancer patients undergoing radiotherapy using radiomics, dosiomics and machine learning
İREM BÜNÜL
Tıpta Uzmanlık
Türkçe
2024
Radyasyon Onkolojisiİstanbul ÜniversitesiRadyasyon Onkolojisi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ŞULE KARAMAN
- 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