Makine öğrenmesi ve yapay zeka tabanlı manyetik rezonans görüntüleme analizi ile adneksiyel kitlelerin malignite potansiyellerinin öngörülmesi
Predicting the malignancy potential of adnexal masses using machine learning and ai-based magnetic resonance imaging analysis
- Tez No: 962147
- Danışmanlar: DOÇ. DR. MERVE ALDIKAÇTIOĞLU TALMAÇ, DR. HALE ÇETİN ARSLAN
- Tez Türü: Tıpta Uzmanlık
- Konular: Kadın Hastalıkları ve Doğum, Obstetrics and Gynecology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Sağlık Bilimleri Üniversitesi
- Enstitü: İstanbul Kanuni Sultan Süleyman Eğitim ve Araştırma Hastanesi
- Ana Bilim Dalı: Kadın Hastalıkları ve Doğum Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 73
Özet
GİRİŞ VE AMAÇ: Jinekolojik maligniteler arasında en agresif seyirli olanı over kanseridir. Borderline tümörler ise invaziv ve yıkıcı bir büyüme göstermemeleri nedeniyle fertilite koruyucu cerrahinin uygun bir seçenek olabileceği özgün bir grubu oluşturur. Bu nedenle adneksiyel kitlelerin malignite potansiyelinin doğru bir şekilde öngörülmesi klinik açıdan büyük önem taşımaktadır. Çalışmamızda epitelyal over tümörlerinin manyetik rezonans görüntülerinin (MRG) yapay zekâ tabanlı derin öğrenme modelleri ile analiz edilerek malignite potansiyelinin belirlenmesi ve cerrahi planlamaya katkısının araştırılması amaçlanmıştır. GEREÇ VE YÖNTEM: Ocak2010-Ocak2025tarihleri arasında Kanuni Sultan Süleyman Eğitim ve Araştırma Hastanesi Jinekolojik Onkoloji Cerrahisi Kliniğinde adneksiyel kitle nedeniyle opere edilen ve patoloji sonucu malign, borderline veya benign epitelyal over tümörü olarak raporlanan, preoperatif MRG verileri mevcut olan hastalar retrospektif olarak incelendi. Toplam 362 hastaya ait 2896 MRG kesiti analiz edildi. Görüntü sınıflandırması amacıyla beş farklı yapay zekâ tabanlı derin öğrenme modeli kullanıldı. BULGULAR: Çalışmaya 100 benign, 100 malign, 62 borderline tümörlü hasta ile kontrol grubu olarak 100 normal olgu dahil edildi. Borderline tümör grubunda medyan yaş, malign ve benign gruplara göre anlamlı olarak daha düşük bulundu (sırasıyla p
Özet (Çeviri)
INTRODUCTION: Ovarian cancer is the most aggressive among gynecological malignancies. Borderline tumors, however, do not exhibit invasive or destructive growth, forming a unique group where fertility-sparing surgery can be a suitable option. Therefore, accurate prediction of the malignancy potential of adnexal masses is of great clinical importance. In our study, we aimed to analyze magnetic resonance imaging (MRI) of epithelial ovarian tumors using artificial intelligence-based deep learning models to determine their malignancy potential and investigate their contribution to surgical planning. MATERIAL AND METHODS: Patients who underwent surgery for an adnexal mass at the Kanuni Sultan Süleyman Training and Research Hospital's Gynaecological Oncology Surgery Clinic between January 2010 and January 2025 were retrospectively reviewed. The patients included in the study had pathology reports confirming a malignant, borderline, or benign epithelial ovarian tumour and had available preoperative MRI data. A total of 2896 MRI sections from 362 patients were analyzed. Five different AI-based deep learning models were used for image classification. RESULTS: The study included 100 patients with benign tumors, 100 with malignant tumors, 62 with borderline tumors, and 100 normal cases as a control group. The median age in the borderline tumor group was found to be significantly lower than in the malignant and benign groups (p
Benzer Tezler
- Developing a smart method for real -time brain tumor localization and segmentation on ct ımages using hybrid techniques and yolo
Hibrit teknikler ve yolo kullanilarak bt görüntülerinde gerçek zamanli beyin tümörü lokalizasyonu ve segmentasyonu için akilli bir yöntem geliştirilmesi
NUSAIBAH KHALID ABDULMAJEED AL-SALIHI
Doktora
İngilizce
2025
Elektrik ve Elektronik MühendisliğiÇukurova ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ULUS ÇEVİK
PROF. DR. TURGAY İBRİKÇİ
- Metastaz tanısı için çoklu radyomik verileri ile yapay zeka tabanlı karar destek sistemi oluşturulması
Creating an artificial intelligence based decision support system with multiple radiomic datas for the diagnosis of metastasis
EMİNE ACAR AKKAYA
Doktora
Türkçe
2023
OnkolojiDokuz Eylül ÜniversitesiOnkoloji Ana Bilim Dalı
PROF. DR. ENDER BERAT ELLİDOKUZ
PROF. DR. YASEMİN BAŞBINAR
- Meme MRG'de saptanan kitle dışı kontrastlanmaların benign ve malign ayrımında radyolojik bulgularla doku analizi bulgularının makine öğrenimi yöntemleriyle değerlendirilmesi ve segmentasyon tabanlı 3 boyutlu evrişimsel sinir ağlarıyla karşılaştırılması
Evaluation of radiological and texture analysis findings using machine learning methods in the differentiation of benign and malignant non-mass enhancements detected onbreast MRI and comparison with segmentation-based three dimensional convolutional neural networks
SERHAT AKIŞ
Tıpta Uzmanlık
Türkçe
2025
Radyoloji ve Nükleer TıpDokuz Eylül ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. DR. PINAR BALCI
- Machine-learning approaches for neurological disorder diagnosis from genomic and neuroimaging data
Genomik ve nörogörüntüleme verilerinden nörolojik bozukluk teşhisi için makine öğrenmesi yaklaşımları
İSMAİL BİLGEN
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN
- Emotion aware artificial intelligence for cognitive systems
Bilişsel sistemler için duygu farkındalıklı yapay zeka
DEĞER AYATA
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YUSUF YASLAN
PROF. DR. MUSTAFA ERSEL KAMAŞAK