Interpretation models for prostate lesion: Detecting, explaining and understanding
Prostat lezyonları için yorumlama modelleri: Tespit, açıklama ve anlama
- Tez No: 977449
- Danışmanlar: PROF. DR. MEHMED KANTARDZIC
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Radyoloji ve Nükleer Tıp, Computer Engineering and Computer Science and Control, Radiology and Nuclear Medicine
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Unıversıty Of Louısvılle
- Enstitü: Yurtdışı Enstitü
- Ana Bilim Dalı: Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Bilimleri Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Prostat kanseri, dünya genelinde milyonlarca erkeği etkileyen önemli bir halk sağlığı sorunudur. Prostat kanserinin erken teşhisi ve tedavisi, hasta sonuçlarını iyileştirmek açısından kritik öneme sahipken, prostat lezyonlarının tespiti hastalığın zamanında müdahalesi ve yönetimi açısından daha da büyük önem taşımaktadır. Prostat lezyonları, prostat bezinde oluşan anormal büyümeler veya kitlelerdir ve her zaman kanserli olmayabilirler. Bu lezyonların zamanında tespiti ve doğru şekilde tanılanması, hastalığın etkili bir biçimde tedavisi ve yönetimi için hayati önem taşır. Son yıllarda derin öğrenme modelleri, MRI gibi gelişmiş görüntüleme teknikleriyle prostat lezyonlarını doğru bir şekilde tespit etme ve karakterize etme konusunda umut verici sonuçlar vermiştir. Ancak, bu modellerin güvenilirliği ve yorumlanabilirliği; sağlık çalışanlarının ve hastaların güvenini kazanmak ve bu teknolojilerin etkili ve etik biçimde kullanılmasını sağlamak açısından elzemdir. Lezyon tespit modellerinin doğruluğu ve şeffaflığı artırıldıkça, hasta tedavilerinin etkinliği de artabilir ve genel yaşam kalitesi iyileştirilebilir. Bu nedenle, çalışmada daha şeffaf ve güvenilir bir açıklama sağlayabilmek adına, yorumlama yöntemleri kullanan bir Prostat Lezyon Açıklama çerçevesi (PLE-IM) önerilmiştir. Bu çerçeve, açıklama yöntemleri aracılığıyla prostat veri kümesini analiz etmeye olanak tanımaktadır. Görüntü verilerindeki özellik temsillerini Grad-CAM benzeri yöntemlerle yorumlamak üzere çeşitli performans ölçütleri önerilmiştir. Bu ölçütler, görüntü verilerine yönelik açıklama yöntemlerinin doğruluğunu ve güvenilirliğini nicel ve titiz bir şekilde değerlendirmeye imkân tanır. Buna ek olarak, prostat lezyonları ve hasta kayıtları için çeşitli açıklama yöntemlerini entegre eden bir sistem geliştirilmiştir. Bu sistem, görüntüleme modelleri ile hasta kayıt modellerinden elde edilen sonuçların birbirleriyle nasıl ilişkili olduğunu bu açıklama yöntemleri aracılığıyla incelemeyi amaçlamaktadır. Açıklama yöntemleri, prostat lezyonlarının tespiti için gerekli olan temel faktörlere dair önemli içgörüler sunar. Birden fazla modelin birlikte kullanılması, sonuçların şeffaflığını ve güvenilirliğini daha da artırabilir. Bu doğrultuda, Grad-CAM ve Saliency Maps yöntemleri entegre edilerek, prostat MRI verilerinde lezyon lokalizasyonunun doğruluğu ve dayanıklılığı artırılmıştır. Her bir model verinin farklı yönlerini yakalayarak birbirini tamamlamaktadır. Benzer şekilde, hem açıklama yöntemlerini hem de belirsizlik temelli açıklamaları bir arada kullanmak, radyologların prostat lezyonlarını daha doğru şekilde tespit etme ve karakterize etme yeteneğini artırabilir. Bu yöntemler birbirini tamamlayan bilgiler sunduğundan, lezyon tespit algoritmalarının şeffaflığını ve güvenilirliğini artırmaktadır. Bu amaçla, radyoloji uzmanlarıyla yürütülen bir pilot çalışma gerçekleştirilmiş; açıklama yöntemlerinin klinik kullanımı değerlendirilmiştir. Bu yöntemlerin, prostat MRI tedavi süreçlerinde radyologlara anlaşılır ve destekleyici açıklamalar sunabileceği gösterilmiştir. Ayrıca, belirsizlik temelli yaklaşımlarla birlikte açıklama yöntemlerinin kullanılması, radyologların prostat lezyonlarını tespit ve sınıflandırma doğruluğunu önemli ölçüde artırabilir. Bu yöntemler birbirini tamamlayan içgörüler sunarak tespit algoritmalarının güvenilirliğini ve şeffaflığını güçlendirir. Konuya ilişkin yapılan pilot çalışmada, açıklama yöntemlerinin klinik ortamlarda uygulanabilirliği radyoloji uzmanlarıyla birlikte incelenmiştir. Bu çalışma, derin öğrenmenin prostat tanı ve sınıflandırmasındaki potansiyel klinik entegrasyonuna işaret etmekle birlikte, modellerin yorumlanabilirliğinin sınırlı olması nedeniyle yaşanan zorluklara da dikkat çekmektedir. Pilot çalışmanın sonuçları, açıklama yöntemlerinin klinik görev performansını %20'ye kadar artırabileceğini ortaya koyarken, bu yöntemlerin faydasının yönteme göre değiştiğini göstermektedir. Radyologlar özellikle gürültüye dayanıklı, hassas ve tutarlı yöntemleri daha değerli bulmaktadır. Bu bulgular, açıklama yöntemlerinin klinik beklentileri karşılayacak şekilde netlik, doğruluk ve güvenilirlik açısından iyileştirilmesi gerektiğini ortaya koymakta ve derin öğrenmenin tıbbi tanılarda daha geniş kabul görmesi için güven inşa edilmesinin önemini vurgulamaktadır. Son olarak, tıbbi tanılarda topluluk (ensemble) yöntemlerinin yorumlanabilirliğini artırmaya yönelik yeni bir çerçeve geliştirilmiştir. Bu çerçeve, özellikle görüntüleme yoluyla yapılan prostat lezyonu sınıflandırmalarına odaklanmaktadır. Yenilikçi yapı, topluluk sınıflayıcılarının karar verme süreçlerini açıklığa kavuşturmakta ve önyargı ile gürültüyü azaltarak daha doğru ve güvenilir tanı sonuçlarına olanak tanımaktadır. Yorumlanabilirliğin artırılmasıyla birlikte, bu çerçeve tanı araçlarına duyulan güveni artırmakta ve bu araçların etik şekilde klinik ortamlarda kullanılmasını teşvik etmektedir. Açıklanabilir yapay zekâ tekniklerinin entegrasyonunu vurgulayan bu araştırma, bu araçların şeffaf ve hesap verebilir olması gerektiğinin altını çizmektedir. Bu da sağlık hizmetlerinde teknolojinin sorumlu şekilde benimsenmesi açısından kritik önemdedir. Geliştirilen çerçeve, hem ileri teknolojili hem de kullanıcı dostu araçlar sağlayarak hasta sonuçlarını iyileştirmeye destek olmakta ve tıbbi yapay zekânın bütünlüğünü güçlendirerek hasta odaklı bir yaklaşımı teşvik etmektedir.
Özet (Çeviri)
Prostate cancer is a major public health concern, affecting millions of men worldwide. While early detection and treatment of prostate cancer is critical for improving patient outcomes, the detection of prostate lesions is even more important for timely intervention and management of the disease. Prostate lesions are abnormal growths or lumps within the prostate gland, which may or may not be cancerous. The timely detection and accurate diagnosis of prostate lesions is crucial for effective treatment and management of the disease. In recent years, deep learning models have shown promise in accurately detecting and characterizing prostate lesions using advanced imaging techniques such as MRI. However, the reliability and interpretability of these models is essential for gaining the trust of healthcare professionals and patients, and for ensuring that these models are used effectively and ethically. By improving the accuracy and transparency of lesion detection models, it may be possible to enhance the effectiveness of treatment for patients and improve their overall quality of life. Therefore, we propose a Prostate Lesion Explanation using Interpretation Models (PLE-IM) framework, for analyzing the prostate dataset using explanation methods more transparent and trustworthiness explanation. We proposed several performance measures for interpreting the feature representations of image data using Grad- CAM like evaluating the precision of explanation methods for image data. These measures provide a quantitative and rigorous way to assess the accuracy and reliability of explanation methods for image data. Additionally, we developed a system that integrates several explanation methods for both prostate lesions and patient records. This system is designed to examine how the outcomes from image models and patient record models are related, using these explanation methods. Explanation methods provide essential insights into the key factors for detecting prostate lesions, and using multiple models together could further improve the transparency and reliability of the results. In line with this approach, we integrated Grad-CAM and Saliency Maps to enhance the accuracy and robustness of lesion localization in prostate MRI data. These models each capture distinct aspects of the data, complementing each other effectively. Similarly, utilizing both explanation methods and uncertainty-based prostate lesion detection explanations may enhance radiologists' ability to accurately detect and characterize prostate lesions, as these methods provide complementary information that can improve the reliability and transparency of the lesion detection algorithm. To this end, a pilot study was created with radiology expert and analyzed explanation methods for radiology end-use with them and the use of explanation methods can provide a clear and understandable explanation that can support radiologists in their prostate MRI treatment. Similarly, leveraging explanation methods alongside uncertainty-based approaches can significantly improve radiologists' accuracy in detecting and characterizing prostate lesions. These methods deliver complementary insights, thereby enhancing the transparency and reliability of the detection algorithms. To explore this further, a pilot study involving radiology experts assessed the application of these methods in clinical settings. The study aligns with broader findings in deep learning for prostate identification and classification, which underscore the potential for clinical integration but also highlight challenges due to the opacity of deep learning models. The results of the pilot study indicate that while explanation methods can enhance clinical task performance by up to 20%, their usefulness varies, and some methods are perceived less favorably. Radiologists particularly value methods that are robust against noise, precise, and consistent. These findings emphasize the need to refine explanation methods to meet clinical expectations, focusing on clarity, accuracy, and reliability to foster deeper trust and broader acceptance of deep learning in medical diagnostics. Finally, a new framework has been developed to enhance the interpretability of ensemble methods in medical diagnostics, specifically focusing on prostate lesion classification through medical imaging. This innovative framework clarifies the decision-making processes of ensemble classifiers and reduces bias and noise, leading to more accurate and reliable diagnostic outcomes. By improving interpretability, the framework builds trust in these diagnostic tools, encouraging their ethical use in clinical environments. Emphasizing the integration of explainable AI techniques, the research highlights the necessity for these tools to be transparent and accountable, fostering trust in automated medical systems. This is crucial for the responsible adoption of technology in healthcare, ensuring that advanced diagnostic tools are not only accessible but also comprehensible to healthcare professionals. The framework supports better patient outcomes by providing clinicians with tools that are both advanced and straightforward, thereby enhancing the integrity of medical AI applications and promoting a patient-centered approach in the evolving landscape of medical diagnostics.
Benzer Tezler
- Metabolism-oriented multiomics data integration
Farklı omı̇k verı̇lerı̇n metabolı̇zma odaklı entegrasyonu
AYCAN ŞAHİN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. ALİ ÇAKMAK
- Mimari bir dilin biçim grameri analizi ve bilgisayar ortamında sunumu
Başlık çevirisi yok
EDA VELİBAŞOĞLU
- Kültürel miras yapılarının sayısallaştırılması ve HBIM modeline dönüşümü
Digitization of cultural heritage buildings and their conversion into HBIM models
HANDAN AŞ ÇEMREK
Yüksek Lisans
Türkçe
2026
MimarlıkMimar Sinan Güzel Sanatlar ÜniversitesiEnformatik Ana Bilim Dalı
PROF. DR. ÜMİT IŞIKDAĞ
- 18. yüzyılın ikinci yarısında Aşağı Tuna'da iktisadi hayat: Silistre Gümrüğü örneği(1788-1792)
Economic life of downward danube in the second half of the eighteenth century: Silistre Customs (1788-1792)
BAHADIR EMRE KÜÇÜKKALAY
Yüksek Lisans
Türkçe
2019
Ekonomiİstanbul Üniversitesiİktisat Tarihi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ŞEVKET KAMİL AKAR
- E-itibar yönetimi: Doğrulama işaretlerinin itibara katkısı
E-reputation management: The contribution of verification badges on reputation
CAN ALPER BALİBEYOĞLU
Yüksek Lisans
Türkçe
2018
İletişim BilimleriGalatasaray Üniversitesiİletişim Ana Bilim Dalı
DOÇ. DR. HALİME YÜCEL BOURSE