Optimization over trained graph neural networks with an application in brain tumor resection
Eğitilmiş grafik sinir ağları üzerinde optimizasyon: Beyin tümörü rezeksiyonunda bir uygulama
- Tez No: 979124
- Danışmanlar: DOÇ. DR. ÖZLEM KARSU, DR. ÖĞR. ÜYESİ TAGHİ KHANİYEV
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: İhsan Doğramacı Bilkent Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Düşük dereceli gliomlar (LGG'ler), yavaş ilerlemeleri ve beynin nöroplastik yeniden yapılanması nedeniyle nöroşirürjik onkolojide önemli bir zorluk teşkil eder. Tam rezeksiyon, nüks riskini azaltırken yeniden organize olmuş işlevsel ağları bozma riski taşır. Kısmi rezeksiyonun tümör kontrolünden ödün vermeden nörolojik sonuçları koruyabileceği gösterilmiştir. Ancak cerrahların bu ödünleşimleri ameliyat öncesi nicel değerlendirebileceği araçlar bulunmamaktadır. Bu eksiklik, planlamayı öznel intraoperatif değerlendirmelerle sınırlandırır. Çalışmamız, beyin tümörü rezeksiyonunu, beynin yapısal ve mekansal bağlantılara sahip ilgi bölgelerinden oluşan çok katmanlı bir ağ üzerinde, grafik sinir ağları (GNN) kullanan bir optimizasyon modeliyle ele almaktadır. GNN'ler, global verimlilik ve modülarite gibi işlevsellik metriklerini yaklaşık hesaplayarak, karma tamsayılı programlama içinde vekil amaç fonksiyonu olarak kullanılmaktadır. Yöntemimizi iki amaçlı optimizasyona genişleterek bu metrikler arasındaki ödünleşimleri inceliyoruz. Bu sayede, cerrahlara maksimum tümör kontrolüyle minimum ağ bozulmasını dengeleyen stratejiler sunuyoruz. Cerrahi sonrası işlevsellikte %0,34 optimalite farkıyla sonuçlara ulaşıyor, Pareto Sınırı'nı yaklaşık hesaplayarak bireysel beyin ağlarına özel hassas cerrahiyi mümkün kılıyoruz.
Özet (Çeviri)
Low-grade gliomas (LGGs) present a critical challenge in neurosurgical oncology due to their slow progression and the brain's adaptive neuroplastic reorganization. While complete resection reduces recurrence risk, it may disrupt reorganized functional networks. Emerging evidence shows partial resection can preserve neurological outcomes without compromising tumor control. However, surgeons lack quantitative tools to preoperatively evaluate these tradeoffs. The absence of a computational framework to model resection trade offs leaves surgical planning reliant on subjective intraoperative assessments rather than predictive network analysis. Our research addresses this gap by formulating the brain tumor resection problem as a mathematical optimization model using graph neural networks (GNNs), where the brain is represented as a multiplex network comprising regions of interest (ROIs) with structural and spatial connectivity. In our formulation, GNNs approximate brain functionality metrics such as global efficiency and modularity, serving as surrogate objective functions within a mixed-integer programming framework. We extend this methodology to bi-objective optimization, systematically analyzing trade-offs between several brain functionality metrics. Our framework provides surgeons with data-driven strategies that balance maximal tumor control with minimal network disruption. It achieves solutions whithin 0.34% of the true optimium and efficiently approximates the Pareto frontier, enabling precision neurosurgery tailored to individual brain networks.
Benzer Tezler
- Employing digital twin to LoRa based forest fire management systems
LoRa'ya dayalı orman yangını yönetim sistemlerine dijital ikiz uygulanması
BUĞRA AYDIN
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SEMA FATMA OKTUĞ
- Graph neural networks-based primal heuristics for combinatorial optimization
Kombinatoryal optimizasyon için grafik sinir ağları tabanlı birincil sezgisel yöntem
FURKAN CANTÜRK
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÖzyeğin ÜniversitesiYapay Zeka Ana Bilim Dalı
DR. ÖĞR. ÜYESİ REYHAN AYDOĞAN
PROF. DR. OKAN ÖRSAN ÖZENER
- Automated curriculum design for reinforcement learning with graph theory and evaluation heuristics
Çizge kuramı ve değerlendirme bazlı sezgisel yöntemler ile pekiştirmeli öğrenme için otomatik müfredat tasarımı
ANIL ÖZTÜRK
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. NAZIM KEMAL ÜRE
- Ağır petrol fraksiyonlarının yapay sinir ağları ile moleküler düzeyde modellenmesi
Artificial neural network modeling of the heavy petroleum fractions at molecular level
CELAL UTKU DENİZ
Doktora
Türkçe
2017
Kimya Mühendisliğiİstanbul ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. MUZAFFER YAŞAR
- Karma yapılı yeni bir bulanık-sinirsel ağ yapısının geliştirilmesi ve başarımının incelenmesi
Development and performance assessment of a novel hybrid fuzzy neural network structure
GİZEM ATAÇ KALE
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. CİHAN KARAKUZU