Context-aware graph neural networks for whole slide image classification
Bütün slayt görüntü sınıflandırması için bağlam duyarlı çizge sinir ağları
- Tez No: 999801
- Danışmanlar: PROF. DR. ÇİĞDEM GÜNDÜZ DEMİR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Graflar, Histopatoloji, Graphs, Histopathology
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Koç Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Pankreas Nöroendokrin tümörlerinde (PanNET), tümör-konak interfazında görülen infiltrasyon paternleri hasta sonuçları için güçlü bir göstergedir. Öte yandan, manuel değerlendirme özneldir ve otomatik yöntemler genellikle gerekli uzamsal bağımlılıkları yakalamakta yetersiz kalmaktadır. Mevcut derin öğrenme yaklaşımları ya uzamsal bilgiyi göz ardı eder ya da küçük veri kümelerinden genelleme yapabilmek için gereken tümevarımsal önyargıdan yoksundur. Bu tezde, patologların çalışma akışını taklit eden, yeni bir iki parçalı çizge sinir ağı tasarımına dayalı bir yaklaşım öneriyoruz. Tümör--konak (parankim) arayüzünü saptayıp çizge kenarlarını yalnızca tümör yamaları ile komşu parankim yamaları arasındaki etkileşimlerle sınırlandırarak, yöntemimiz yapısal gürültüyü azaltır ve özellikle bu interfazdaki prognostik sinyalleri yakalar. Klinik derecelerin ordinal doğasını göz önüne almak için skorlama görevini bir regresyon problemi olarak formüle ettik. Kendi topladığımız bir veri kümesi üzerinde yaptığımız değerlendirmede, yaklaşımımız, tüm infiltrasyon paternlerinde, çoklu örnek öğrenimi ve çizge tabanlı referans yöntemlerini geride bırakarak, limitli verinin olduğu klinik ortamlarda otoma-tik tanı için dayanıklı bir çözüm sunmaktadır.
Özet (Çeviri)
Infiltration pattern scoring observed at the tumor--host interface is a powerful predictor of patient outcomes in pancreatic neuroendocrine tumors (PanNETs), yet manual assessment is subjective and automated methods often fail to capture the required spatial dependencies. Current deep learning approaches either discard spatial information or lack the inductive bias necessary to generalize from small datasets. In this thesis, we propose a pipeline mimicking the pathologist's workflow through a novel bipartite graph neural network (GNN) design. By detecting the tumor--host (non-neoplastic parenchyma) interface and restricting graph edges to interactions between tumor patches and adjacent non-neoplastic parenchyma patches, our method reduces structural noise and captures prognostic signals specifically from this interface. We formulate the scoring task as a regression problem to handle the ordinal nature of clinical grades. Evaluated on an in-house dataset, our approach outperforms state-of-the-art multiple instance learning (MIL) and GNN baselines across all infiltration patterns, representing a robust solution for automated prognostication in data-scarce clinical settings.
Benzer Tezler
- Tiroid nodülü malignite riskinin çizge sinir ağları ile ilişkisel modellenmesi
Relational modeling of thyroid nodule malignancy risk using graph neural networks
MEHMET YAVUZ
Doktora
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NEJAT YUMUŞAK
- Graph-based precedent case recommendation with statute-aware representations for Turkish jurisprudence
Türk hukuku için mevzuat bilgisiyle zenginleştirilmiş vektörler ile çizge tabanlı emsal karar öneri sistemi
MUSTAFA MERT KÖSE
Yüksek Lisans
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FEHİME NİHAN ÇİÇEKLİ
- Enhancing cross-market recommendation system using graph isomorphism networks
Çizge izomorfizm ağları kullanarak çapraz pazar tavsiye sistemi geliştirme
SÜMEYYE ÖZTÜRK
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE ÖĞÜDÜCÜ
DR. RESUL TUGAY
- Enriching ıtem feature representations in session-based recommendation with global ıtem graphs
Oturum tabanlı öneri sistemlerinde evrensel varlık çizgesi ile varlık özellik vektörlerinin zenginleştirilmesi
YUNUS KARATEPE
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE ÖĞÜDÜCÜ
- Proactivity in robotics: Towards learning to help without being helped
Robotikte proaktiflik: Yardım almaksızın yardım etmeyi öğrenmeye doğru
HUZAİFA SALAH UD DİN
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. SALİH ÖZGÜR ÖĞÜZ