Pankreas kanserinde BT görüntülerinden vasküler tutulum ve invazyonun değerlendirilmesinde görüntüden özellik çıkaran vizyon-dil modelleri ile segmentasyon tabanlı yapay zeka yaklaşımlarının karşılaştırılması
Comparison of vision-language model-based feature extraction and segmentation-based artificial intelligence approaches for the assessment of vascular involvement and invasion on CT images in pancreatic cancer
- Tez No: 1016279
- Danışmanlar: PROF. DR. HİLAL ŞAHİN
- Tez Türü: Tıpta Uzmanlık
- Konular: Radyoloji ve Nükleer Tıp, Radiology and Nuclear Medicine
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Sağlık Bakanlığı
- Enstitü: İzmir Bayraklı Şehir Hastanesi
- Ana Bilim Dalı: Radyoloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Giriş: Pankreas duktal adenokarsinom (PDAK), beş yıllık sağkalımı %12 civarında seyreden ve tedavi kararının büyük ölçüde peripankreatik vasküler invazyon değerlendirmesine dayandığı agresif bir malignitedir. Kontrastlı bilgisayarlı tomografide vasküler invazyon derecelendirmesi subjektif bir süreçtir ve radyologlar arası değişkenlik gösterir. Son yıllarda geliştirilen görüntü-dil temel modelleri (Vizyon Dil Modelleri-VLM) ve segmentasyon tabanlı rapor üretim sistemleri, bu değerlendirmenin standardizasyonu için umut vaat etmektedir; ancak PDAK'ta damara özgü vasküler invazyon tahmini için sistematik olarak karşılaştırılmamışlardır. Amaç: Bu çalışmanın birincil amacı, Merlin adlı VLM temel modelinden elde edilen öznitelik vektörleri (embedding) üzerine kurulan sınıflandırma sistemlerinin, PDAK'lı hastalarda kontrastlı BT görüntülerinde altı peripankreatik damarda vasküler temas ve çevreleme ile tümör lokalizasyonu tahmini için segmentasyon tabanlı RadGPT yaklaşımıyla karşılaştırmalı tanısal performansını değerlendirmektir. Gereç ve Yöntem: İzmir Şehir Hastanesi'nden 348 (278 eğitim, 70 test) ve PanTS veri setinden 245 (168 eğitim, 77 test) hasta dâhil edildi. ResNet-152 omurgasından 2.048 boyutlu öznitelikler çıkarıldı. 15 hedef için yedi model ailesi test edildi. F1-makro skoru birincil metrik olarak seçildi ve RadGPT varyantları ile karşılaştırıldı. Bulgular: VLM tabanlı sınıflandırıcılar vasküler temas (F1=0,630 vs RadGPT=0,585) ve vasküler çevreleme (F1=0,618 vs RadGPT=0,496) kategorilerinde istatistiksel olarak anlamlı derecede daha yüksek performans göstermiştir. Buna karşılık RadGPT, tümör lokalizasyonunda belirgin biçimde üstün bulunmuştur (F1=0,830 vs VLM=0,609). PanTS eğitim verisinin eklenmesi, kurum içi eğitimle gözlenen genelleşme boşluğunu istatistiksel olarak ortadan kaldırmıştır. Sonuç: VLM tabanlı sınıflandırıcılar vasküler değerlendirmede, segmentasyon tabanlı RadGPT ise lokalizasyonda daha başarılı bulunmuştur. Bu bulgular, iki yaklaşımın tamamlayıcı güçlü yönlere sahip olduğunu ve entegre kullanımlarının klinik karar desteğini güçlendirebileceği değerlendirilmiştir.
Özet (Çeviri)
Background: Pancreatic ductal adenocarcinoma (PDAC) is an aggressive malignancy with a five-year survival rate of approximately 12%, and treatment decisions largely depend on the assessment of peripancreatic vascular invasion. The grading of vascular invasion on contrast-enhanced computed tomography (CT) is a subjective process and varies among radiologists. Recently developed Vision Language Models (VLM) and segmentation-based report generation systems show promise for standardizing this assessment; however, they have not been systematically compared for estimating vessel-specific vascular invasion in PDAC. Objective: The primary objective of this study is to evaluate the comparative diagnostic performance of classification systems built on feature vectors (embedding) derived from the Merlin VLM base model, compared to a segmentation-based RadGPT approach, for estimating vascular involvement and invasion in six peripancreatic vessels and tumor localization on contrast-enhanced CT images in patients with PDAC. Materials and Methods: 348 patients (278 training, 70 test) from Izmir City Hospital and 245 patients (168 training, 77 test) from the PanTS dataset were included. 2,048 feature dimensions were extracted from the ResNet-152 backbone. Seven model families were tested for 15 targets. The F1-macro score was selected as the primary metric and compared with RadGPT variants. Results: VLM-based classifiers demonstrated statistically significantly higher performance in the categories of vascular contact (F1=0.630 vs RadGPT=0.585) and vascular containment (F1=0.618 vs RadGPT=0.496). In contrast, RadGPT was significantly superior in tumor localization (F1=0.830 vs VLM=0.609). The addition of PanTS training data statistically eliminated the generalization gap observed with in-house training. Conclusion: VLM-based classifiers were found to be more successful in vascular assessment, while segmentation-based RadGPT was more successful in localization. These findings suggest that the two approaches have complementary strengths and that their integrated use could enhance clinical decision support.
Benzer Tezler
- Diyabetus mellitus'da gözlenen mikrovasküler komplikasyonların prostaglandinler ile olan ilişkisi
The Relation of microvaskular complications observed in diabetes mellitus with prostoglandins
CANAN NEBİGİL
Doktora
Türkçe
1985
Eczacılık ve FarmakolojiCumhuriyet ÜniversitesiFarmakoloji Ana Bilim Dalı
YRD. DOÇ. DR. YUSUF SARIOĞLU
- Alloxan'ın sıçan pankreası üzerine etkilerinin ışık ve elektron mikroskobu seviyelerinde araştırılması
Investigation about the effect of alloxan on the rat at light and electronmicroscopical levels
SAİM ÖZDAMAR
Yüksek Lisans
Türkçe
1987
BiyokimyaCumhuriyet ÜniversitesiMorfoloji Ana Bilim Dalı
DOÇ. DR. ERDOĞAN GÜRSOY
- Karbamatlı fungusitlerden maneb ve zineb'in albino fareler (mus musculus) üzerine etkileri
Başlık çevirisi yok
NURHAYAT EMİR
Yüksek Lisans
Türkçe
1987
BiyolojiHacettepe ÜniversitesiBiyoloji Ana Bilim Dalı
PROF. DR. M. NİHAT ŞİŞLİ
- Tıkanma sarılığının ayırıcı tanısında ultrasonografi ve perkütan transhepatik kolanjiografi
Başlık çevirisi yok
SIDDIK TUNA