Geri Dön

İnvaziv meme kanseri örneklerinde yapay zeka yöntemleri kullanılarak otomatik mitoz tespiti

Automatic mitosis detection using artificial intelligence methods in invasive breast cancer samples

PDF İndir

  1. Tez No: 779462
  2. Yazar: GİZEM SOLMAZ YILMAZ
  3. Danışmanlar: PROF. DR. EVREN ÖNAY UÇAR, DOÇ. DR. FATMA TOKAT
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Patoloji, Biyoteknoloji, Computer Engineering and Computer Science and Control, Pathology, Biotechnology
  6. Anahtar Kelimeler: Histopatoloji, Meme kanseri, Mitoz, Patoloji, Yapay zeka, Histopathology, Mitosis, Pathology, Artificial intelligence
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: İstanbul Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Moleküler Biyoloji ve Genetik Ana Bilim Dalı
  12. Bilim Dalı: Moleküler Biyoteknoloji ve Genetik Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Meme kanseri, dünyada en sık tanı konulan ve kadınlarda mortalitesi en yüksek olan kanser türüdür. Meme kanserinin histolojik derecesi, bu kanserin agresifliğini, hastanın prognozunu ve sağ kalımını belirleyen faktörlerden en önemlisidir. Patoloji uzmanları meme kanserinin histolojik derecelendirmesinde yaygın olarak Nottingham Derecelendirme Sistemini kullanmaktadır. Bu sistemin parametrelerinden biri olan mitotik aktivite, tümörün perifer bölgesinde, mitotik olarak en aktif 10 ardışık büyük büyütme alanındaki mitoz sayısına göre belirlenmekte ve 1, 2, 3 şeklinde skorlanmaktadır. Ancak mitozların morfolojik varyasyonu, mitoz benzeri yapıların varlığı ve preparatlardaki çeşitli artefaktlar nedeniyle, mitozları belirleme ve sayma sürecinde zorluklar yaşayan patoloji uzmanları, hata yapabilmektedir. Mitoz değerlendirme süreci, patoloji uzmanlarının deneyimine bağlı olarak subjektif ve zaman alıcı bir işlemdir. Subjektif değerlendirmeleri engelleyebilmek için, mitoz tespitine yönelik yeni teknikler geliştirilmektedir. Bu teknikler arasında yapay zeka çalışmaları da yer almaktadır. Yapılan çalışmalar, geleneksel yöntemler veya yapay zeka tabanlı yöntemlerin birçoğunun yavaş, yüksek maliyetli ve düşük performanslı olduğunu göstermektedir. Bu bağlamda, mitoz tespitine yönelik geliştirilecek sistemlerin, yüksek doğrulukta sonuçlar sunması, halen üzerinde çalışılması ve çözümlenmesi gereken önemli bir problemdir. Yapay zeka uygulamalarının kullanıldığı çalışmalardaki veri kümeleri incelendiğinde, veri sayısının çoğu zaman yetersiz kaldığı, görüntü kalitesinin düşük olduğu ve mitoz olmayan görsellerin bu veri kümeleri içinde yer aldığı ortaya çıkmaktadır. Bu sorunun çözümlenebilmesi için, kullanılan veri kümeleri, uzmanların danışmanlığında hazırlanmalıdır. Bu tez çalışmasının amacı, yapay zeka yöntemleri kullanarak meme kanseri olgularında mitoz tespitine yönelik, yüksek doğrulukta, objektif ve hızlı sonuçlar elde edilmesini sağlayacak yeni bir yöntem geliştirmektir. Bu amaçla öncelikle tez kapsamında kullanılacak veri kümesi, yapay zeka çalışmalarında yaşanan zorluklar dikkate alınarak, Acıbadem Hastanesi Tıbbi Patoloji laboratuvarından elde edilen invaziv meme karsinomu vakaları ile oluşturulmuştur. 50 kadın hastaya ait dijital slayt görüntülerinden yamalar oluşturularak, yeni ve özgün bir veri kümesi hazırlanmıştır. Yapay zeka uygulamalarından biri olan tek aşamalı nesne tespiti için geliştirilmiş YOLOv5 modelleri kullanılarak, hazırlanan özgün veri kümesinde mitoz tespitine yönelik eğitim ve test sonuçlarına ait performanslar değerlendirilmiştir. Bu doğrultuda YOLOv5s, YOLOv5m, YOLOv5l ve YOLOv5x modellerinin her biri, belirlenen hiperparametreler dikkate alınarak eğitilmiş ve test edilmiştir. Elde edilen bulgular eğitim performansı en yüksek olan modelin 0.913 mAP 0.5 değeri ile YOLOv5s modeli olduğunu, test performansı en yüksek olan modelin ise 0.918 mAP 0.5 değeri ile YOLOv5x modeli olduğunu göstermiştir. Test sonuçları, işlenme süresi en hızlı olan modelin YOLOv5s, en yavaş modelin ise YOLOv5x olduğunu ortaya koymuştur. YOLOv5 modelleri performans ve hız açısından değerlendirildiğinde ise, YOLOv5s modelinin diğer YOLOv5 modellerine kıyasla daha iyi performans gösterdiği tespit edilmiştir. İlk kez bu tez kapsamında YOLOv5 modelleri kullanılarak gerçekleştirilen mitoz tespitinin, invaziv meme kanseri olgularının değerlendirilmesinde patologlara yardımcı olarak kullanılabilme potansiyeli olduğu düşünülmektedir.

Özet (Çeviri)

Breast cancer is the most commonly diagnosed cancer type in the world and has the highest mortality in women. The histological grade of breast cancer is the most crucial factor determining the aggressiveness of breast cancer, prognosis, and survival of the patient. Pathologists widely use the Nottingham Grading System for histological grading of breast cancer. Mitotic activity, one of the parameters of this system, is determined according to the mitosis count in the ten high-power fields in the mitotically active peripheral region of the tumor and is scored as 1,2,3. The pathologists who have difficulties in identifying and counting mitoses can make mistakes due to the morphological variation of mitoses, the presence of mitotic-like structures, and various artifacts in the glass slides. The mitosis assessment is subjective and time-consuming, depending on the experience of pathologists. New techniques for mitosis detection are being developed to avoid subjective evaluations. Artificial intelligence studies are among these techniques. Studies show that many of the traditional methods or artificial intelligence-based methods are slow, costly and low-performing. In this context, it is a significant problem that still needs to be studied and resolved that the systems to be developed for mitosis detection will provide high accuracy results. When the datasets in the studies in which artificial intelligence applications are used are examined, it is revealed that the number of data is often insufficient, the image quality is low and the non-mitotic images are included in these datasets. In order to solve this problem, the datasets should be prepared under the consultancy of experts. The aim of this study is to develop a new method for the detection of mitosis in breast cancer cases using artificial intelligence methods, which will provide high accuracy, objective and rapid results. For this purpose, first of all, the dataset to be used in the thesis was prepared with invasive breast carcinoma cases obtained from Acıbadem Hospital Medical Pathology Laboratory, taking into account the difficulties in artificial intelligence studies. A new and unique dataset was prepared by creating patches from WSI of 50 female patients. By using YOLOv5 models developed for single-stage object detection, the performances of the training and test results for mitosis detection in the unique dataset were evaluated. Accordingly, each of the YOLOv5s, YOLOv5m, YOLOv5l and YOLOv5x models has been trained and tested considering the specified hyperparameters. The findings showed that the model with the highest training performance was the YOLOv5s model with 0.913 mAP 0.5, and the model with the highest test performance was the YOLOv5x model with 0.918 mAP 0.5. The test results revealed that the model with the fastest inference time was YOLOv5s, and the slowest model was YOLOv5x. When YOLOv5 models are evaluated in terms of performance and speed, it has been determined that the YOLOv5s model outperformed other YOLOv5 models. Mitosis detection, which was performed for the first time using YOLOv5 models within the scope of this thesis, is thought to have the potential to be used as an aid to pathologists in the evaluation of invasive breast cancer.

Benzer Tezler

  1. Tez No

    955105

    İnvaziv meme kanserlerinde tru-cut biyopsi ve mastektomi materyallerine rutin uygulanan histomorfolojik ve immünohistokimyasal analiz sonuçlarının karşılaştırması

    Comparison of histomorphological and immunohistochemical analysis results routinely applied to tru-cut biopsy and mastectomy materials in invasive breast cancer

    HİLAL ÇALIŞKAN ERGÜN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2025

    PatolojiTokat Gaziosmanpaşa Üniversitesi

    Tıbbi Patoloji Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SÜLEYMAN ÖZDEMİR

  2. Tez No

    1007689

    İnvaziv duktal meme karsinomlarında Pentraksin 3, podokaliksin ve fraktalkin immünreaktivitesinin incelenmesi

    Investigation of Pentraxin 3, podocalyxin and fractalkine immunoreactivity in invasive ductal breast carcinomas

    TESLİME MELİKHAN ALKAN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2026

    Histoloji ve EmbriyolojiFırat Üniversitesi

    Histoloji ve Embriyoloji Ana Bilim Dalı

    PROF. DR. TUNCAY KULOĞLU

  3. Tez No

    124423

    İnvaziv meme karsinom olgularında PTEN, Siklin D1, P27/Kip1 ekspresyonu ve klinikopatolojik parametrelerle ilişkisi

    Expression of PTEN, cyclin D1, and P27/ Kip1 in invasive breast carcinomas and relation with clinicopathologic characteristics

    HÜSEYİN ENGİN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2003

    OnkolojiHacettepe Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

    PROF.DR. EŞMEN BALTALI

  4. Tez No

    747929

    Meme kanseri ön tanılı hastalarda human papilloma virus araştırılması

    Investigation of human papilloma virus in patients with prediagnosis of breast cancer

    GİZEM GÖZAÇAN ERYILMAZ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2022

    MikrobiyolojiManisa Celal Bayar Üniversitesi

    Tıbbi Mikrobiyoloji Ana Bilim Dalı

    PROF. DR. SİNEM AKÇALI

    PROF. DR. İHSAN ŞEBNEM ÖRGÜÇ

  5. Tez No

    991485

    Meme kanseri hastalarında neoadjuvan tedaviye yanıtı öngörmede CD8/NK hücreleriyle ilişkili çözünür ürünlerin rolü

    The role of soluble products associated with CD8/NK cells in predicting response to neoadjuvant therapy in breast cancer patients

    BAYRAM KAYMAK

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2026

    Genel CerrahiSağlık Bilimleri Üniversitesi

    Genel Cerrahi Ana Bilim Dalı

    DOÇ. DR. UFUK OĞUZ İDİZ

Geri Dön