Karaciğer metastazlarının manyetik rezonans görüntülemede radiomiks özelliklerinin analizi ve makine öğrenmesi yöntemleri ile primer tümöre göre sınıflandırılması
Radiomics analysis of liver metastases on mri and classification for primary site with machine learning
- Tez No: 925236
- Danışmanlar: DOÇ. DR. MEHMET ÖNCÜ
- Tez Türü: Tıpta Uzmanlık
- Konular: Radyoloji ve Nükleer Tıp, Radiology and Nuclear Medicine
- Anahtar Kelimeler: Neoplazm metastazları, Yapay zeka ve makine öğrenmesi dersi, Neoplasm metastasis, Artificial intelligence and machine learning course
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Sağlık Bilimleri Üniversitesi
- Enstitü: İstanbul Bağcılar Eğitim ve Araştırma Hastanesi
- Ana Bilim Dalı: Radyoloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: MR görüntülerinde izlenen karaciğer metastazlarına kaynaklık eden primer tümörün lokalizasyonunu radiomiks özellikleri ve makine öğrenmesi algoritmaları ile tahmin etmek Gereç ve Yöntemler: MR görüntülerinde karaciğer metastazı bulunan primer malignitesi bilinen patoloji tanılı hastalar çalışmaya dahil edilmiştir. Hasta listesi metastazın orijini olan organa göre 30 meme, 71 kolorektal, 23 akciğer ve 36 pankreatik kanser tanılı hasta toplamda 160 hastadan oluşmaktadır. T2A, faz içi, faz dışı, DAG sekansları ve ADC haritaları segmentasyonda kullanılmıştır. Segmentasyonlar manuel olarak 3D slicer yazılımında yapılmıştır. Yazılımın Pyradiomics uzantısı ile her sekans için 93 özellik elde edilmiştir. 5 sekans için lezyon başına toplamda 465 özellik elde edilmiştir. Eksik değerler KNN imputasyon yöntemiyle türetilmiştir. Karar ağacı, ayrımcı analiz, lojistik regresyon, naive Bayes, SVM, KNN“ensemble”algoritmaları makine öğrenmesi modelini eğitmek için kullanılmıştır. 10 kat çapraz doğrulama yapılmıştır. Veri setinin %10'u test seti olarak ayrılmıştır. Özellikler ReliefF ve ANOVA ile ayıklanarak ve SMOTE ile örnek sayısı arttırılarak farklı modeller eğitilmiştir. Bulgular: Çok sınıflı tahminlerde en başarılı model 465 özelliğin kullanıldığı SMOTE ile örnek sayısı 284'e çıkartılan SVM algoritması olup doğruluk değeri validasyon setinde %85.5, test setinde %87.3 olmuştur. İkili sınıflandırma stratejisiyle meme kanserinin diğerlerinden ayrımında KNN algoritması ile validasyon setinde %72.2 test setinde %50 doğruluk değeri elde edildi. Kolorektal ile diğerlerinin kıyaslamasında KNN ile validasyonda %71.9 test setinde %85.7, akciğer ile diğerlerinin karşılaştırmasında“ensemble”algoritma ile validasyonda 73.8 test setinde %75, pankreas ile diğerlerinin kıyaslamasında SVM ile validasyonda %60, test setinde %57.1 doğruluk değeri elde edildi. Sonuç: Çok sınıflı tahminlerin çoğu klinik kullanım için gerekli düzeyde doğruluğa erişmedi. Ancak SMOTE sonrası umut vadeden sonuçlara ulaşıldı. ReliefF, ANOVA ve ikili sınıflandırma sonuçları metastaz orijini ile radiomik özellikleri arasında bir ilişki olduğunu ortaya koymaktadır. Modellerin kullanılabilirliğini arttırmak için eksternal validasyon ve daha fazla veriye ihtiyaç vardır. Çalışmanın bazı limitasyonları: segmentasyonların 2D oluşu, kontrastlı serilerin olmayışı, veri setinin dengesiz olması
Özet (Çeviri)
Purpose: Prediction of primary site of the liver metastases on the MR images by using radiomic features and machine learning algorithms Materials and Methods: Patients with liver metastases on MR images and with pathological confirmed known primary tumor were included in this study. By originating organ the list consists of 30 breast, 71 colorectal, 23 lung and 36 pancreatic metastatic patients and 160 patients in total. T2, in-phase, out-of-phase, DWI and ADC sequences were used for segmentations. Segmentations were done manually in 3d slicer software. Pyradiomics extension was used for feature extraction and 93 radiomic features are extracted. For five sequences 465 features were extracted in total. KNN imputation was used for estimating the missing values. Decision tree, discriminant analysis, logistic regression, SVM, KNN, ensemble algorithms were used for training of the machine learning algorithms. 10 fold cross validation was done. Ten percent of the data set left out for test set. ReliefF and ANOVA were used for feature selection. Oversampling was done using SMOTE and different models were trained. Findings: The most succesful algorithm in multiclass classification was SVM after using SMOTE that yielded accuracy of 85.5% for validation and 87.3% for test set. Binary classification strategy with breast vs. other using KNN algorithm yielded 72.2% and 50% for validation and test set accuracy respectively. Colon vs. others using KNN yielded 71.9% and 85.7%, lung vs. others using ensemble 73.8% and 75%, pancreas vs. others using SVM 60% and 57.1% respectively. Conclusion: Results of the most of the multiclass classification models are inadequate for clinical usage. But after SMOTE some promising results were achieved. ReliefF, ANOCA and binary classification showed a relationship between origin of the metastases and radiomic features. External validation and more data are needed to further strengthen the feasibility. Limitations of the study: Segmentations were done 2D, no 3D segmentation was used Contrast enhanced sequences were not used due to missing acquisitions and artifacts, distribution of the classes were out of proportion
Benzer Tezler
- ADC histogram verilerinin meme kanseri karaciğer metastazlarının hormon reseptörü ve sağ kalımı öngörmekteki rolü: Hedef lezyon VOI ile tüm karaciğer metastazlarının VOI karşılaştırması
ADC histogram values of breast cancer liver metastasis for predicting hormone receptor and survival: Comparison of the target lesion voi and all the metastatic lesion VOI
ONUR ŞİMŞEK
Tıpta Uzmanlık
Türkçe
2022
Radyoloji ve Nükleer TıpSağlık Bilimleri ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. DR. NAZAN ÇİLEDAĞ
- Karaciğer metastazlarında ablasyon sonrası kontrol MRG'de radiomics analizi ile lokal nüks öngörüsü
Prediction of local recurrence using radiomics analysis on post-ablation control MRI in liver metastases
EDANUR KARAPINAR
Tıpta Uzmanlık
Türkçe
2025
Radyoloji ve Nükleer Tıpİstanbul ÜniversitesiRadyodiagnostik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET SEMİH ÇAKIR
- Karaciğerdeki hemanjiyom ve metastatik lezyonların değerlendirilmesinde difüzyon ağırlıklı manyetik rezonans görüntülemenin etkinliği
The efficacy of diffusion weighted magnetic resonance imaging in the evaluation of hemangiomas and metastases of liver
DEVRİM ANIL
Tıpta Uzmanlık
Türkçe
2014
Radyoloji ve Nükleer TıpPamukkale ÜniversitesiDahili Tıp Bilimleri Bölümü
YRD. DOÇ. DUYGU HEREK
- Gastrointestinal sistem ve pankreatiko-bilyer sistem tümörlerinin karaciğer ve diğer intraabdominal metastatik lezyonlarının saptanmasında PET/CT ile MR görüntülemesinin karşılaştırılması
Comparison of PET/CT and MRI in the determination of liver and other intraabdominal metastatic lesions of gastrointestinal system and pancreaticobiliary system tumors
MEHMET TAHTABAŞI
Tıpta Uzmanlık
Türkçe
2015
Radyoloji ve Nükleer TıpSağlık Bilimleri ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. DR. ŞÜKRÜ MEHMET ERTÜRK
- Segmentation of colon nuclei images using deep learning
Kalın bağırsak hücre görüntülerinin derin öğrenme kullanılarak bölütlenmesi
ATAKAN ÖZKAN
Yüksek Lisans
İngilizce
2025
Biyomühendislikİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ENDER METE EKŞİOĞLU