Radyomik ve klinik özellikler kullanılarak BT görüntülerinden böbrek tümörü tipinin belirlenmesi

Bu çalışma, radyomik ve klinik veriler kullanılarak BT görüntülerinden böbrek tümörü tipinin (berrak hücreli veya berrak hücreli olmayan) tespit edilmesinde makine öğrenimi algoritmalarının performanslarını karşılaştırmayı hedeflemektedir. Çalışmada TCIA'nın KiTS-19 Yarışması'nda bulunan 192 malign böbrek tümörü BT görüntüsü (142 berrak hücreli, 50 diğer tip) kullanılmıştır. Özellikler 3 boyutlu görüntü kesitlerinin tümü kullanılarak çıkarılmıştır. Başlangıçta çıkarılan özellik sayısı, 1130 radyomik ve 27 klinik olmak üzere toplam 1157'dir. Kruskal Wallis - ANOVA testi ardından Lasso Regresyon metodu uygulanarak modellerde kullanılacak 8 özellik seçilmiştir. Bu aşamada tüm klinik özellikler elenmiştir. Eğitim kümesi sınıfları SMOTE metodu kullanılarak dengelenmiştir. Seçilen özellikler için eğitim kümesi verileri kullanılarak Coarse Gaussian SVM ve Subspace Discriminant algoritmaları eğitilmiştir. Coarse Gaussian SVM için eğitim süresi 0.47 sn ve tahmin hızı yaklaşık 11000 göz/sn iken; Subspace Discriminant için bu değerler sırasıyla 4.1 sn ve yaklaşık 960 göz/sn olarak gözlemlenmiştir. Coarse Gaussian SVM için ROC puanı 0.86 bulunurken, Subspace Discriminant için 0.85 olarak hesaplanmıştır. İki model de çalışmanın amacı olan böbrek tümörü tipi sınıflandırması için umut verici sonuçlar sağlamıştır.