Naslov (srp)

Primena savremenih računarskih metoda za analizu međućelijske interakcije u cilju unapređenja dijagnostike i hirurškog lečenja planocelularnog karcinoma larinksa : doktorska disertacija

Autor

Valjarević, Svetlana, 1981-

Doprinosi

Đorđević, Vladimir, 1964-
Vujisić, Miloš, 1974-
Đelić, Marina, 1980-
Jovanović, Milan, 1963-
Pantić, Igor, 1983-
Vučević, Danijela, 1969-
Vukomanović-Đurđević, Biserka, 1968-

Opis (eng)

Histopathological diagnosis of changes in the laryngeal mucosa can be challenging when it comes todistinguishing dysplastic lesions from the initial stage of carcinoma, assessing the presence ofmalignant cells in borderline specimens taken from tissue that appears macroscopically healthy, andanalyzing tissue in cases of suspected disease recurrence. Textural analysis represents a contemporarycomputer-based method that can evaluate initial changes in intercellular interaction, cell shape, andchromatin structure that may not be apparent with conventional microscopic methods. The aim ofthis research was to determine the sensitivity of computer algorithms in textural analysis for detectingstructural changes characteristic of cells and tissue in squamous cell carcinoma of the larynx. Usingoptical instruments, 2000 representative digital micrographs of laryngeal mucosa specimens from 100patients (50 with malignancy, 50 with chronic laryngitis) were obtained and then analyzed usingmethods based on the application of textural analysis. The results of our research indicate a significantdifference in the tissue cytoarchitecture between squamous cell carcinoma of the larynx and chroniclaryngitis in terms of textural characteristics quantified by the GLCM technique, as well as in termsof wavelet mathematical analysis indicators. Morphologically similar nuclei of epithelial cells in thetissue of squamous cell carcinoma of the larynx and tissue in chronic laryngitis show significantdifferences in the values of textural and wavelet indicators. It is possible to develop machine learningmodels based on logistic regression, random forests, and multilayer perceptron to differentiatebetween malignant and benign tissue using textural and wavelet indicators as input data. Textural andwavelet mathematical analysis of cells and tissues, as well as machine learning models based on them,have the potential, after additional evaluation and development, to be incorporated into standardprotocols in otolaryngology for the diagnosis and surgical treatment of squamous cell carcinoma ofthe larynx in the future.

Opis (srp)

Histopatološka dijagnostika promena na sluznici larinksa može biti zahtevna kada je u pitanjurazlikovanje displastičnih lezija od početnog stadijuma karcinoma, procena prisustva malignih ćelijau graničnim preparatima uzetim sa tkiva koje makroskopski izgleda zdravo, kao i analiza tkivaprilikom sumnje na recidiv bolesti. Teksturalna analiza predstavlja savremenu računarsku metodukoja može da evaluira početne promene u međućelijskoj interakciji, obliku ćelije i strukturihromatina, a koje nisu uočljive konvencionalnim mikroskopskim metodama. Cilj ovog istraživanjabio je da se utvrdi senzitivnost računarskih algoritama teksturalne analize u detekciji strukturnihpromena karakterističnih za ćelije i tkivo planocelularnog karcinoma larinksa. Na preparatimasluznice larinksa kod 100 pacijenata (50 sa malignitetom, 50 sa hroničnim laringitisom) napravljenoje 2000 reprezentativnih digitalnih mikrografa tkiva korišćenjem optičkih instrumenata, a potom sumikrografi analizirani primenom metoda baziranih na primeni teksturalne analize. Rezultati našegistraživanja ukazuju na to da postoji značajna razlika između tkivne citoarhitekture planocelularnogkarcinoma larinksa i hroničnog laringitisa u pogledu teksturalnih karakteristika kvantifikovanihGLCM tehnikom, kao i u pogledu indikatora vejvlet matematičke analize. Morfološki slična jedraepitelnih ćelija u tkivu planocelularnog karcinoma larinksa i tkivu kod hroničnog laringitisa pokazujuznačajne razlike u vrednostima teksturalnih i vejvlet indikatora. Moguće je razviti modele mašinskogučenja zasnovane na logističkoj regresiji, slučajnim šumama i višeslojnom perceptronu zarazlikovanje malignog od benignog tkiva koristeći teksturalne i vejvlet indikatore kao ulazne podatke.Teksturalna i vejvlet matematička analiza ćelija i tkiva, kao i modeli mašinskog učenja bazirani nanjima, imaju potencijal da u budućnosti, nakon dodatne evaluacije i razvoja, budu uključeni ustandardne protokole u otorinolaringologiji za dijagnozu i hirurško lečenje planocelularnogkarcinoma larinksa.

Opis (srp)

Medicinske nauke - Rekonstruktivna hirurgija / Medical Sciences - Reconstructive Surgery Datum odbrane: 01.07.2024.

Jezik

srpski

Datum

2023

Licenca

Ovo delo je licencirano pod uslovima licence
Creative Commons CC BY-NC-ND 3.0 AT - Creative Commons Autorstvo - Nekomercijalno - Bez prerada 3.0 Austria License.

http://creativecommons.org/licenses/by-nc-nd/3.0/at/legalcode

Predmet

OSNO - Opšta sistematizacija naučnih oblasti, Plastična i rekonstruktivna hirurgija

laryngeal squamous cell carcinoma, textural analysis, intercellular interaction, computer methods, machine learning models

OSNO - Opšta sistematizacija naučnih oblasti, Plastična i rekonstruktivna hirurgija

planocelularni karcinom larinksa, teksturalna analiza, međućelijska interakcija, računarske metode, modeli mašinskog učenja

616.22-006.6-089:004(043.3)