Utforske den potensielle bruken av konvolusjonelle nevrale nettverk for klinisk Betydelig påvisning av prostatakreft gjennom alderens linse
Bachelor thesis
Permanent lenke
https://hdl.handle.net/11250/3075642Utgivelsesdato
2023Metadata
Vis full innførselSamlinger
- Studentoppgaver (TN-IDE) [823]
Beskrivelse
Full text not available
Sammendrag
Prostatakreft (PCa) representerer en betydelig folkehelseutfordring i utvikletnasjoner, med over 5000 menn som får diagnosen sykdommen årlig i Norgealene, noe som gjør det til den hyppigst forekommende kreftsykdommen blant menn i landet.Testing for PCa har vist seg å være en utfordrende prosess som krever ulike tester for å kunnebekrefte tilstedeværelsen av PCa. Disse inkluderer testen for prostataspesifikk antigen (PSA),en enkel blodprøve som måler PSA-nivåer i blodet, Digital rektalundersøkelse(DRE), som involverer en lege som setter en finger inn i pasientens endetarmfor å vurdere prostatas størrelse og tekstur. I tillegg tas det også biopsier, sominnebærer å skaffe en vevsprøve for videre studier. Til tross for deres nytte, disse testingmetoder er mottakelige for feilaktige konklusjoner, med potensielt PSA-nivåerpåvirket av faktorer utover prostatastørrelsen, biopsiprøver kan muligens være kreftfrie,og muligheten for menneskelig feil under en DRE.I lys av disse utfordringene utforsker denne oppgaven potensialet til Convolutional NeuralNettverk (CNN) som et screeningsverktøy for PCa og alvorlighetsvurdering. Nærmere bestemt viundersøke rollen til alder som den primære indikatoren/bestemmelsen av PCa og dens alvorlighetsgrad.Vår metodikk innebærer å evaluere nøyaktigheten til den forutsagte alderen gjennom brukenav gjennomsnittlig absolutt feil (MAE), som sammenligner den med pasientens faktiske alder. Ved å bruke denne tilnærming, tar vi sikte på å bestemme levedyktigheten til CNN-er for å forbedre PCa-deteksjon ogalvorlighetsvurdering samtidig som man overvinner begrensningene ved gjeldende screeningmetoder som f.eks som PSA. Resultatene av denne oppgaven viser at DL for aldersforutsigelse kan være en verdifull teknikki å avsløre PCa, med betydelige forskjeller mellom MAE for pasienter med kreft(159) og pasienter uten (91) i en uavhengig testkohort. Prostate Cancer (PCa) represents a significant public health challenge in developednations, with over 5,000 men being diagnosed with the disease annually in Norwayalone, rendering it the most frequently occurring cancer among men in the country.Testing for PCa has proven to be a challenging process requiring various test in order toconfirm the presence of PCa. These include the Prostate Specific Antigen (PSA) test,a simple blood test that measures PSA levels in the blood, Digital Rectal Examination(DRE), which involves a medical practitioner inserting a finger into the patient’s rectumto assess the prostate’s size and texture. In addition, biopsies are also taken, whichinvolves obtaining a tissue sample for further study. Despite their utility, these testingmethods are susceptible to erroneous conclusions, with PSA levels potentially beinginfluenced by factors beyond prostate size, biopsy samples possibly being cancer-free,and the possibility of human error during a DRE.In light of these challenges, this thesis explores the potential of Convolutional NeuralNetworks (CNNs) as a screening tool for PCa and severity assessment. Specifically, weexamine the role of age as the primary indicator/determiner of PCa and its severity.Our methodology involves evaluating the accuracy of the predicted age through the useof Mean Absolute Error (MAE), comparing it to the patient’s actual age. By using thisapproach, we aim to determine the viability of CNNs in improving PCa detection andseverity assessment while overcoming the limitations of current screening methods suchas PSA.The results of this thesis show that DL for age prediciting can be a valuable techniquein revealing PCa, with significant differences between the MAE of patients with cancer(159) and patients without it (91) in an independent test cohort.