Yazar "Ozturk, Sait" seçeneğine göre listele

Listeleniyor 1 - 3 / 3
  • Küçük Resim Yok
    Öğe
    Can Behenic Acid (C22:0) Levels be a Prognostic Factor in Glial Tumors?
    (Cambridge Univ Press, 2013) Kaplan, Metin; Koparan, Mehmet; Sari, Aysel; Ozturk, Sait; Kaplan, Serpil Kozan; Erol, Fatih Serhat
    Background: Inhibition of fatty acid synthase leads to apoptosis in cancers, which leads to high levels of fatty acid synthesis. This indicates that cancer cells depend on fatty acid in order to survive. In this study, we investigated whether or not there was a relationship between the glial tumor grade and free fatty acid level of tumor tissue. Methods: Twenty patients who had high grade glial tumors and 20 patients who had low grade glial tumors, were included in the study. Tumors samples were obtained intraoperatively in order to measure the fatty acid levels. The fatty acids were studied in three groups: saturated fatty acids, monounsaturated fatty acids and polyunsaturated fatty acids. They were analyzed with gas chromatography. Results: The oleic acid, linoleic acid, eicosadienoic acid, arachidonic acid, and docosadienoic acid levels were high in the tumor tissue of low grade tumors. The myristic acid, palmitic acid, stearic acid, alpha linoleic acid, eicosenoic acid, dihomo-gamma-linolenic acid, docosahexaenoic acid, and ceramide levels were high in the tumor tissue of high grade glial tumors. However, none of these high values were statistically significant. The high values of behenic acid, a saturated fatty acid, in low grade glial tumors were statistically significant. Conclusion: High levels of behenic acid in patients with low grade glial tumor is important as it indicates persistence of the tissue integrity and tissue resistance. behenic acid levels can be a prognostic factor in glial tumors.
  • Küçük Resim Yok
    Öğe
    Deep learning-based automatic planning with risk minimization for brain tumor biopsy
    (Gazi Univ, Fac Engineering Architecture, 2025) Sahin, Mustafa; Sahin, Emrullah; Ozdemir, Edanur; Talu, Muhammed Fatih; Ozturk, Sait
    iopsy emerges as a critical procedure for determining tumor types and establishing pathological diagnoses.This process encompasses two primary stages: planning and surgical intervention. During the planning stage,anatomical points in the patient's brain are marked based on MRI data, known to take an average of fourhours. However, the accuracy deficiencies, subjective variations, and time consumption associated withmanual marking reveal the critical need for an automated planning tool. In this study, we propose a biopsyplanning method, entirely automated and incorporating cutting-edge deep learning architectures, on MRIand MRA data. The suggested approach aims to execute biopsy planning rapidly, consistently, andrepeatably. The method consists of four main stages: 1) Removal of the brain's upper shell, 2) Tumordetection and target point determination, 3) Segmentation of the brain's vascular network, and 4) Combination of the three stages and risk calculation for optimal trajectory determination. This automaticmethod has been validated with 42 patient data in ITKTubeTK. Furthermore, this study, prepared as a 3DSlicer plugin, is offered as a free computer-assisted tool for clinics. In subsequent phases of the research,integration of fMRI data is planned to further enhance risk calculation
  • Küçük Resim Yok
    Öğe
    Stereotaktik Girişimlerde Trajeksiyon Oluşturmak için Vasküler Risk Haritasının Otomatik Üretilmesi
    (2025) Talu, Muhammed; Ozturk, Sait; Şahin, Mustafa
    Beyin içerisinde hedeflenen noktaya güvenli bir şekilde ulaşmak önemli bir konudur. Trajeksiyon (giriş-hedef) boyunca kritik beyin yapılarına girilmemesi hedeflenir. Klasik planlamada beyin yapıları (AC, PC, MC), giriş ve hedef noktaları cerrah tarafından manuel işaretlenir. Zaman alıcı ve yüksek risk barındıran bu sürecin bilgisayar destekli yazılımlarla desteklenmesine ihtiyaç duyulmaktadır. Bu alanda yapılan çalışmalar incelendiğinde, beyin yapılarının (beyin, tümör, vasküler ağ) tespit edilerek giriş risk haritasının otonom üretildiği bir hedefleme sisteminin bulunmadığı görülmektedir. Ayrıca özgün bir trajeksiyon risk hesabı modeli önerilmektedir. Bu model iki seviyeli vasküler ağı sınıra uzaklığa göre gri ölçeğe dönüştürerek vasküler yapıdaki sınır ile merkez noktanın riske etkisini düzenler. Vasküler ağdaki bu güncelleme daha doğru bir risk haritasının elde edilmesini sağlamıştır. Beyin ve tümör yapılarının tespitinde sırayla HD-BET ve SwinUnet modelleri kullanılmıştır. Yapılan çalışmanın doğrulama faaliyetlerinde iki farklı beyin cerrahının manuel trajeksiyon verileri kullanılmıştır. Önerilen otomatik trajeksiyon tespit yaklaşımının cerrahlarla kıyaslandığında yaklaşık %50 daha düşük risk değerli trajeksiyon belirleyebildiği görülmektedir. Bir sonraki çalışmada, tümör yerine STN yapıları hedeflenerek risk haritaları üretilecek ve epilepsi operasyon güvenliğinin arttırılması hedeflenecektir.