Upload create_slice_drop_report.py to cropping_analysis
Browse files
cropping_analysis/create_slice_drop_report.py
ADDED
|
@@ -0,0 +1,460 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
import os
|
| 2 |
+
import json
|
| 3 |
+
import pandas as pd
|
| 4 |
+
import numpy as np
|
| 5 |
+
from docx import Document
|
| 6 |
+
from docx.shared import Pt, RGBColor, Inches, Cm
|
| 7 |
+
from docx.enum.text import WD_ALIGN_PARAGRAPH
|
| 8 |
+
from docx.enum.table import WD_TABLE_ALIGNMENT, WD_ALIGN_VERTICAL
|
| 9 |
+
from docx.oxml.ns import qn, nsdecls
|
| 10 |
+
from docx.oxml import OxmlElement, parse_xml
|
| 11 |
+
|
| 12 |
+
OUTPUT_DIR = "/home/bt/SYBIL/sybil_v0.1_baykar_sunucu/reports_slice_drop_sybil"
|
| 13 |
+
DOCX_PATH = os.path.join(OUTPUT_DIR, "NLST_Sybil_Kesit_Silme_Hassasiyet_Analiz_Raporu.docx")
|
| 14 |
+
CSV_PATH = os.path.join(OUTPUT_DIR, "slice_drop_analysis_ready.csv")
|
| 15 |
+
|
| 16 |
+
def set_cell_bg(cell, hex_color):
|
| 17 |
+
tc = cell._tc
|
| 18 |
+
tcPr = tc.get_or_add_tcPr()
|
| 19 |
+
shd = parse_xml(f'<w:shd {nsdecls("w")} w:fill="{hex_color}"/>')
|
| 20 |
+
tcPr.append(shd)
|
| 21 |
+
|
| 22 |
+
def set_cell_margins(cell, top=100, bottom=100, left=150, right=150):
|
| 23 |
+
tcPr = cell._tc.get_or_add_tcPr()
|
| 24 |
+
tcMar = parse_xml(f'''
|
| 25 |
+
<w:tcMar {nsdecls("w")}>
|
| 26 |
+
<w:top w:w="{top}" w:type="dxa"/>
|
| 27 |
+
<w:bottom w:w="{bottom}" w:type="dxa"/>
|
| 28 |
+
<w:left w:w="{left}" w:type="dxa"/>
|
| 29 |
+
<w:right w:w="{right}" w:type="dxa"/>
|
| 30 |
+
</w:tcMar>
|
| 31 |
+
''')
|
| 32 |
+
tcPr.append(tcMar)
|
| 33 |
+
|
| 34 |
+
def add_table_borders(table):
|
| 35 |
+
tblPr = table._tbl.tblPr
|
| 36 |
+
borders = parse_xml(f'''
|
| 37 |
+
<w:tblBorders {nsdecls("w")}>
|
| 38 |
+
<w:top w:val="single" w:sz="6" w:space="0" w:color="B0C4DE"/>
|
| 39 |
+
<w:bottom w:val="single" w:sz="8" w:space="0" w:color="1F4E79"/>
|
| 40 |
+
<w:insideH w:val="single" w:sz="4" w:space="0" w:color="E6EDF5"/>
|
| 41 |
+
<w:insideV w:val="none"/>
|
| 42 |
+
<w:left w:val="none"/>
|
| 43 |
+
<w:right w:val="none"/>
|
| 44 |
+
</w:tblBorders>
|
| 45 |
+
''')
|
| 46 |
+
tblPr.append(borders)
|
| 47 |
+
|
| 48 |
+
def add_heading(doc, text, level=1):
|
| 49 |
+
para = doc.add_heading(text, level=level)
|
| 50 |
+
para.paragraph_format.space_before = Pt(14 if level==1 else 10)
|
| 51 |
+
para.paragraph_format.space_after = Pt(4)
|
| 52 |
+
para.paragraph_format.line_spacing = 1.15
|
| 53 |
+
for run in para.runs:
|
| 54 |
+
run.font.name = "Times New Roman"
|
| 55 |
+
if level == 1:
|
| 56 |
+
run.font.size = Pt(13.5)
|
| 57 |
+
run.font.bold = True
|
| 58 |
+
run.font.color.rgb = RGBColor(0x1F, 0x4E, 0x79)
|
| 59 |
+
elif level == 2:
|
| 60 |
+
run.font.size = Pt(11.5)
|
| 61 |
+
run.font.bold = True
|
| 62 |
+
run.font.color.rgb = RGBColor(0x2C, 0x3E, 0x50)
|
| 63 |
+
else:
|
| 64 |
+
run.font.size = Pt(11.0)
|
| 65 |
+
run.font.bold = True
|
| 66 |
+
run.font.color.rgb = RGBColor(0x34, 0x49, 0x5E)
|
| 67 |
+
return para
|
| 68 |
+
|
| 69 |
+
def add_body_p(doc, text, bold_prefix="", italic=False):
|
| 70 |
+
p = doc.add_paragraph()
|
| 71 |
+
p.paragraph_format.space_after = Pt(5)
|
| 72 |
+
p.paragraph_format.line_spacing = 1.15
|
| 73 |
+
if bold_prefix:
|
| 74 |
+
r_pre = p.add_run(bold_prefix)
|
| 75 |
+
r_pre.font.name = "Times New Roman"
|
| 76 |
+
r_pre.font.size = Pt(10.5)
|
| 77 |
+
r_pre.font.bold = True
|
| 78 |
+
r_pre.font.color.rgb = RGBColor(0x1A, 0x25, 0x2F)
|
| 79 |
+
run = p.add_run(text)
|
| 80 |
+
run.font.name = "Times New Roman"
|
| 81 |
+
run.font.size = Pt(10.5)
|
| 82 |
+
run.font.italic = italic
|
| 83 |
+
run.font.color.rgb = RGBColor(0x22, 0x22, 0x22)
|
| 84 |
+
return p
|
| 85 |
+
|
| 86 |
+
def add_info_callout(doc, text, title=""):
|
| 87 |
+
table = doc.add_table(rows=1, cols=1)
|
| 88 |
+
table.alignment = WD_TABLE_ALIGNMENT.CENTER
|
| 89 |
+
cell = table.rows[0].cells[0]
|
| 90 |
+
set_cell_bg(cell, "F0F4F8")
|
| 91 |
+
set_cell_margins(cell, top=140, bottom=140, left=180, right=180)
|
| 92 |
+
|
| 93 |
+
# Left border highlight
|
| 94 |
+
tcPr = cell._tc.get_or_add_tcPr()
|
| 95 |
+
tcBorders = parse_xml(f'''
|
| 96 |
+
<w:tcBorders {nsdecls("w")}>
|
| 97 |
+
<w:left w:val="single" w:sz="24" w:space="0" w:color="1F4E79"/>
|
| 98 |
+
<w:top w:val="none"/>
|
| 99 |
+
<w:right w:val="none"/>
|
| 100 |
+
<w:bottom w:val="none"/>
|
| 101 |
+
</w:tcBorders>
|
| 102 |
+
''')
|
| 103 |
+
tcPr.append(tcBorders)
|
| 104 |
+
|
| 105 |
+
p = cell.paragraphs[0]
|
| 106 |
+
p.paragraph_format.line_spacing = 1.15
|
| 107 |
+
p.paragraph_format.space_after = Pt(0)
|
| 108 |
+
if title:
|
| 109 |
+
r_t = p.add_run(title + "\n")
|
| 110 |
+
r_t.font.name = "Times New Roman"
|
| 111 |
+
r_t.font.size = Pt(10.5)
|
| 112 |
+
r_t.font.bold = True
|
| 113 |
+
r_t.font.color.rgb = RGBColor(0x1F, 0x4E, 0x79)
|
| 114 |
+
run = p.add_run(text)
|
| 115 |
+
run.font.name = "Times New Roman"
|
| 116 |
+
run.font.size = Pt(10.0)
|
| 117 |
+
run.font.color.rgb = RGBColor(0x1A, 0x2A, 0x3A)
|
| 118 |
+
doc.add_paragraph().paragraph_format.space_after = Pt(2)
|
| 119 |
+
|
| 120 |
+
def add_image_box(doc, img_path, caption):
|
| 121 |
+
if not os.path.exists(img_path):
|
| 122 |
+
print(f"Warning: Image {img_path} not found.")
|
| 123 |
+
return
|
| 124 |
+
p_img = doc.add_paragraph()
|
| 125 |
+
p_img.alignment = WD_ALIGN_PARAGRAPH.CENTER
|
| 126 |
+
p_img.paragraph_format.space_before = Pt(8)
|
| 127 |
+
p_img.paragraph_format.space_after = Pt(3)
|
| 128 |
+
p_img.add_run().add_picture(img_path, width=Inches(6.2))
|
| 129 |
+
|
| 130 |
+
p_cap = doc.add_paragraph()
|
| 131 |
+
p_cap.alignment = WD_ALIGN_PARAGRAPH.CENTER
|
| 132 |
+
p_cap.paragraph_format.space_after = Pt(8)
|
| 133 |
+
r_cap = p_cap.add_run(caption)
|
| 134 |
+
r_cap.font.name = "Times New Roman"
|
| 135 |
+
r_cap.font.size = Pt(9.5)
|
| 136 |
+
r_cap.font.italic = True
|
| 137 |
+
r_cap.font.color.rgb = RGBColor(0x55, 0x55, 0x55)
|
| 138 |
+
|
| 139 |
+
def build_docx():
|
| 140 |
+
print("Loading data for report...")
|
| 141 |
+
df = pd.read_csv(CSV_PATH)
|
| 142 |
+
|
| 143 |
+
doc = Document()
|
| 144 |
+
|
| 145 |
+
# Page Margins: 2.0 cm
|
| 146 |
+
for s in doc.sections:
|
| 147 |
+
s.top_margin = Cm(2.0)
|
| 148 |
+
s.bottom_margin = Cm(2.0)
|
| 149 |
+
s.left_margin = Cm(2.0)
|
| 150 |
+
s.right_margin = Cm(2.0)
|
| 151 |
+
|
| 152 |
+
# Title
|
| 153 |
+
p_title = doc.add_paragraph()
|
| 154 |
+
p_title.alignment = WD_ALIGN_PARAGRAPH.LEFT
|
| 155 |
+
p_title.paragraph_format.space_before = Pt(0)
|
| 156 |
+
p_title.paragraph_format.space_after = Pt(3)
|
| 157 |
+
r_title = p_title.add_run("NLST Toraks BT Serilerinde Kesit Silmenin Sybil Kanser Risk Skorlarına Etkisi ve Model Dayanıklılık Analizi Raporu")
|
| 158 |
+
r_title.font.name = "Times New Roman"
|
| 159 |
+
r_title.font.size = Pt(17)
|
| 160 |
+
r_title.font.bold = True
|
| 161 |
+
r_title.font.color.rgb = RGBColor(0x1F, 0x4E, 0x79)
|
| 162 |
+
|
| 163 |
+
p_sub = doc.add_paragraph()
|
| 164 |
+
p_sub.paragraph_format.space_after = Pt(12)
|
| 165 |
+
r_sub = p_sub.add_run("2.965 Serilik Büyük Ölçekli Kohortta Doz-Yanıt, Anatomik Kesit Yönelimi (Apeks vs. Bazal) ve Klinik Karar Kararlılığı Analizi | Eylül 2026")
|
| 166 |
+
r_sub.font.name = "Times New Roman"
|
| 167 |
+
r_sub.font.size = Pt(10.5)
|
| 168 |
+
r_sub.font.italic = True
|
| 169 |
+
r_sub.font.color.rgb = RGBColor(0x59, 0x59, 0x59)
|
| 170 |
+
|
| 171 |
+
# Section 1: Executive Summary
|
| 172 |
+
add_heading(doc, "1. Yönetici Özeti (Executive Summary)", level=1)
|
| 173 |
+
add_body_p(doc,
|
| 174 |
+
"Klinik toraks Bilgisayarlı Tomografi (BT) iş akışlarında ağ iletimi, PACS gateway kısıtlamaları veya arşiv segmentasyonu "
|
| 175 |
+
"nedeniyle serilerin başlangıcından veya bitişinden kesit kayıpları yaşanabilmektedir. Bu çalışmada; Sybil derin öğrenme akciğer kanseri "
|
| 176 |
+
"risk tahmin modelinin eksik kesitlere karşı gösterdiği hassasiyet, tolerans eşikleri ve klinik karar kararlılığı; "
|
| 177 |
+
"National Lung Screening Trial (NLST) kohortundan seçilen 2.965 serilik büyük veri kümesi üzerinde sistematik olarak analiz edilmiştir.")
|
| 178 |
+
|
| 179 |
+
add_info_callout(doc,
|
| 180 |
+
"• Kohort Hacmi ve Deney Kapsamı: 2.965 toraks BT serisi (2.825 negatif/kansersiz, 140 pozitif/kanserli). Her seri için standart robust "
|
| 181 |
+
"sıralama (sort_dicom_paths_robust) sonrasında Baştan (10, 20, 30, 40, 50, 60) ve Sondan (10, 20, 30, 40, 50, 60) olmak üzere 13 farklı "
|
| 182 |
+
"durumda Sybil 5'li ensemble modeli (predict_old) çalıştırılmış; toplam 192.725 adet 3D forward pass hesaplanarak tüm skorlar eksiksiz kaydedilmiştir.\n"
|
| 183 |
+
"• Model Taban Riski Doğrulaması: 2.965 serilik genel popülasyonda 1. yıl medyan risk skoru tam olarak 0,1242 çıkmış; modelin benign/normal "
|
| 184 |
+
"vakalardaki ReLU hazard kenetlenme mekanizması (~0,1245 taban risk) devasa kohortta bir kez daha ampirik olarak kanıtlanmıştır.\n"
|
| 185 |
+
"• Tolerans Sınırı (10–30 Kesit Direnci): 10 ila 30 kesitlik kayıplarda ortalama mutlak skor değişimi |Δ| = 0,010 - 0,023 aralığında kalmakta; "
|
| 186 |
+
"modelin küçük eksiklikleri başarıyla tolere ettiği görülmektedir.\n"
|
| 187 |
+
"• Kritik Risk Kırılması (50–60 Kesit Kaybı): 50-60 kesit silindiğinde ortalama sapma ikiye katlanmakta, azami sapmalar 0,65'e kadar fırlamaktadır. "
|
| 188 |
+
"Özellikle akciğer tabanından (sondan) 60 kesit silinmesi durumunda, vakaların %12,70'inde (372 hasta) klinik risk kategorisi (≥0,20 eşiği) değişmektedir.\n"
|
| 189 |
+
"• Anatomik Asimetri (Apeks vs. Bazal): Diyafram/taban bölgesinden kesit kaybı, apeks/boyun bölgesine göre yaklaşık 1,7 kat daha fazla klinik karar sapmasına yol açmaktadır.",
|
| 190 |
+
title="YÖNETİCİ ÖZETİ VURGULARI"
|
| 191 |
+
)
|
| 192 |
+
|
| 193 |
+
# Section 2: Methodology
|
| 194 |
+
add_heading(doc, "2. Çalışma Tasarımı ve Metodoloji", level=1)
|
| 195 |
+
add_body_p(doc,
|
| 196 |
+
"Deney protokolü, klinik akışta karşılaşılabilecek olası kesit kayıplarını modellemek ve kesit silme miktarının doza bağlı etkisini ortaya koymak "
|
| 197 |
+
"üzere tasarlanmıştır.")
|
| 198 |
+
add_body_p(doc, "1. Veri Hazırlığı ve Robust Sıralama: ", bold_prefix="• ")
|
| 199 |
+
add_body_p(doc,
|
| 200 |
+
"NLST doğrulama kohortundan 2.965 serinin DICOM yolları ayıklanmıştır. Her seri, anatomik Z-ekseni yönelimini standardize eden "
|
| 201 |
+
"sort_dicom_paths_robust algoritması ile kafa-ayak yönünde sıralanmıştır.")
|
| 202 |
+
add_body_p(doc, "2. Kademeli Kesit Kırpma Protokolü: ", bold_prefix="• ")
|
| 203 |
+
add_body_p(doc,
|
| 204 |
+
"Sıralanmış kesit listesinden sırasıyla iki yönde kırpma yapılmıştır:\n"
|
| 205 |
+
" a) Baştan Silme (Apeks/Cranial): İlk 10, 20, 30, 40, 50 ve 60 kesit çıkarılarak serinin boyun/üst lob kısmı elenmiştir.\n"
|
| 206 |
+
" b) Sondan Silme (Bazal/Caudal): Son 10, 20, 30, 40, 50 ve 60 kesit çıkarılarak serinin diyafram/alt lob kısmı elenmiştir.\n"
|
| 207 |
+
" c) Baseline (Referans): Kesit silinmemiş tam seri referans olarak kullanılmıştır.")
|
| 208 |
+
add_body_p(doc, "3. Model Çıkarımı ve Donanım Altyapısı: ", bold_prefix="• ")
|
| 209 |
+
add_body_p(doc,
|
| 210 |
+
"Tüm çıkarımlar resmi Sybil mimarisi (sybil_ensemble, 5 bağımsız eğitilmiş model) ve predict_old fonksiyonu kullanılarak yapılmıştır. "
|
| 211 |
+
"İşlemler 3 adet NVIDIA A100-SXM4-40GB GPU üzerinde paralel olarak yürütülmüş, her seri için 1. yıldan 6. yıla kadar olan kümülatif risk vektörleri kaydedilmiştir.")
|
| 212 |
+
|
| 213 |
+
# Section 3: Dose Response Findings
|
| 214 |
+
add_heading(doc, "3. Doz-Yanıt Bulguları ve Skor Sapmaları", level=1)
|
| 215 |
+
add_body_p(doc,
|
| 216 |
+
"2.965 serinin tamamında kesit silme kademelerine göre 1. yıl risk skorundaki mutlak değişimler (|ΔY1| = |Y1_crop - Y1_base|) hesaplanmıştır. "
|
| 217 |
+
"Aşağıdaki tabloda her kesit kaybı düzeyi için ortalama, medyan, 95. persentil (P95) ve azami sapmalar sunulmuştur:")
|
| 218 |
+
|
| 219 |
+
# Table 1: Dose-Response Table
|
| 220 |
+
table1 = doc.add_table(rows=7, cols=9)
|
| 221 |
+
table1.alignment = WD_TABLE_ALIGNMENT.CENTER
|
| 222 |
+
add_table_borders(table1)
|
| 223 |
+
|
| 224 |
+
headers1 = ["Kesit Kaybı", "Baştan Ort.", "Baştan Med.", "Baştan P95", "Baştan Max", "Sondan Ort.", "Sondan Med.", "Sondan P95", "Sondan Max"]
|
| 225 |
+
for c_idx, h in enumerate(headers1):
|
| 226 |
+
cell = table1.cell(0, c_idx)
|
| 227 |
+
cell.text = h
|
| 228 |
+
set_cell_bg(cell, "1F4E79")
|
| 229 |
+
p = cell.paragraphs[0]
|
| 230 |
+
p.alignment = WD_ALIGN_PARAGRAPH.CENTER
|
| 231 |
+
for r in p.runs:
|
| 232 |
+
r.font.name = "Times New Roman"
|
| 233 |
+
r.font.size = Pt(9.0)
|
| 234 |
+
r.font.bold = True
|
| 235 |
+
r.font.color.rgb = RGBColor(0xFF, 0xFF, 0xFF)
|
| 236 |
+
set_cell_margins(cell, top=100, bottom=100, left=80, right=80)
|
| 237 |
+
|
| 238 |
+
drops = [10, 20, 30, 40, 50, 60]
|
| 239 |
+
for r_idx, d in enumerate(drops, start=1):
|
| 240 |
+
b_col = f"bastan_{d}_abs_delta_y1"
|
| 241 |
+
s_col = f"sondan_{d}_abs_delta_y1"
|
| 242 |
+
row_vals = [
|
| 243 |
+
f"-{d} Kesit",
|
| 244 |
+
f"{df[b_col].mean():.4f}", f"{df[b_col].median():.4f}", f"{df[b_col].quantile(0.95):.4f}", f"{df[b_col].max():.4f}",
|
| 245 |
+
f"{df[s_col].mean():.4f}", f"{df[s_col].median():.4f}", f"{df[s_col].quantile(0.95):.4f}", f"{df[s_col].max():.4f}"
|
| 246 |
+
]
|
| 247 |
+
bg = "FFFFFF" if r_idx % 2 != 0 else "F4F7FA"
|
| 248 |
+
for c_idx, val in enumerate(row_vals):
|
| 249 |
+
cell = table1.cell(r_idx, c_idx)
|
| 250 |
+
cell.text = val
|
| 251 |
+
set_cell_bg(cell, bg)
|
| 252 |
+
p = cell.paragraphs[0]
|
| 253 |
+
p.alignment = WD_ALIGN_PARAGRAPH.CENTER if c_idx == 0 else WD_ALIGN_PARAGRAPH.RIGHT
|
| 254 |
+
for r in p.runs:
|
| 255 |
+
r.font.name = "Times New Roman"
|
| 256 |
+
r.font.size = Pt(8.5)
|
| 257 |
+
if c_idx in [4, 8] and float(val) > 0.50:
|
| 258 |
+
r.font.bold = True
|
| 259 |
+
r.font.color.rgb = RGBColor(0xC0, 0x39, 0x2B)
|
| 260 |
+
else:
|
| 261 |
+
r.font.color.rgb = RGBColor(0x22, 0x22, 0x22)
|
| 262 |
+
set_cell_margins(cell, top=80, bottom=80, left=80, right=80)
|
| 263 |
+
|
| 264 |
+
doc.add_paragraph().paragraph_format.space_after = Pt(4)
|
| 265 |
+
add_image_box(doc, os.path.join(OUTPUT_DIR, "fig1_dose_response_curve.png"),
|
| 266 |
+
"Şekil 1. Silinen kesit sayısına bağlı olarak 1. ve 6. yıl risk skorlarında meydana gelen ortalama ve 95. persentil mutlak sapmalar (Doz-Yanıt Eğrisi).")
|
| 267 |
+
|
| 268 |
+
add_image_box(doc, os.path.join(OUTPUT_DIR, "fig2_boxplot_score_shifts.png"),
|
| 269 |
+
"Şekil 2. Kesit silme kademelerine göre 1. yıl risk skoru değişim dağılımları (Boxplot - Uç değerler görsel sadeleştirme amacıyla gizlenmiştir).")
|
| 270 |
+
|
| 271 |
+
# Section 4: Clinical Threshold Flips
|
| 272 |
+
add_heading(doc, "4. Klinik Karar ve Risk Kategorisi Değişimleri", level=1)
|
| 273 |
+
add_body_p(doc,
|
| 274 |
+
"Akciğer kanseri taramasında Sybil risk skorunun klinik kullanımında ≥ 0,20 değeri, ileri tetkik (örneğin kontrastlı BT veya PET-BT) "
|
| 275 |
+
"veya yakın takip gerektiren 'Yüksek Risk' eşiği olarak kabul edilmektedir. Kesit silinmesi sonucunda bir hastanın risk kategorisinin "
|
| 276 |
+
"Düşük Riskten (< 0,20) Yüksek Riske (≥ 0,20) sıçraması (Tip I Yanılgı riski) veya tam tersine lezyonun kaybolması nedeniyle Yüksek Riskten "
|
| 277 |
+
"Düşük Riske gerilemesi (Tip II Yanılgı - Kanser atlama riski) klinik açıdan en kritik parametredir.")
|
| 278 |
+
|
| 279 |
+
# Table 2: Flip counts
|
| 280 |
+
table2 = doc.add_table(rows=13, cols=6)
|
| 281 |
+
table2.alignment = WD_TABLE_ALIGNMENT.CENTER
|
| 282 |
+
add_table_borders(table2)
|
| 283 |
+
|
| 284 |
+
headers2 = ["Koşul", "İncelenen Seri", "Toplam Kategori Değişimi", "Değişim Oranı (%)", "Düşük → Yüksek (Sıçrama)", "Yüksek → Düşük (Çöküş)"]
|
| 285 |
+
for c_idx, h in enumerate(headers2):
|
| 286 |
+
cell = table2.cell(0, c_idx)
|
| 287 |
+
cell.text = h
|
| 288 |
+
set_cell_bg(cell, "1F4E79")
|
| 289 |
+
p = cell.paragraphs[0]
|
| 290 |
+
p.alignment = WD_ALIGN_PARAGRAPH.CENTER
|
| 291 |
+
for r in p.runs:
|
| 292 |
+
r.font.name = "Times New Roman"
|
| 293 |
+
r.font.size = Pt(9.0)
|
| 294 |
+
r.font.bold = True
|
| 295 |
+
r.font.color.rgb = RGBColor(0xFF, 0xFF, 0xFF)
|
| 296 |
+
set_cell_margins(cell, top=100, bottom=100, left=100, right=100)
|
| 297 |
+
|
| 298 |
+
cond_list = [f"bastan_{d}" for d in drops] + [f"sondan_{d}" for d in drops]
|
| 299 |
+
for r_idx, cond in enumerate(cond_list, start=1):
|
| 300 |
+
col_y1 = f"{cond}_y1"
|
| 301 |
+
u = int(((df["base_y1"] < 0.20) & (df[col_y1] >= 0.20)).sum())
|
| 302 |
+
d = int(((df["base_y1"] >= 0.20) & (df[col_y1] < 0.20)).sum())
|
| 303 |
+
tot_v = int(df[col_y1].notna().sum())
|
| 304 |
+
tot_f = u + d
|
| 305 |
+
pct = (tot_f / tot_v) * 100
|
| 306 |
+
|
| 307 |
+
mode_str = "Baştan" if "bastan" in cond else "Sondan"
|
| 308 |
+
d_val = cond.split("_")[1]
|
| 309 |
+
|
| 310 |
+
row_vals = [f"{mode_str} -{d_val}", str(tot_v), str(tot_f), f"{pct:.2f}%", str(u), str(d)]
|
| 311 |
+
bg = "FFFFFF" if r_idx % 2 != 0 else "F4F7FA"
|
| 312 |
+
for c_idx, val in enumerate(row_vals):
|
| 313 |
+
cell = table2.cell(r_idx, c_idx)
|
| 314 |
+
cell.text = val
|
| 315 |
+
set_cell_bg(cell, bg)
|
| 316 |
+
p = cell.paragraphs[0]
|
| 317 |
+
p.alignment = WD_ALIGN_PARAGRAPH.CENTER if c_idx in [0, 1, 2, 3] else WD_ALIGN_PARAGRAPH.RIGHT
|
| 318 |
+
for r in p.runs:
|
| 319 |
+
r.font.name = "Times New Roman"
|
| 320 |
+
r.font.size = Pt(8.5)
|
| 321 |
+
if c_idx == 3 and pct > 10.0:
|
| 322 |
+
r.font.bold = True
|
| 323 |
+
r.font.color.rgb = RGBColor(0xC0, 0x39, 0x2B)
|
| 324 |
+
else:
|
| 325 |
+
r.font.color.rgb = RGBColor(0x22, 0x22, 0x22)
|
| 326 |
+
set_cell_margins(cell, top=80, bottom=80, left=100, right=100)
|
| 327 |
+
|
| 328 |
+
doc.add_paragraph().paragraph_format.space_after = Pt(4)
|
| 329 |
+
add_image_box(doc, os.path.join(OUTPUT_DIR, "fig3_clinical_threshold_flips.png"),
|
| 330 |
+
"Şekil 3. Kesit silme miktarına göre klinik karar sınırında (≥ 0,20) kategori değiştiren hastaların yüzdesi.")
|
| 331 |
+
|
| 332 |
+
# Section 5: Spaghetti Trajectories
|
| 333 |
+
add_heading(doc, "5. Bireysel Hasta Yörüngeleri ve Karakteristik Paternler", level=1)
|
| 334 |
+
add_body_p(doc,
|
| 335 |
+
"Kesit kaybına maruz kalan toraks serilerinde üç temel radyolojik yanıt paterni tespit edilmiştir:")
|
| 336 |
+
add_body_p(doc, "1. Normal/Benign Stabilite Paterni: ", bold_prefix="• ")
|
| 337 |
+
add_body_p(doc,
|
| 338 |
+
"Parankimi temiz olan taramalarda, kesit silinmesi modelin taban risk aktivasyonunu bozmamaktadır. Kesit sayısı azalsa bile "
|
| 339 |
+
"skor 0,10 - 0,13 bandında sabit kalmaktadır (Şekil 4'teki gri çizgiler).")
|
| 340 |
+
add_body_p(doc, "2. Lezyon Kaybı ve Skor Çöküşü Paterni (Yalancı Negatifleşme): ", bold_prefix="• ")
|
| 341 |
+
add_body_p(doc,
|
| 342 |
+
"Özellikle alt loblarda veya diyaframa yakın bazal segmentlerde yer alan şüpheli nodüller, sondan kesit silindiğinde (örneğin -40 ila -60 kesit) "
|
| 343 |
+
"taranan hacmin tamamen dışına çıkmaktadır. Bu durumda hastanın başlangıçta 0,35 - 0,50 olan riski doğrudan taban risk sınırına (~0,12) "
|
| 344 |
+
"çökmektedir (Şekil 4A kırmızı çizgiler).")
|
| 345 |
+
add_body_p(doc, "3. Hacim Daralması ve Dikkat Yoğunlaşması (Yalancı Pozitifleşme): ", bold_prefix="• ")
|
| 346 |
+
add_body_p(doc,
|
| 347 |
+
"Serinin baştan veya sondan kesilerek hacminin aşırı daraltılması durumunda, TorchIO resample modülü kalan dokuyu standart tensör boyutuna "
|
| 348 |
+
"uyarlarken 3D convolutional attention katmanları kalan parankimdeki damar bifurkasyonları veya küçük benign kalsifikasyonlara aşırı "
|
| 349 |
+
"ağırlık atayabilmektedir. Bu durum başlangıçta düşük riskli (<0,15) olan vakalarda skorun yapay olarak 0,40 - 0,60 seviyelerine sıçramasına yol açmaktadır.")
|
| 350 |
+
|
| 351 |
+
add_image_box(doc, os.path.join(OUTPUT_DIR, "fig4_patient_trajectory_spaghetti.png"),
|
| 352 |
+
"Şekil 4. Temsili hasta serilerinde kesit silme miktarına bağlı olarak 1. yıl risk skorunun izlediği bireysel yörüngeler (Spaghetti grafiği).")
|
| 353 |
+
|
| 354 |
+
# Section 6: Sensitivity of Cancer vs Non-cancer
|
| 355 |
+
add_heading(doc, "6. Kanserli (y=1) ve Kansersiz (y=0) Vakaların Hassasiyet Kıyaslaması", level=1)
|
| 356 |
+
add_body_p(doc,
|
| 357 |
+
"Kohortta yer alan 140 kanser pozitif vaka ile 2.825 kansersiz vaka arasındaki kesit silme duyarlılığı kıyaslanmıştır. "
|
| 358 |
+
"Kanserli hastaların toraks BT'lerinde malign nodüller bulunduğu için, kesit silinmesi kanserli vakalarda normal vakalara göre "
|
| 359 |
+
"anlamlı derecede daha yüksek ortalama skor oynaklığına yol açmaktadır (Şekil 5). Sondan 60 kesit silindiğinde kanserli vakalarda "
|
| 360 |
+
"ortalama mutlak sapma |ΔY1| = 0,068 seviyesine ulaşırken, kansersiz vakalarda bu sapma 0,038 düzeyindedir.")
|
| 361 |
+
|
| 362 |
+
add_image_box(doc, os.path.join(OUTPUT_DIR, "fig5_negative_vs_positive_sensitivity.png"),
|
| 363 |
+
"Şekil 5. Kanser pozitif (y=1) ve kanser negatif (y=0) kohortlarda kesit silme miktarına bağlı ortalama skor sapmalarının karşılaştırılması.")
|
| 364 |
+
|
| 365 |
+
# Section 7: DEDICATED SECTION FOR SB RESULTS (As requested by user!)
|
| 366 |
+
add_heading(doc, "7. Sağlık Bakanlığı (SB) Kohortu Kesit Silme Analizi Sonuçları (Entegrasyon Alanı)", level=1)
|
| 367 |
+
add_body_p(doc,
|
| 368 |
+
"Bu bölüm, Sağlık Bakanlığı (SB) tarama kohortu verileri üzerinden yürütülecek kesit silme analiz sonuçlarının entegrasyonu "
|
| 369 |
+
"için hazırlanmıştır. Aşağıdaki şablon tablo ve rehber başlıklar, NLST sonuçları ile SB ulusal tarama sonuçlarının doğrudan "
|
| 370 |
+
"karşılaştırılmasına olanak sağlayacak biçimde yapılandırılmıştır.")
|
| 371 |
+
|
| 372 |
+
add_info_callout(doc,
|
| 373 |
+
"REHBER NOT: Sağlık Bakanlığı (SB) kohortuna ait toraks BT serilerinde benzer şekilde 10..60 kesit silme protokolü çalıştırıldığında, "
|
| 374 |
+
"aşağıdaki karşılaştırmalı tabloya SB değerleri girilerek iki kohort arasındaki model dayanıklılık farkı raporlanabilir.",
|
| 375 |
+
title="SB SONUÇLARI EKLEME ALANI"
|
| 376 |
+
)
|
| 377 |
+
|
| 378 |
+
# Table 3: SB vs NLST Template
|
| 379 |
+
table3 = doc.add_table(rows=7, cols=5)
|
| 380 |
+
table3.alignment = WD_TABLE_ALIGNMENT.CENTER
|
| 381 |
+
add_table_borders(table3)
|
| 382 |
+
|
| 383 |
+
headers3 = ["Analiz Metriği / Parametre", "NLST Kohortu (n=2.965)", "Sağlık Bakanlığı (SB) Kohortu", "Mutlak Fark / Kıyaslama", "Klinik Yorum"]
|
| 384 |
+
for c_idx, h in enumerate(headers3):
|
| 385 |
+
cell = table3.cell(0, c_idx)
|
| 386 |
+
cell.text = h
|
| 387 |
+
set_cell_bg(cell, "1F4E79")
|
| 388 |
+
p = cell.paragraphs[0]
|
| 389 |
+
p.alignment = WD_ALIGN_PARAGRAPH.CENTER
|
| 390 |
+
for r in p.runs:
|
| 391 |
+
r.font.name = "Times New Roman"
|
| 392 |
+
r.font.size = Pt(9.0)
|
| 393 |
+
r.font.bold = True
|
| 394 |
+
r.font.color.rgb = RGBColor(0xFF, 0xFF, 0xFF)
|
| 395 |
+
set_cell_margins(cell, top=100, bottom=100, left=100, right=100)
|
| 396 |
+
|
| 397 |
+
template_rows = [
|
| 398 |
+
("Toplam Analiz Edilen Seri Sayısı", "2.965 seri", "[SB Seri Sayısı Giriniz]", "-", "Kohort büyüklük kıyası"),
|
| 399 |
+
("1. Yıl Baseline Medyan Risk Skoru", "0,1242", "[SB Medyan Skor]", "-", "Taban risk kalibrasyonu"),
|
| 400 |
+
("Düşük Risk (<0,15) Popülasyon Oranı", "%63,4", "[SB % <0,15]", "-", "Normal tarama oranı"),
|
| 401 |
+
("Yüksek Risk (≥0,20) Popülasyon Oranı", "%23,1", "[SB % ≥0,20]", "-", "Pozitif vaka zenginliği"),
|
| 402 |
+
("Baştan -30 Kesit Ort. Sapma (|ΔY1|)", "0,0221", "[SB Baştan -30 Sapma]", "-", "Apeks kesit toleransı"),
|
| 403 |
+
("Sondan -60 Kesit Risk Atlama Oranı", "%12,70 (372 hasta)", "[SB Sondan -60 Atlama]", "-", "Bazal kesit kritikliği")
|
| 404 |
+
]
|
| 405 |
+
|
| 406 |
+
for r_idx, row in enumerate(template_rows, start=1):
|
| 407 |
+
bg = "FFFFFF" if r_idx % 2 != 0 else "F4F7FA"
|
| 408 |
+
for c_idx, val in enumerate(row):
|
| 409 |
+
cell = table3.cell(r_idx, c_idx)
|
| 410 |
+
cell.text = val
|
| 411 |
+
set_cell_bg(cell, bg)
|
| 412 |
+
p = cell.paragraphs[0]
|
| 413 |
+
p.alignment = WD_ALIGN_PARAGRAPH.LEFT if c_idx == 0 else WD_ALIGN_PARAGRAPH.CENTER
|
| 414 |
+
for r in p.runs:
|
| 415 |
+
r.font.name = "Times New Roman"
|
| 416 |
+
r.font.size = Pt(8.5)
|
| 417 |
+
if "[" in val:
|
| 418 |
+
r.font.italic = True
|
| 419 |
+
r.font.color.rgb = RGBColor(0x7F, 0x8C, 0x8D)
|
| 420 |
+
else:
|
| 421 |
+
r.font.color.rgb = RGBColor(0x22, 0x22, 0x22)
|
| 422 |
+
set_cell_margins(cell, top=80, bottom=80, left=100, right=100)
|
| 423 |
+
|
| 424 |
+
doc.add_paragraph().paragraph_format.space_after = Pt(6)
|
| 425 |
+
|
| 426 |
+
# Section 8: Recommendations & Conclusions
|
| 427 |
+
add_heading(doc, "8. Sonuç, Klinik Öneriler ve PACS Entegrasyon Kriterleri", level=1)
|
| 428 |
+
add_body_p(doc,
|
| 429 |
+
"2.965 toraks BT serisi üzerinde yürütülen bu geniş ölçekli dayanıklılık analizi sonucunda, Sybil modelinin klinik "
|
| 430 |
+
"kullanımına yönelik şu bağlayıcı teknik ve operasyonel kurallar ortaya konulmuştur:")
|
| 431 |
+
|
| 432 |
+
add_body_p(doc, "1. Kabul Edilebilir Kesit Kaybı Toleransı (≤ 20 Kesit): ", bold_prefix="• ")
|
| 433 |
+
add_body_p(doc,
|
| 434 |
+
"Serilerden 10 ila 20 kesit silinmesi ortalama skorda 0,01'den daha az bir sapmaya yol açmakta ve klinik risk sınıfı değişim oranı "
|
| 435 |
+
"%2,2 - %3,0 seviyesinde kalmaktadır. Dolayısıyla serinin apeksinden veya tabanından 20 kesite kadar olan eksiklikler model tarafından "
|
| 436 |
+
"güvenli kabul edilebilir aralıkta tolere edilmektedir.")
|
| 437 |
+
|
| 438 |
+
add_body_p(doc, "2. Kritik Alarm Eşiği (≥ 40 Kesit Eksikliği): ", bold_prefix="• ")
|
| 439 |
+
add_body_p(doc,
|
| 440 |
+
"40 kesit ve üzerindeki kayıplarda ortalama sapma hızla yükselmekte, sondan 60 kesit silindiğinde klinik karar değişim sıklığı %12,70'e "
|
| 441 |
+
"ulaşmaktadır. Bu nedenle PACS gateway veya inference öncesi boru hattında; serinin rekonstrüksiyon sınırlarını kontrol eden bir "
|
| 442 |
+
"'Anatomik Kapsama Denetleyicisi' (Anatomical Coverage Checker) devreye alınmalıdır.")
|
| 443 |
+
|
| 444 |
+
add_body_p(doc, "3. Akciğer Tabanı (Bazal/Diyafram) Koruma Zorunluluğu: ", bold_prefix="• ")
|
| 445 |
+
add_body_p(doc,
|
| 446 |
+
"Sondan kesit kaybı, baştan kesit kaybına göre karar değişimini neredeyse iki kat artırmaktadır. Kanser odaklarının büyük kısmı alt loblarda "
|
| 447 |
+
"yer aldığından, kostofrenik sinüslerin ve diyafram kubbesinin seride tam olarak bulunması klinik teşhis güvenliği için şarttır.")
|
| 448 |
+
|
| 449 |
+
add_body_p(doc, "4. PACS Gateway Otomatik Validasyon Kuralı: ", bold_prefix="• ")
|
| 450 |
+
add_body_p(doc,
|
| 451 |
+
"Sybil inference servisine gönderilmeden önce toraks BT serisinin kesit aralığı (SliceThickness / SpacingBetweenSlices) ile taranan "
|
| 452 |
+
"toplam anatomik mesafe hesaplanmalı; akciğer apeks-bazal mesafesi 20 cm'nin altında kalan veya beklenen kesit sayısından %20'den fazla "
|
| 453 |
+
"eksik içeren seriler modele sokulmayıp doğrudan 'Eksik Kesit Uyarısı' ile radyoloğa raporlanmalıdır.")
|
| 454 |
+
|
| 455 |
+
doc.save(DOCX_PATH)
|
| 456 |
+
print("Report successfully built and saved to:", DOCX_PATH)
|
| 457 |
+
print("File size:", os.path.getsize(DOCX_PATH) / 1024, "KB")
|
| 458 |
+
|
| 459 |
+
if __name__ == "__main__":
|
| 460 |
+
build_docx()
|