Please use this identifier to cite or link to this item:
Title: Διακύμανση χαρακτηριστικών υφής σε βίντεο υπερήχων αθηρωματικής καρωτιδικής πλάκας
Authors: Σουλή, Νικόλας 
Keywords: Βίντεο υπερήχων
Χαρακτηριστικά υφής
Καρωτιδική πλάκα
Διακύμανση χαρακτηριστικών υφής
Καρδιαγγειακός κύκλος
Issue Date: 2016
Publisher: Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Ηλεκτρονικών Υπολογιστών και Πληροφορικής, Σχολή Μηχανικής και Τεχνολογίας, Τεχνολογικό Πανεπιστήμιο Κύπρου
Abstract: Η διακύμανση των χαρακτηριστικών υφής (ΧΥ) μεταξύ φυσιολογικών και μη φυσιολογικών (ασυμπτωματικών και συμπτωματικών) αθηρωματικών καρωτιδικών πλακών (ΚΠ) σε βίντεο υπερήχων είναι σημαντική για την εκτίμηση της βαρύτητας της ασθένειας σε ασθενείς που κινδυνεύουν από εγκεφαλικά επεισόδια. Μπορεί να προσφέρει σημαντική και επιπλέον πληροφορία για την παρακολούθησης της εξέλιξης της ασθενείας στη κοινή καρωτιδική αρτηρία (ΚΚΑ) και την επικινδυνότητα του εγκεφαλικού επεισοδίου. Η διπλωματική αυτή εργασία παρουσιάζει ένα ολοκληρωμένο λογισμικό σύστημα αξιολόγησης της διακύμανσης των ΧΥ απο βίντεο υπερήχων ΚΚΑ βασισμένο σε Matlab® για την αποτίμηση της επικινδυνότητας του εγκεφαλικού επεισοδίου. Έχουν χρησιμοποιηθεί 30 ασθενείς (10 κανονικοί (Κ), 10 ασυμπτωματικοί (A) και 10 συμπτωματικοί (Σ) ), από τους οποίους ανακτήθηκαν 30 βίντεο υπερήχων ΚΚΑ. Αφού έγινε προσδιορισμός και χειροκίνητη κατάτμηση της περιοχής ενδιαφέροντος γύρω από την ΚΠ, εξάχθηκαν διαφορετικά ΧΥ από τις περιοχές τις ΚΠ και τα τοιχώματα της ΚΚΑ από όλα τα 30 βίντεο υπερήχων. Όλα τα βίντεο έτυχαν επεξεργασίας όπως κανονικοποίηση ιστογράμματος και αποθορυβοποίησης πριν την εξαγωγή των ΧΥ. Ακολούθως εντοπίστηκαν για όλα τα βίντεο που έτυχαν επεξεργασίας οι καρδιαγγειακοί κύκλοι και εξάχθηκαν οι εικόνες Μ-mode και τα διαγράμματα καταστάσεων όπου παρουσιάζονται οι συστολικές και διαστολικές καταστάσεις. Από τα βίντεο τα οποία έτυχαν επεξεργασίας εξάχθηκαν ΧΥ και μελετήθηκε η συμπεριφορά τους κατά τη διάρκεια του καρδιαγγειακού κύκλου. Κατά τη διάρκεια της έρευνας έγινε αντιληπτό ότι ΧΥ (Διάμεσος, Αντίθεση, Εντροπία, Μέσος όρος) τα οποία παρουσιάζουν σημαντική στατιστική διαφορά μεταξύ των τριών κατηγοριών ασθενών (Κ, Α, Σ) παρουσιάζουν μεταβολές οι οποίες μπορούν να υποβοηθήσουν στην κατηγοριοποίηση τους. Το προτεινόμενο σύστημα, που μπορεί να χρησιμοποιηθεί και ανεξάρτητα, έχει σκοπό να υποβοηθήσει τους θεράποντες ιατρούς στην κλινική πρακτική και στην ταξινόμηση των ασθενών μεταξύ τους σε Κ, Α και Σ χρησιμοποιώντας τα ΧΥ τα οποία εξάγονται από επιλεγμένες περιοχές σε βίντεο υπερήχων ΚΚΑ. Επίσης η κατηγοριοποίηση των ασθενών θα δώσει τη δυνατότητα καλύτερης αντιμετώπισης των διαφόρων τύπων ασθενών από τους ιατρούς και την αποφυγή άσκοπων εγχειρήσεων όπως η ενδαρτηρεκτομή. Ωστόσο, περαιτέρω εργασία σε μεγαλύτερο δείγμα από βίντεο υπερήχων απαιτείται για επικύρωση της προτεινόμενης μεθόδου και για διαχωρισμό των ασθενών σε Κ, Α και Σ με βάση την ανάλυση των ΧΥ της ΚΚΑ.
Description: The discrimination of texture features (TF) between normal and abnormal (asymptomatic or symptomatic) atherosclerotic carotid plaque in ultrasound videos is important for evaluating the gravity of the disease in subjects at risk of stroke. It can provide additional information for the monitoring of disease progression in the common carotid artery (CCA) and the risk of stroke. This thesis presents an integrated software system of fluctuating TF evaluation in ultrasound videos based in Matlab® to assess the risk of stroke. They have been examined 30 patients (10 normal (N), 10 symptomatic (S) and 10 asymptomatic (A)), of whom 30 were recorded in ultrasound videos .Texture features were extracted from areas around the atherosclerotic plaques and walls from ultrasound videos acquired. All videos were intensity normalized and despeckled before the export of TF. After that all the videos were processed in their full cardiovascular cycles, M-mode images and state diagrams showing the systolic and diastolic situations exported. During the investigation it was realized that TF (Median, Contrast, Entropy, Mean) which show a statistically significant difference between the three categories of patients (N, A, S) can be used for their classification. It is anticipated that the proposed system may aid the physician in the clinical practice in classifying between N, A and S subjects using texture features extracted from selected areas in ultra-sound videos of the CCA. Also, the classification of subjects can help the physicians give better treatment for each patient separately and avoid unnecessary surgeries such as endarterectomy. However, further work in a larger number of video samples is required for validating the proposed method and to differentiate among normal, symptomatic and asymptomatic patients based in texture feature analysis of their CA.
Rights: Απαγορεύεται η δημοσίευση ή αναπαραγωγή, ηλεκτρονική ή άλλη χωρίς τη γραπτή συγκατάθεση του δημιουργού και κατόχου των πνευματικών δικαιωμάτων
Appears in Collections:Πτυχιακές Εργασίες/ Bachelor's Degree Theses

Files in This Item:
File Description SizeFormat 
Nicolas Souli.pdf3.17 MBAdobe PDFView/Open
Show full item record

Page view(s) 20

Last Week
Last month
checked on Aug 22, 2017

Download(s) 10

checked on Aug 22, 2017

Google ScholarTM


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.