Αυτοματοποιημένο σύστημα κατάτμησης και ανάλυσης υφής όγκων (μηνιγγιωμάτων) σε εικόνες μαγνητικής τομογραφίας
Date Issued
2011
Author(s)
Advisor
Abstract
Οι όγκοι εγκεφάλου είναι που αναπτύσσονται λόγο της ανεξέλικτης αναπαραγωγής κυττάρων του εγκεφάλου. Από την θέση και την συμπεριφορά του όγκου κρίνεται η απειλητικότητα του για την ζωή. Για την διάγνωση τους χρησιμοποιούνται κάποια απεικονίστηκα συστήματα όπως η μαγνητική τομογραφία (ΜΤ). Μέσω της ψηφιακής επεξεργασίας εικόνας μπορούμε να αναλύσουμε εικόνες ΜΤ που έχουν ληφθεί από ασθενείς με μηνιγγιώματα.
Με την κατάτμηση και την ανάλυση υφής των όγκων, μπορούμε να βοηθήσουμε το θεράποντα ιατρό, σε ικανοποιητικό βαθμό στις διαδικασίες διάγνωσης, παρακολούθησης της νόσου, εγχειρητικής επέμβασης, και θεραπείας. Έχουν δοκιμαστεί στην παρούσα εργασία τέσσερις μέθοδοι κατάτμησης. Αυτές οι μέθοδοι είναι από την ομάδα των ενεργών περιγραμμάτων, το σύνολο επιπέδων (level sets) και τα φίδια (snakes), ο μετασχηματισμός απορροής (watershed) και η κατωφλίωση (thresholding) οι οποίες αναπτύχθηκαν σε περιβάλλον Matlab μέσω μιας φιλικής διεπαφής.
Με την βοήθεια αυτών των αλγόριθμων έγινε η εξαγωγή ορισμένων γεωμετρικών χαρακτηριστικών όπως το εμβαδόν, περίμετρος, διάμετρος και ακτίνα. Όσο αφορά τα γεωμετρικά χαρακτηριστικά η αποτίμηση των πιο πάνω μεθόδων κατατμήσεως, έγινε με την χρήση μεθόδων σύγκρισης των αποτελεσμάτων από αυτοματοποιημένες κατατμήσεις έχοντας σαν πρότυπο τα αποτελέσματα από την χειροκίνητη κατάτμηση. Χρησιμοποιώντας το στατιστικό έλεγχο Wilcoxon rank sum test ο οποίος έδειξε ότι σε διαφορετικά γεωμετρικά χαρακτηριστικά η απόδοση των αλγορίθμων αλλάζει. Επιπλέον όταν οι εικόνες κανονικοποιήθηκαν και επίσης υποβλήθηκαν σε κανονικοποίηση σε συνδυασμό με αποθορυβοποίηση τα αποτελέσματα έδειξαν πως δεν επιφέρουν αλλαγές στα γεωμετρικά χαρακτηριστικά κατά την κατάτμηση των εικόνων. Με την χρήση της ROC ανάλυσης βασισμένοι στα κλάσματα των σωστών θετικών (TPF), ψευδών θετικών (FPF), σωστών αρνητικών (TNF) και ψευδών αρνητικών (FNF) καλύτερη απόδοση είχαν οι μέθοδοι συνόλου επιπέδου και φιδιών.
Ακολούθως από τις κατατμηθείς περιοχές έγινε εξαγωγή χαρακτηριστικών υφής. Η υφή παρέχει χρήσιμες πληροφορίες για τα χαρακτηριστικά του όγκου στον εγκέφαλο. Η εξαγωγή χαρακτηριστικών έχει δείξει πως παθολογικές και φυσιολογικές παρουσιάζουν διαφορετικά χαρακτηριστικά έτσι μπορούν να διαχωριστούν σε κατηγορίες και να εξαχθούν κάποια αποτελέσματα. Ο έλεγχος Wilcoxon-rank sum test καθορίζει επίσης αν υπάρχουν στατιστικές διαφορές ανάμεσα στα παθολογικά και τα φυσιολογικά δείγματα. Από τα 14 χαρακτηριστικά υφής βρέθηκαν 8 χαρακτηριστικά με ψηλή διαφορά (FOS: μέση τιμή, μεσαία τιμή, ενέργεια, εντροπία. GLDS: δεύτερη γωνιακή σπουδαιότητα, εντροπία. FDTA: H1 και FPS: γωνιακό άθροισμα) 3 μέτρια (FOS: λοξότητα, κύρτωση, GLDS: αντίθεση) και 3 καθόλου (FOS: διασπορά, GLDS: μέση τιμή, FPS: ακτινικό άθροισμα).
Τέλος, καταλήγουμε στο συμπέρασμα ότι το είδος εικόνας είτε αυτή είναι η αρχική είτε η κανονικοποιήμενη είτε κανονικοποιημένη μαζί με αποθορυβοποίηση δεν επιφέρει σημαντικές αλλαγές στην κατάτμηση και στα χαρακτηριστικά υφής.
Το αυτοματοποιημένο σύστημα που έχει δημιουργηθεί σε αυτή την εργασία, έχει βασικό πλεονέκτημα τη γρήγορη κατάτμηση και ανάλυση της περιοχής ενδιαφέροντος από ότι η χειροκίνητη.
Μελλοντικά για να μπορέσει να ολοκληρωθεί το σύστημα αυτό θα μπορούσε να αναπτυχθεί το σύστημα αναγνώρισης πρότυπων μέσω της ταξινόμησης από τα χαρακτηριστικά υφής που εντοπίστηκα ως διαφορετικά με υψηλή διαφορά.
Με την κατάτμηση και την ανάλυση υφής των όγκων, μπορούμε να βοηθήσουμε το θεράποντα ιατρό, σε ικανοποιητικό βαθμό στις διαδικασίες διάγνωσης, παρακολούθησης της νόσου, εγχειρητικής επέμβασης, και θεραπείας. Έχουν δοκιμαστεί στην παρούσα εργασία τέσσερις μέθοδοι κατάτμησης. Αυτές οι μέθοδοι είναι από την ομάδα των ενεργών περιγραμμάτων, το σύνολο επιπέδων (level sets) και τα φίδια (snakes), ο μετασχηματισμός απορροής (watershed) και η κατωφλίωση (thresholding) οι οποίες αναπτύχθηκαν σε περιβάλλον Matlab μέσω μιας φιλικής διεπαφής.
Με την βοήθεια αυτών των αλγόριθμων έγινε η εξαγωγή ορισμένων γεωμετρικών χαρακτηριστικών όπως το εμβαδόν, περίμετρος, διάμετρος και ακτίνα. Όσο αφορά τα γεωμετρικά χαρακτηριστικά η αποτίμηση των πιο πάνω μεθόδων κατατμήσεως, έγινε με την χρήση μεθόδων σύγκρισης των αποτελεσμάτων από αυτοματοποιημένες κατατμήσεις έχοντας σαν πρότυπο τα αποτελέσματα από την χειροκίνητη κατάτμηση. Χρησιμοποιώντας το στατιστικό έλεγχο Wilcoxon rank sum test ο οποίος έδειξε ότι σε διαφορετικά γεωμετρικά χαρακτηριστικά η απόδοση των αλγορίθμων αλλάζει. Επιπλέον όταν οι εικόνες κανονικοποιήθηκαν και επίσης υποβλήθηκαν σε κανονικοποίηση σε συνδυασμό με αποθορυβοποίηση τα αποτελέσματα έδειξαν πως δεν επιφέρουν αλλαγές στα γεωμετρικά χαρακτηριστικά κατά την κατάτμηση των εικόνων. Με την χρήση της ROC ανάλυσης βασισμένοι στα κλάσματα των σωστών θετικών (TPF), ψευδών θετικών (FPF), σωστών αρνητικών (TNF) και ψευδών αρνητικών (FNF) καλύτερη απόδοση είχαν οι μέθοδοι συνόλου επιπέδου και φιδιών.
Ακολούθως από τις κατατμηθείς περιοχές έγινε εξαγωγή χαρακτηριστικών υφής. Η υφή παρέχει χρήσιμες πληροφορίες για τα χαρακτηριστικά του όγκου στον εγκέφαλο. Η εξαγωγή χαρακτηριστικών έχει δείξει πως παθολογικές και φυσιολογικές παρουσιάζουν διαφορετικά χαρακτηριστικά έτσι μπορούν να διαχωριστούν σε κατηγορίες και να εξαχθούν κάποια αποτελέσματα. Ο έλεγχος Wilcoxon-rank sum test καθορίζει επίσης αν υπάρχουν στατιστικές διαφορές ανάμεσα στα παθολογικά και τα φυσιολογικά δείγματα. Από τα 14 χαρακτηριστικά υφής βρέθηκαν 8 χαρακτηριστικά με ψηλή διαφορά (FOS: μέση τιμή, μεσαία τιμή, ενέργεια, εντροπία. GLDS: δεύτερη γωνιακή σπουδαιότητα, εντροπία. FDTA: H1 και FPS: γωνιακό άθροισμα) 3 μέτρια (FOS: λοξότητα, κύρτωση, GLDS: αντίθεση) και 3 καθόλου (FOS: διασπορά, GLDS: μέση τιμή, FPS: ακτινικό άθροισμα).
Τέλος, καταλήγουμε στο συμπέρασμα ότι το είδος εικόνας είτε αυτή είναι η αρχική είτε η κανονικοποιήμενη είτε κανονικοποιημένη μαζί με αποθορυβοποίηση δεν επιφέρει σημαντικές αλλαγές στην κατάτμηση και στα χαρακτηριστικά υφής.
Το αυτοματοποιημένο σύστημα που έχει δημιουργηθεί σε αυτή την εργασία, έχει βασικό πλεονέκτημα τη γρήγορη κατάτμηση και ανάλυση της περιοχής ενδιαφέροντος από ότι η χειροκίνητη.
Μελλοντικά για να μπορέσει να ολοκληρωθεί το σύστημα αυτό θα μπορούσε να αναπτυχθεί το σύστημα αναγνώρισης πρότυπων μέσω της ταξινόμησης από τα χαρακτηριστικά υφής που εντοπίστηκα ως διαφορετικά με υψηλή διαφορά.
File(s)![Thumbnail Image]()
Name
DiplomatikiMarinaPapadouri.pdf
Size
3.34 MB
Format
Adobe PDF
Checksum (MD5)
9a6fdb8dd437d639af9214289de95e9a