Υπολογιστική ανάλυση μηχανικών χαρακτηριστικών του αρτηριακού τοιχώματος από απεικονιστικές καταγραφές με στόχο την υποβοήθηση της διάγνωσης της καρωτιδικής αθηρωμάτωσης

Γαστουνιώτη, Αιμιλία; Gastounioti, Aimilia

dc.contributor.author	Γαστουνιώτη, Αιμιλία	el
dc.contributor.author	Gastounioti, Aimilia	en
dc.date.accessioned	2015-01-23T10:15:59Z
dc.date.available	2015-01-23T10:15:59Z
dc.date.issued	2015-01-23
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/40113
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.1576
dc.rights	Default License
dc.subject	Ανάλυση κίνησης	el
dc.subject	Μηχανικά χαρακτηριστικά	el
dc.subject	Υπέρηχος β-σάρωσης	el
dc.subject	Καρωτιδική αθηρωμάτωση	el
dc.subject	Υποβοηθούμενη διάγνωση	el
dc.subject	Motion analysis	en
dc.subject	Mechanical features	en
dc.subject	B-mode ultrasound	en
dc.subject	Atherosclerosis	en
dc.subject	Computer - aided diagnosis	en
dc.title	Υπολογιστική ανάλυση μηχανικών χαρακτηριστικών του αρτηριακού τοιχώματος από απεικονιστικές καταγραφές με στόχο την υποβοήθηση της διάγνωσης της καρωτιδικής αθηρωμάτωσης	el
dc.title	Image-analysis-guided risk stratification for carotid atherosclerosis using spatiotemporal features of the arterial wall	en
dc.contributor.department	Biomedical Simulations and Imaging (BIOSIM) Laboratory	el
heal.type	doctoralThesis
heal.classification	ultrasonics	en
heal.classification	ΑΡΤΗΡΙΟΣΚΛΗΡΩΣΗ	el
heal.classification	ΑΝΤΙΛΗΨΗ ΚΑΙ ΟΡΑΣΗ ΜΕΣΩ ΥΠΟΛΟΓΙΣΤΗ	el
heal.classification	Carotid artery--Stenosis	en
heal.classification	Motion	en
heal.classification	Atherosclerosis	en
heal.classification	Atherosclerotic plaque	en
heal.classificationURI	http://lod.nal.usda.gov/58074
heal.classificationURI	http://localhost:8080/healp/data/10/7/2
heal.classificationURI	http://localhost:8080/healp/data/3/9/12
heal.classificationURI	http://id.loc.gov/authorities/subjects/sh2006001225
heal.classificationURI	http://id.loc.gov/authorities/subjects/sh85087557
heal.classificationURI	http://id.loc.gov/authorities/subjects/sh85009129
heal.classificationURI	http://id.loc.gov/authorities/subjects/sh91005666
heal.language	el
heal.language	en
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2014-10-22
heal.abstract	Το γεγονός ότι η καρωτιδική αθηρωμάτωση αποτελεί τη συχνότερη αιτία πρόκλησης αγγειακών εγκεφαλικών επεισοδίων, τα οποία παρουσιάζουν εξαιρετικά υψηλά επίπεδα θνησιμότητας, νοσηρότητας, και αναπηρίας, τοποθετούν την έγκυρη διάγνωση της νόσου ανάμεσα στις μεγαλύτερες προκλήσεις στον τομέα της βιοϊατρικής τεχνολογίας. Ωστόσο, οι αδυναμίες της σύγχρονης κλινικής πρακτικής, η οποία αξιολογεί τη σοβαρότητα της νόσου με βάση τον βαθμό στένωσης του αρτηριακού αυλού, να ανταποκριθεί σε αυτή την πρόκληση, επιβάλλουν την ανάγκη ανάπτυξης συστημάτων υποβοηθούμενης διάγνωσης (ΣΥΔ). Προς αυτή την κατεύθυνση, η αξιοποίηση της υπερηχογραφικής απεικόνισης, που κατά κανόνα χρησιμοποιείται για τον έλεγχο των ασθενών με καρωτιδική αθηρωμάτωση (υπέρηχος β-σάρωσης), είναι ιδιαίτερα σημαντική για τη δημιουργία ενός εύκολα - ενσωματώσιμου - στην - καθιερωμένη - πρακτική και χαμηλού - κόστους συστήματος. Η Διδακτορική Διατριβή εστιάζει στην ανάλυση της κίνησης του αρτηριακού τοιχώματος από ακολουθίες εικόνων υπερήχων β-σάρωσης της καρωτίδας, με στόχο την ανάδειξη του έως - τώρα - αδιερεύνητου ρόλου των μηχανικών χαρακτηριστικών στην υποβοήθηση της διάγνωσης της νόσου. Αρχικά, αναπτύχθηκε ένα πλαίσιο, αποτελούμενο από 13 συνθετικές ακολουθίες εικόνων που προσομοιώνουν ρεαλιστικά σενάρια πραγματικών απεικονιστικών καταγραφών, για την αξιολόγηση της καταλληλότητας ενός αλγορίθμου για την ανίχνευση της κίνησης του αρτηριακού τοιχώματος της καρωτίδας από ακολουθίες εικόνων υπερήχων β-σάρωσης. Τα in silico δεδομένα ενσωματώθηκαν σε ένα υπολογιστικό εργαλείο, το οποίο εκτιμά την ακρίβεια και το υπολογιστικό κόστος ενός αλγορίθμου, επιτρέποντας τη βελτιστοποίηση και αξιολόγησή του για τη συγκεκριμένη εφαρμογή. Κατόπιν, αναζητήθηκε κατάλληλος αλγόριθμος, με την έννοια της επαρκούς ακρίβειας και του χαμηλού υπολογιστικού κόστους, ο οποίος μπορεί να εφαρμοστεί για την ανάλυση κίνησης σε απεικονιστικά δεδομένα ασθενών, παράγοντας έγκυρα κλινικά συμπεράσματα. Προς αυτή την κατεύθυνση, αναπτύχθηκαν διαφορετικές μεθοδολογίες, οι οποίες συνοψίζονται σε (α) μεθοδολογίες προσαρμοστικής ταύτισης περιοχών, (β) αλγορίθμους που συνδυάζουν τον κλασικό αλγόριθμο ταύτισης περιοχών με το φίλτρο Kalman, και (γ) πολυκλιμακωτές εκδοχές αλγορίθμων εκτίμησης της κίνησης. Η in silico βελτιστοποίηση και αξιολόγηση των μεθοδολογιών ανέδειξε, ως καταλληλότερες, τρεις από αυτές OFLK(WLS), ABMKF-K2, και ABMFIRF2. Στη συνέχεια, αναπτύχθηκε αλγόριθμος για τον αυτόματο εντοπισμό των αθηρωματικών αλλοιώσεων σε ακολουθίες εικόνων υπερήχων β-σάρωσης με στόχο την ανεξάρτητη - από - το - χρήστη επιλογή περιοχών ενδιαφέροντος, στις οποίες εφαρμόζεται, έπειτα, η μεθοδολογία ανάλυσης της κίνησης. Ο αλγόριθμος αυτός αξιοποιεί συσχετίσεις μεταξύ των μηχανικών χαρακτηριστικών διαφορετικών τμημάτων του αρτηριακού τοιχώματος και βασίζεται σε μεθοδολογίες ευθυγράμμισης εικόνων και κατάτμησης με τη βοήθεια τεχνικής διαμέρισης γράφου, σε υλοποιήσεις με τυχαία πεδία Markov. Έπειτα, επιχειρήθηκε ο σχεδιασμός ενός κατάλληλου ΣΥΔ για την αξιοποίηση των μετρήσεων που προκύπτουν από την ανάλυση κίνησης. Συγκεντρώθηκαν πραγματικές ακολουθίες εικόνων υπερήχων β-σάρωσης της καρωτίδας από ασθενείς με καρωτιδική αθηρωμάτωση δύο νοσοκομείων και ακολουθήθηκε μια σειρά βημάτων που οδήγησαν: (1) στη δημιουργία ενός πλαισίου υπολογισμού ενός μεγάλου εύρους μηχανικών χαρακτηριστικών της αθηρωματικής πλάκας και του υγιούς αρτηριακού τοιχώματος παραπλεύρως αυτής, (2) την επαλήθευση της ισοδύναμης απόδοσης των OFLK(WLS), ABMKF-K2, και ABMFIRF2 στα πραγματικά απεικονιστικά δεδομένα, (3) την υλοποίηση και παραμετροποίηση 15 υποψήφιων σχημάτων ταξινόμησης αθηρωματικών πλακών σε συμπτωματικές και ασυμπτωματικές, και (4) τον εντοπισμό του καταλληλότερου σχήματος ταξινόμησης. Το σχήμα αυτό κατάφερε να επιτύχει ακρίβεια ταξινόμησης ίση με (α) 88% σε ένα δείγμα αποτελούμενο από ισομεγέθη υποσύνολα απεικονιστικών δεδομένων των δύο νοσοκομείων και (β) 96%, όταν τα υποσύνολα δεδομένων του κάθε νοσοκομείου εξετάστηκαν ξεχωριστά. Σε μεγάλο σύνολο δεδομένων, και έπειτα από εφαρμογή του αλγορίθμου SMOTE για εξισορρόπηση του δείγματος, η απόδοση διατηρήθηκε σε υψηλά επίπεδα (92%), ενώ, συνδυάζοντας τα μηχανικά χαρακτηριστικά με δείκτες υφής και βιοχημικές μετρήσεις, η απόδοση ήταν ακόμη καλύτερη (95%). Ακολούθησε περαιτέρω διερεύνηση του ρόλου της κινητικής συμπεριφοράς του αρτηριακού τοιχώματος στην αξιολόγηση της επικινδυνότητας αθηρωματικών αλλοιώσεων της καρωτίδας, μελετώντας, όχι δείκτες, αλλά ολόκληρα πρότυπα κινητικότητας και παραμόρφωσης. Βασιζόμενοι στην υπόθεση ότι τα πρότυπα κινητικότητας και παραμόρφωσης του αρτηριακού τοιχώματος σε περιπτώσεις συμπτωματικής (ή ασυμπτωματικής) καρωτιδικής αθηρωμάτωσης διαφέρουν μεταξύ ασθενών, όπως ακριβώς διαφέρει η προφορά λέξεων μεταξύ ανθρώπων, υλοποιήθηκε ένα ΣΥΔ, ανάλογο συστημάτων αναγνώρισης φωνής, το οποίο βασίζεται σε κρυφά μοντέλα Markov. Κατόπιν βελτιστοποίησης, το ΣΥΔ βασίστηκε σε 22 πρότυπα κινητικότητας και 2 πρότυπα παραμόρφωσης, προσφέροντας ακρίβεια αναγνώρισης συμπτωματικών και ασυμπτωματικών ασθενών, η οποία κυμαίνεται μεταξύ 76% και 79%. Τέλος, τα ευρήματα και αποτελέσματα της διατριβής ενσωματώθηκαν στη διαδικτυακά προσβάσιμη πλατφόρμα CAROTID, οι αρχές σχεδίασης και λειτουργίες της οποίας περιγράφονται λεπτομερώς. Εκτός από την έγκυρη αξιολόγηση της επικινδυνότητας των αθηρωματικών αλλοιώσεων μέσω του ΣΥΔ, η πλατφόρμα στοχεύει, επίσης, στην αποτελεσματική αποθήκευση και ανάκτηση των απεικονιστικών δεδομένων των ασθενών. Σε πρωταρχική αξιολόγηση της πλατφόρμας στο πλαίσιο κλινικής δοκιμής, καταγράφηκαν (α) ικανοποίηση από την πλευρά των τελικών χρηστών αναφορικά με την ευκολία χρήσης, τη χρησιμότητά της, και την προστασία των δεδομένων των ασθενών, και (β) μικροί χρόνοι εκτέλεσης των λειτουργιών. Οι μεθοδολογίες που αναπτύχθηκαν στο πλαίσιο της Διδακτορικής Διατριβής βασίζονται μόνο σε δεδομένα του ασθενούς που συλλέγονται στη συνήθη κλινική πρακτική. Κατά συνέπεια, μέσω της ενσωμάτωσής τους σε ένα ολοκληρωμένο εργαλείο διαχείρισης ασθενών με καρωτιδική αθηρωμάτωση, εξελίσσουν και βελτιώνουν μια καθιερωμένη τακτική, εισάγοντας την αντικειμενικότητα στην κλινική πράξη και διατηρώντας χαμηλό το κόστος της εξέτασης.	el
heal.abstract	The fact that carotid atherosclerosis is the most common cause of stroke, which has been associated with exceptionally high levels of mortality, morbidity and disability, place valid risk stratification for the disease among the grand challenges in the field of biomedical engineering. However, the weaknesses of the current clinical practice, which is based only on the degree of lumen stenosis caused by the disease to stratify risk, reveals the need for computer-aided-diagnosis (CAD) systems. In this line of work, the use of ultrasound imaging, which is typically used to monitor and evaluate carotid atherosclerosis (B-mode ultrasound), is particularly important towards an easily - integrated - in - clinical - routine and low - cost CAD system. This dissertartion focused on motion analysis from B-mode ultrasound image sequences of the arterial wall of the carotid artery, in an attempt to investigate the unexplored role of mechanical features. Firstly, an in silico framework, consisting of 13 computer-generated image sequences that simulate realistic scenarios of ultrasound image recordings, was developed to assess the suitability of an algorithm in the detection of motion of the arterial wall of the carotid artery from B-mode ultrasound image sequences. The generated image sequences were incorporated in a computerized tool, which allows the estimation of the accuracy and the computational cost of a motion estimator in the particular application. Then, the most suitable algorithm, in terms of sufficient accuracy and low computational cost, was investigated. Towards this direction, a number of motion estimators were designed: (a) adaptive-block-matching algorithms, (b) algorithms that combine the conventional block matching with Kalman filter, and (c) multiscale versions of popular motion estimators. The in silico optimization and evaluation of the motion estimators revealed three of them, namely OFLK(WLS), ABMKF-K2, και ABMFIRF2, as the most suitable for the particular clinical application. In a next step, a fully automated algorithm for segmenting the atherosclerotic plaque from B-mode ultrasound images of the carotid artery wall was developed, in an attempt to achieve user-independent identification of regions of interest for subsequent motion analysis. The algorithm was based on motion clustering and it incorporated advanced tools for registration and graph - cut - based segmentation in a Markov - random - field implementation. Then, the optimal CAD scheme, which incorporates mechanical features of the arterial wall to characterize the atherosclerotic plaque, was investigated. To this end, real ultrasound image recordings were collected for subjects who referred to two different hospitals for ultrasound examination of the carotid artery, and the hereafter mentioned steps were followed: (1) a framework for measuring a wide variety of mechanical features was designed, (2) the equivalent performances of OFLK(WLS), ABMKF-K2, και ABMFIRF2 were validated on real ultrasound image data, (3) 15 candidate classification schemes were implemented, and (4) the most suitable classification scheme was identified. This classification scheme achieved classification accuracy equal to (a) 88% in a set consisting of two equal-sized subsets of ultrasound image data of the two hospitals and (b) 96% when it was applied separately to the data subsets of the hospitals. The high classification performance was maintained (92%) in a large dataset, which was balanced using the SMOTE algorithm, while, when the mechanical features were combined with textural and biochemical indices, the classification accuracy was even higher (95%). Going one step further in motion-based CAD, a voice-recognition analogue, which relies on hidden Markov models and is guided by spatiotemporal patterns, representing motion and strain activity in the arterial wall, was designed. The particular implementation was based on the idea that, in correspondence with a voice-recognition system, the arterial wall dynamics which account for stable or vulnerable atherosclerotic lesions vary among patients, in the same way as identical words can be pronounced in different ways by humans with different voices. Upon optimisation, the designed CAD was fed with 22 motion and 2 strain patterns, thereby achieving classification accuracy between 76% and 79%. Finally, the outcomes of the dissertation were incorporated in the web-based platform CAROTID, the design specifications and functionalities of which are described in detail. Besides valid risk stratification for atherosclerotic lesions by the CAD module, CAROTID also addressed the need for effective storage and retrieval of patient imaging data. In a preliminary clinical trial, questionnaire - based user satisfaction showed encouraging results in terms of ease-of-use, clinical usefulness and patient data protection, while times for different CAROTID functionalities were generally short. The methodologies which were developed in the framework of this dissertation were based only on patient data which are collected in the current clinical practice. Therefore, through their incorporation in an integrated tool for optimal management of patients, they are able to upgrade the potential of a low-cost routine examination into a powerful tool for objective and personalized clinical assessment of patients with carotid atherosclerosis.	en
heal.sponsor	Ίδρυμα Κρατικών Υποτροφιών Ελλάδος	el
heal.sponsor	Ίδρυμα Λάτση	el
heal.sponsor	Δράση Εθνικής εμβέλειας «ΣΥΝΕΡΓΑΣΙΑ» - ΕΣΠΑ 2007-2013	el
heal.sponsor	Hellenic State Scholarships Foundation	en
heal.sponsor	Latsis Foundation	en
heal.sponsor	National Strategic Reference Framework (NSRF) 2007-2013: "SYNERGASIA"	en
heal.advisorName	Νικήτα, Κωνσταντίνα	el
heal.advisorName	Nikita, Konstantina	en
heal.committeeMemberName	Νικήτα, Κωνσταντίνα	el
heal.committeeMemberName	Κουτσούρης, Δημήτριος-Διονύσιος	el
heal.committeeMemberName	Γολεμάτη, Σπυρέττα	el
heal.committeeMemberName	Σταφυλοπάτης, Ανδρέας	el
heal.committeeMemberName	Φωτιάδης, Δημήτριος	el
heal.committeeMemberName	Κόλλιας, Στέφανος	el
heal.committeeMemberName	Paragios, Nikos	en
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Συστημάτων Μετάδοσης Πληροφορίας & Τεχνολογίας Υλικών	el
heal.academicPublisherID	ntua
heal.numberOfPages	184 σ.	el
heal.fullTextAvailability	true