Αυτόματη υπερφασματική μέθοδος για την ανίχνευση, αναγνώριση και ταξινόμηση του ερυθήματος της ψωρίασης

Κριστολλάρη, Βικτωρία; Kristollari, Viktoria

dc.contributor.author	Κριστολλάρη, Βικτωρία	el
dc.contributor.author	Kristollari, Viktoria	en
dc.date.accessioned	2016-12-09T10:56:44Z
dc.date.issued	2016-12-09
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/44093
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.13701
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.subject	Ψωρίαση	el
dc.subject	Τηλεπισκόπηση	el
dc.subject	Ταξινόμηση	el
dc.subject	Υπερφασματικές εικόνες	el
dc.subject	Ιατρικές εικόνες	el
dc.subject	Δερματικές ασθένειες	el
dc.subject	Psoriasis	en
dc.subject	PASI	en
dc.subject	Remote sensing	en
dc.subject	Hyperspectral imaging	en
dc.subject	Classification	en
dc.subject	Skin diseases	en
dc.subject	Medical imaging	en
dc.title	Αυτόματη υπερφασματική μέθοδος για την ανίχνευση, αναγνώριση και ταξινόμηση του ερυθήματος της ψωρίασης	el
dc.title	Automatic hyperspectral method for the detection, recognition and scoring of erythema in psoriasis	en
heal.type	bachelorThesis
heal.classification	Ιατρική υπερφασματική απεικόνιση	el
heal.classification	Medical hyperspectral imaging	en
heal.dateAvailable	2017-12-08T22:00:00Z
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2016-07-19
heal.abstract	Οι εφαρμογές των υπερφασματικών απεικονίσεων στο πεδίο της ιατρικής έχουν ενισχύσει σημαντικά την αποτελεσματικότητα της διάγνωσης λόγω της υψηλής τους φασματικής ανάλυσης. Αυτός είναι και ο σκοπός που προσπαθεί να επιτευχθεί με την παρούσα διπλωματική εργασία, η οποία κάνει την πρώτη προσπάθεια διερεύνησης των πλεονεκτημάτων της υπερφασματικής ανάλυσης στη διάγνωση της δερματικής ασθένειας της ψωρίασης. Η συγκεκριμένη ασθένεια επηρεάζει δραματικά τη ζωή εκατομμυρίων ανθρώπων σε παγκόσμιο επίπεδο, διότι οι υπάρχουσες θεραπείες συνοδεύονται συχνά από δυσάρεστες παρενέργειες, και η αλλοιωμένη όψη του δέρματος προκαλεί έντονη ψυχολογική επιβάρυνση. Η αντικειμενικότερη και ακριβέστερη διάγνωση κρίνεται επομένως πολύ σημαντική διότι θα συμβάλλει στην ταχύτερη εύρεση οριστικής θεραπείας. Στην παρούσα διπλωματική εργασία αναπτύσσεται μία αυτόματη υπερφασματική μέθοδος η οποία οριοθετεί, αναγνωρίζει και ταξινομεί μία από τις παραμέτρους που χαρακτηρίζουν τον βαθμό σοβαρότητας της ψωρίασης κατά πλάκας (πιο κοινή μορφή της ασθένειας). Η συγκεκριμένη παράμετρος είναι το ερύθημα, το οποίο πρακτικά ορίζει την ποσότητα του κόκκινου χρώματος στην ψωριασική πλάκα. Διευκρινίζεται ότι πέραν της επιφάνειας της ασθένειας, ο βαθμός σοβαρότητας κρίνεται με βάση τρεις παραμέτρους: ερύθημα, εμβάθυνση και λέπια. Σημειώνεται επίσης ότι σε αυτήν τη διπλωματική εργασία, καθώς επίσης και σε εκείνη της φοιτήτριας Μαρίας Κρεμεζή, η οποία μελέτησε την παράμετρο των λεπιών, χρησιμοποιήθηκε το ίδιο δείγμα ασθενών. Οι υπερφασματικές εικόνες συλλέχθηκαν σε δερματολογικό ιατρείο υπό την εποπτεία ειδικού δερματολόγου, χρησιμοποιώντας τον υπερφασματικό σαρωτή CASI - 550, τον οποίο κινούσε ειδική κατασκευή που δημιουργήθηκε για τον σκοπό του πειράματος. Χρησιμοποιήθηκαν επίσης δέκα λαμπτήρες αλογόνου και οκτώ λαμπτήρες Led, οι οποίοι τοποθετήθηκαν πάνω στην κατασκευή και περιμετρικά του ασθενή. Συνολικά, έγινε ολόσωμη (full - body) σάρωση σε είκοσι ασθενείς σε διάστημα έξι μηνών (τέλη Οκτωβρίου 2015 - τέλη Μαΐου 2016). Οι δέκα πρώτοι ασθενείς χρησιμοποιήθηκαν ως δείγμα εκπαίδευσης των αλγόριθμων και οι δέκα τελευταίοι ασθενείς χρησιμοποιήθηκαν ως δείγμα αξιολόγησης. Η δημιουργία της αυτόματης υπερφασματικής μεθόδου που αναπτύχθηκε στη συγκεκριμένη διπλωματική εργασία, μπορεί να διακριθεί σε δύο στάδια. Στο πρώτο στάδιο, έγινε λεπτομερής δειγματοληψία υπερφασματικών υπογραφών ανακλαστικότητας της ασθένειας και του υγιούς δέρματος με βάση την ανομοιογένειά τους. Αυτές οι υπογραφές αρχικά υποβλήθηκαν σε διάφορες διαδικασίες προεπεξεργασίας, για την πληρέστερη αντίληψη των φυσικών φασματικών ιδιοτήτων που διακρίνουν το ερύθημα από τις υπόλοιπες δερματικές κατηγορίες. Έπειτα, αξιοποιήθηκαν οι φασματικές ιδιότητες σε συγκεκριμένο ορατό κανάλι μετά την αφαίρεση του συνεχούς (το συνεχές αφαιρέθηκε με χρήση του εμπορικού λογισμικού ENVI 4.8), και δημιουργήθηκε αυτόματη μέθοδος οριοθέτησης του ερυθήματος μέσω κατωφλίωσης. Για τη δημιουργία της αυτόματης μεθόδου οριοθέτησης, έγινε πρωτότυπη προσέγγιση της μεθόδου ταξινόμησης με φυσικά όρια του Jenks (η μέθοδος Jenks εκτελέστηκε στο εμπορικό λογισμικό Arcmap 10.3). Αναλυτικότερα, με πολλαπλές εκτελέσεις της μεθόδου Jenks (με διαφορετικό αριθμό κλάσεων), εξήχθησαν ειδικά διαγράμματα από το δείγμα εκπαίδευσης, στα οποία καταγραφόταν το άνω όριο της πρώτης κλάσης (χαμηλότερη κλάση) σε κάθε εκτέλεση. Τα συγκεκριμένα διαγράμματα, τα οποία αντιπροσώπευαν διαφορετικές περιπτώσεις ασθενών, χρησιμοποιήθηκαν ως βιβλιοθήκη εκπαίδευσης και συνδυάστηκαν με ένα συντελεστή συσχέτισης για να αυτοματοποιηθεί η μέθοδος οριοθέτησης. Στο δεύτερο στάδιο, σχεδιάστηκε o αλγόριθμος αυτόματης ταξινόμησης του ερυθήματος. Για τη δημιουργία του αλγόριθμου υπολογίστηκε αρχικά ο αριθμός των αμιγών στόχων με τη μέθοδο ODM (Outlier Detection Method), η οποία είχε αναπτυχθεί στο πλαίσιο της διδακτορικής διατριβής της κ. Χ. Ανδρέου (2014) στο Εργαστήριο Τηλεπισκόπησης του Ε.Μ.Π.. Έπειτα, με εφαρμογή της μεθόδου NFINDR (εφαρμόστηκε σε κώδικα Matlab) σε ετερογενείς υπερφασματικές εικόνες (μετά την αφαίρεση του συνεχούς), αφού είχαν μετασχηματιστεί με τη μέθοδο MNF (Minimum Noise Fraction), εξήχθησαν οι φασματικές υπογραφές των αμιγών στόχων. Η λεπτομερής παρατήρηση αυτών των υπογραφών οδήγησε σε φασματικές ιδιότητες σε δύο κανάλια του ορατού φάσματος, με τις οποίες ήταν δυνατόν να γίνει η ταξινόμηση των τεσσάρων κλάσεων του ερυθήματος. Σημειώνεται ότι ο αλγόριθμος ODM, ο οποίος εμπεριέχει την εκτέλεση του μετασχηματισμού MNF, εκτελέστηκε σε κώδικα C, ο οποίος είχε γραφτεί από τον Δ. Κέφαλο (2014), στο πλαίσιο της διπλωματικής του εργασίας στο Εργαστήριο Τηλεπισκόπησης του Ε.Μ.Π.. Αξίζει να αναφερθεί ότι η αυτόματη μέθοδος της οριοθέτησης, καθώς και η αυτόματη μέθοδος της ταξινόμησης αξιολογήθηκαν ως προς την αποτελεσματικότητά τους πέραν του δείγματος εκπαίδευσης και σε διαφορετικό δείγμα (δείγμα αξιολόγησης). Τα αποτελέσματα κρίθηκαν πολύ ικανοποιητικά και στις δύο μεθόδους, καθώς κατάφεραν να υπερβούν το πρόβλημα της ανομοιογένειας του φωτισμού και της επίδρασης του αναγλύφου του ανθρώπινου σώματος. Ωστόσο, υπάρχουν ακόμη κάποια περιθώρια βελτιστοποίησης. Αφού επιτεύχθηκαν η αυτόματη οριοθέτηση και η αυτόματη ταξινόμηση, σε συνδυασμό με τη διπλωματική εργασία της Μαρίας Κρεμεζή (2016), προτάθηκε από κοινού ένα νέος τρόπος υπολογισμού του δείκτη σοβαρότητας της ασθένειας. Ο καινούριος δείκτης αξιοποιεί την πληροφορία που μπορεί να εξαχθεί με την εφαρμογή των μεθόδων που αναπτύχθηκαν κατά την εκπόνηση των δύο εν λόγω διπλωματικών εργασιών. Τέλος, έγινε από κοινού μία πρώτη προσπάθεια υπολογισμού της τρίτης και τελευταίας παραμέτρου της ασθένειας της ψωρίασης (εμβάθυνση), η οποία μετράει την ανύψωση της ψωριασικής πλάκας. Ο υπολογισμός αποφασίστηκε να γίνει μέσω της δημιουργίας 3D μοντέλου χρησιμοποιώντας το εμπορικό λογισμικό Photoscan.	el
heal.abstract	The applications of hyperspectral images (HI) in the medical field have strongly increased the effectiveness of diagnosis because of their high spectral resolution. That is the purpose of this diploma thesis which makes the first attempt to investigate the advantages of the hyperspectral analysis into the diagnosis of psoriasis. This skin disease affects dramatically the life of millions of people worldwide, since existing treatments are often accompanied by unpleasant side effects, and the altered skin appearance causes severe psychological trauma. Consequently, a more objective and accurate diagnosis is considered to be crucial as it will accelerate the discovery of a final cure. This study develops an automatic hyperspectral method for the detection, recognition and scoring of one of the parameters that characterize the degree of severity of plaque psoriasis (most common type). This parameter is erythema which practically defines the quantity of red color on the psoriatic plaque. It is worth noting that besides the area of the disease, the degree of severity takes into account three parameters: erythema, induration and scaling. It must also be mentioned that in this diploma thesis as well as in that of the student Maria Kremezi, who studied the parameter of scaling, the same sample of patients was used. The hyperspectral images were collected in a dermatology clinic under the supervision of a medical expert, using the hyperspectral camera CASI - 550, which moved by a construction designed especially for the purpose of the experiment. There were also used ten halogen lamps and eight Led lamps, which were placed on the construction and around the patient. In total, twenty patients were submitted to full - body scanning over a period of six months (late October 2015 - late May 2016). The first ten patients were used as a training sample for the algorithms and the last ten patients were used as an evaluation sample. The creation of the automatic method that was developed in this diploma thesis can be separated into two stages. In the first stage, hyperspectral reflectance signatures of ill and healthy skin areas were selected by detailed sampling, based on heterogeneity. These signatures were initially submitted to various preprocessing procedures, for a thorough perception of the natural spectral properties that distinguish erythema from the rest of the skin categories. Then, an automatic thresholding method for the detection of erythema was created, by taking advantage of the spectral properties in a particular continuum removed visible channel (the continuum was removed by use of ENVI 4.8 software). For the creation of the automatic detection method, a novel approach of the Jenks natural breaks classification method was applied (the Jenks method was run in Arcmap 10.3 software). In more detail, special diagrams were extracted from the training sample, by multiple executions of the Jenks method (with different number of classes), which recorded the upper limit of the first class (lowest class) of each execution. These diagrams, which represented different cases of patients, were used as a training library and were combined with a correlation coefficient for the automation of the detection method. In the second stage, the algorithm of the automatic scoring of erythema was designed. For the creation of the algorithm, at first, endmembers were extracted with the NFINDR method (it was run in matlab code), the number of which had been calculated with the ODM (Outlier Detection Method) method (it had been developed as part of the Phd thesis of Ms. C. Andreou (2014) in the Laboratory of Remote Sensing at N.T.U.A.). The NFINDR method was applied to heterogeneous continuum removed images, after they had been transformed by the MNF (Minimum Noise Fraction) method. Then, the detailed observation of the continuum removed signatures of the endmembers led to spectral properties in two visible channels, which enabled the distinction of the four classes of erythema. (ODM, which included the execution of the MNF algorithm, was run in C code that had been written by D. Kefalos (2014), as part of his diploma thesis in the Laboratory of Remote Sensing at N.T.U.A) It is worth mentioning that in addition to the evaluation in the training sample, both the automatic detection method and the automatic scoring method, were evaluated in terms of their efficiency in a different sample (evaluation sample). The results were considered very satisfying in both methods, as they managed to overcome the unfavorable lighting conditions and the effect of the elevation of the human body. Nevertheless, there is still some room for optimization. After the automatic detection and the automatic scoring had been accomplished, in collaboration with the student Maria Kremezi, a novel approach concerning the calculation of the disease severity index was proposed. The new index takes advantage of the information that can be extracted with the application of the automatic methods that were developed in both studies. As a final step, a first joint attempt for the calculation of the third and last parameter of the disease (induration) was made. For the calculation of this parameter, which measures the elevation of the psoriatic plaque, a 3D model was reconstructed with the Photoscan software.	en
heal.advisorName	Καραθανάση, Βασιλεία	el
heal.committeeMemberName	Αργιαλάς, Δημήτριος	el
heal.committeeMemberName	Παπαδαυίδ, Ευαγγελία	el
heal.committeeMemberName	Κολοκούσης, Πολυχρόνης	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Αγρονόμων και Τοπογράφων Μηχανικών. Τομέας Τοπογραφίας. Εργαστήριο Τηλεπισκόπησης	el
heal.academicPublisherID	ntua
heal.numberOfPages	201 σ.
heal.fullTextAvailability	true