Αναγνώριση επικίνδυνων αθηρωματικών πλακών μέσω εξαγωγής χαρακτηριστικών κίνησης βασισμένων στην ετεροσυσχέτιση

Πατελάκη, Ελένη; Patelaki, Eleni

dc.contributor.author	Πατελάκη, Ελένη	el
dc.contributor.author	Patelaki, Eleni	en
dc.date.accessioned	2017-03-27T08:54:25Z
dc.date.available	2017-03-27T08:54:25Z
dc.date.issued	2017-03-27
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/44744
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.13722
dc.rights	Default License
dc.subject	Αθηρωμάτωση	el
dc.subject	Καρωτίδα	el
dc.subject	Υπέρηχοι	el
dc.subject	Χαρακτηριστικά κίνησης	el
dc.subject	Ετεροσυσχέτιση	el
dc.subject	Ταξινομητής	el
dc.subject	Atheromatosis	en
dc.subject	Carotid	en
dc.subject	Ultrasound	en
dc.subject	Motion features	en
dc.subject	Cross-correlation	en
dc.subject	Classifier	en
dc.title	Αναγνώριση επικίνδυνων αθηρωματικών πλακών μέσω εξαγωγής χαρακτηριστικών κίνησης βασισμένων στην ετεροσυσχέτιση	el
dc.title	Recognition of dangerous atheromatous plaques via the extraction of motion features based on cross-correlation	en
heal.type	bachelorThesis
heal.generalDescription	Εκπονήθηκε στο Εργαστήριο Βιοϊατρικών Προσομοιώσεων και Απεικονιστικής Τεχνολογίας (BIOSIM) του Εθνικού Μετσόβιου Πολυτεχνείου	el
heal.classification	Ιατρική απεικόνιση	el
heal.classification	Αναγνώριση προτύπων	el
heal.classification	Ψηφιακή επεξεργασία ιατρικής εικόνας	el
heal.classificationURI	http://data.seab.gr/concepts/b49148a5fc2900a06e151cb2891f9dc8ccd1bc85
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2017-02-06
heal.abstract	Αθηρωμάτωση καλείται η παθολογική κατάσταση που προκαλείται ως αντίδραση στον τραυματισμό του ενδοθηλίου του αγγειακού τοιχώματος και συνεπάγεται το σχηματισμό αθηρωματικής πλάκας που αποτελείται κυρίως από λιπίδια, αλλά και από αίμα, ασβέστιο και ινώδη ιστό. Στη περίπτωση της καρωτίδας, μια πιθανή ρήξη της πλάκας οδηγεί στο σχηματισμό θρόμβου, ο οποίος είναι πιθανό να αποτελέσει την αιτία για την πρόκληση εγκεφαλικού ή παροδικού ισχαιμικού επεισοδίου. Προκειμένου να προβλεφθεί έγκαιρα και να αποτραπεί ένα τέτοιο κλινικό σύμβαμα, διερευνάται, στο πλαίσιο της παρούσας διπλωματικής εργασίας, η πιθανή σχέση της επικινδυνότητας για ρήξη μίας πλάκας με τα πρότυπα κίνησης που αυτή παρουσιάζει. Γι’ αυτό το σκοπό, μελετήθηκαν 88 ακολουθίες εικόνων υπερήχων β-σάρωσης, που αντιστοιχούν σε 74 ασθενείς. Συγκεκριμένα, έγινε παρακολούθηση της κίνησης των συνόρων καθεμίας εκ των 121 αθηρωματικών πλακών που εντοπίσθηκαν στις καταγραφές αυτές, καθώς και των συνόρων του γειτονικού αγγειακού τοιχώματος με τον αυλό, χρησιμοποιώντας αλγόριθμο προσαρμοστικής ταύτισης περιοχών. Κατόπιν, εξήχθησαν μία σειρά από χαρακτηριστικά κίνησης, υπολογίζοντας την ετεροσυσχέτιση κυματομορφών που προέκυψαν από την εφαρμογή του αλγορίθμου ανίχνευσης κίνησης στις παραπάνω περιοχές ενδιαφέροντος. Για τις ανάγκες της εργασίας, υλοποιήθηκαν τρεις ταξινομητές: ένας ταξινομητής ηχογένειας, ένας ταξινομητής συμπτωματικότητας και ένας ταξινομητής επικινδυνότητας. Αυτοί δέχονται ως είσοδο τα χαρακτηριστικά κίνησης, καθώς και πληροφορίες για το αν η κάθε πλάκα-περιστατικό είναι ηχογενής ή ηχοδιαπερατή, ανήκει σε συμπτωματικό ή ασυμπτωματικό ασθενή και αν χρήζει χειρουργικής επέμβασης ή όχι, σύμφωνα με το αντίστοιχο ισχύον κλινικό σχήμα εκτίμησης. Η συγκριτική αξιολόγηση τριών αλγορίθμων ταξινόμησης (Κοντινότεροι Γείτονες, Πολυστρωματικό Perceptron, Τυχαία Δάση), με τη μέθοδο της διασταυρωμένης επικύρωσης, σε καθέναν από τους παραπάνω ταξινομητές, ανέδειξε τον αλγόριθμο των Τυχαίων Δασών ως εκείνον την καλύτερη επίδοση σε όλες τις περιπτώσεις, επιτυγχάνοντας ακρίβεια ταξινόμησης 100% για τον ταξινομητή ηχογένειας, 89.2% για τον ταξινομητή συμπτωματικότητας και 93.3% για τον ταξινομητή δείκτη κινδύνου. Με τη χρήση μεθόδων επιλογής χαρακτηριστικών, ξεχωρίσθηκαν για κάθε ταξινομητή τα 3 χαρακτηριστικά κίνησης που διέφεραν περισσότερο μεταξύ των εκάστοτε δύο κλάσεων του ταξινομητή και, συνεπώς, περιείχαν τη μεγαλύτερη πληροφορία. Τέλος, για κάθε ταξινομητή, υπολογίστηκε η μέση τιμή των χαρακτηριστικών για καθεμία από τις δύο κατηγορίες ξεχωριστά, προκειμένου να αποδοθεί αδρά μία μέση κινηματική «συμπεριφορά» των πλακών της κάθε κλάσης. Η μελέτη των μέσων τιμών αυτών οδήγησε στα εξής χρήσιμα συμπεράσματα: Οι ηχοδιαπερατές, οι συμπτωματικές και οι υψηλού κινδύνου πλάκες τείνουν να κινούνται λιγότερο συγχρονισμένα με το παράπλευρο αρτηριακό τοίχωμα, αλλά και εσωτερικά, δηλαδή η άνω με την κάτω επιφάνειά τους, σε σχέση με τις ηχογενείς, τις ασυμπτωματικές και τις χαμηλού κινδύνου πλάκες, αντίστοιχα.	el
heal.abstract	Atheromatosis is a pathological condition, which is caused in response to endothelial injury of the vessel wall and results in the formation of atheromatous plaque, composed mainly of lipids, but also, blood, calcium and fibrous tissue. In the case of the carotid artery, a possible rupture of the plaque leads to thrombus formation, which is likely to cause a stroke or a transient ischemic attack (TIA). In order to predict promptly and prevent such a clinical incident, within the context of this thesis, a possible relationship of the risk for plaque rupture with the plaque motion patterns is examined. For this purpose, 88 B-mode ultrasound image sequences, corresponding to 74 patients, were studied. Specifically, the motion of the borders of each one of the 121 atherosclerotic plaques detected in these records was estimated, as well as the motion of the adjacent vessel wall-lumen interface, using an adaptive block matching algorithm. Then, a series of motion features were extracted by calculating the crosscorrelation of certain waveforms obtained by applying the motion estimation algorithm in the above regions of interest. For the purpose of this study, we implemented three classifiers: an echogenicity classifier, a symptomaticity classifier and a risk classifier. All of them accept as input the motion features and information about whether each plaque is echogenic or echolucent, whether it belongs to a symptomatic or an asymptomatic patient, whether it needs surgery or not, according to the current diagnostic scheme, respectively. Having tested three classification algorithms (Nearest Neighbors, Multilayer Perceptron, Random Forests) to each of the above classifiers, using the method of leave-one-out cross-validation, it was found that the Random Forest algorithm had the best performance in all cases, achieving a classification accuracy of 100 % for the echogenicity classifier, 89.2% for the symptomaticity classifier and 93.3% for the risk classifier. Implementing several feature selection methods, 3 motion features that differed the most between the two classes of the classifier and, therefore, contained the most valuable information, were discriminated for each classifier. Finally, for each classifier, the mean value of the motion features was calculated, separately for each of the two categories, in order to give a rough kinematic 'behavior' of the plaques belonging to each class. The study of these mean values resulted in the following useful conclusions: Echolucent, symptomatic and high-risk plaques tend to move in less synchronization with the adjacent arterial wall, as well as inwards, namely their upper with their lower surface, compared to echogenic, asymptomatic and low-risk plaques, respectively.	en
heal.advisorName	Νικήτα, Κωνσταντίνα	el
heal.committeeMemberName	Νικήτα, Κωνσταντίνα	el
heal.committeeMemberName	Γολεμάτη, Σπυρέττα	el
heal.committeeMemberName	Σταφυλοπάτης, Ανδρέας-Γεώργιος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Συστημάτων Μετάδοσης Πληροφορίας και Τεχνολογίας Υλικών	el
heal.academicPublisherID	ntua
heal.numberOfPages	106 σ.
heal.fullTextAvailability	true