Ανάπτυξη Μεθόδων Επεξεργασίας Εικόνων Μαστογραφίας Βασισμένων σε Τοπικά Μορφολογικά Χαρακτηριστικά για την Υπολογιστική Υποστήριξη της Διάγνωσης

Χατζηστέργος, Σεβαστιανός Ε.

dc.contributor.author	Χατζηστέργος, Σεβαστιανός Ε.	el
dc.date.accessioned	2020-09-10T08:16:57Z
dc.date.available	2020-09-10T08:16:57Z
dc.date.issued	2020-09-10
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/51076
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.18774
dc.description.abstract	Η παρούσα διδακτορική διατριβή εστιάζεται στην υποστήριξη του ακτινολόγου στην αξιολόγηση ευρημάτων σε εικόνες μαστογραφίας. Για τον σκοπό αυτό υλοποιείται σειρά μεθόδων επεξεργασίας εικόνας βασισμένων σε τοπικά μορφολογικά χαρακτηριστικά, οι οποίες μπορούν να αποτελέσουν τμήμα ενός συστήματος υποβοηθούμενης διάγνωσης με χρήση υπολογιστή (CAD). Βασικό χαρακτηριστικό των μεθόδων αυτών είναι η εισαγωγή και αξιοποίηση ενός ειδικού χαρακτηριστικού που ονομάσαμε ακτινικό μήκος. Αρχικά διερευνάται η δυνατότητα αξιοποίησης των ακτινικών μηκών για την βελτίωση της αντίθεσης μαστογραφιών με έμφαση στην ανάδειξη της κρίσιμης διαγνωστικά πληροφορίας. Η βελτίωση της αντίθεσης αποτελεί τμήμα της διαδικασίας προ-επεξεργασίας σε ένα σύστημα CAD και μπορεί να συμβάλει καθοριστικά στην βελτίωση της αποτελεσματικότητας του συστήματος. Για την αξιολόγηση της μεθόδου (και με δεδομένη την απαίτηση για ανάδειξη της διαγνωστικά κρίσιμης πληροφορίας) επιλέγεται μια διαδικασία μέτρησης αποτελεσματικότητας η οποία στηρίζεται στην ποσοτικοποίηση της αντίθεσης μεταξύ της κρίσιμης περιοχής (π.χ. μάζα) και του περιβάλλοντος ιστού. Η αποτελεσματικότητα της μεθόδου συγκρίνεται με εκείνην ευρέως διαδεδομένων μεθόδων της βιβλιογραφίας και αποδεικνύεται ότι η προτεινόμενη μέθοδος υπερέχει από τις υπό σύγκριση μεθόδους, καθώς αναδεικνύει αποτελεσματικότερα την κρίσιμη πληροφορία -αλλοιώσεις τύπου μάζας- σε ποσοστό που κυμαίνεται από 65.8% έως 85.8% των μελετούμενων περιπτώσεων, ανάλογα με την συγκρινόμενη μέθοδο. Ακολούθως, διερευνάται η αξιοποίηση των ιδιαίτερων χαρακτηριστικών των ακτινικών μηκών για την ανίχνευση έντονων ακμών και συγκεκριμένα για την κατάτμηση του θωρακικού μυός από μέσο-πλάγιες λοξές μαστογραφικές λήψεις. Η προτεινόμενη προσέγγιση στηρίζεται στην χρήση των ακτινικών μηκών για τον αρχικό προσδιορισμό των σημείων που πιθανόν ανήκουν στην διαχωριστική γραμμή μυός-μαστού και στην συνέχεια, στην εφαρμογή μιας διαδικασίας επέκτασης γραμμών από αυτά τα σημεία έχοντας σαν οδηγό και πάλι τις τιμές των ακτινικών μηκών στα διάφορα σημεία της εικόνας. Η μέθοδος αξιολογείται μέσω κατάλληλου συνόλου εικόνων που έχει προταθεί στη βιβλιογραφία και αποτελείται από συγκεκριμένες εικόνες για τις οποίες είναι γνωστά τα ακριβή όρια θωρακικού μυός-μαστού, επιτρέποντας έτσι ευθεία σύγκριση μεταξύ των διαφορετικών μεθόδων. Τα αποτελέσματα αποδεικνύουν ότι η προτεινόμενη μέθοδος υπερτερεί σε επιδόσεις του συνόλου των λοιπών - συγκρινόμενων μεθόδων της βιβλιογραφίας, καθώς μεταξύ άλλων εμφανίζει χαμηλές τιμές σφάλματος σε ποσοστό 68.6% των μελετούμενων περιπτώσεων, έναντι αντίστοιχου ποσοστού 53.5% - 59.5% για τις υπό σύγκριση μεθόδους. Πέρα από την μελέτη τεχνικών προ-επεξεργασίας και κατάτμησης, διερευνούμε επίσης την δυνατότητα αξιοποίησης των ακτινικών μηκών για την αναγνώριση αρχιτεκτονικών διαστρεβλώσεων σε εικόνες μαστογραφίας. Οι αρχιτεκτονικές διαστρεβλώσεις αποτελούν την τρίτη πιο κοινή μορφή αλλοίωσης του μαστού, μετά τις μάζες και τις μικροασβεστώσεις, ωστόσο ο εντοπισμός τους μέσω της μαστογραφίας έχει αποδειχθεί αρκετά δυσκολότερος, λόγω κυρίως των ιδιαίτερων μορφολογικών τους χαρακτηριστικών. Η προτεινόμενη μέθοδος στηρίζεται στον συνδυασμό των ακτινικών μηκών με μια σειρά παραλλαγών της μεθόδου των τοπικών δυαδικών μοτίβων (LBP). Ακολούθως, λόγω του μεγάλου αριθμού χαρακτηριστικών που τελικά προκύπτουν μέσω του συνδυασμού αυτού, εφαρμόζεται συνδυασμός τεχνικών ανάλυσης κύριων συνιστωσών (PCA) και t-test, με απώτερο σκοπό την μείωση του συνολικού αριθμού των χαρακτηριστικών και την επιλογή εκείνων με την μεγαλύτερη διαχωριστική ικανότητα. Η τελική αναγνώριση των αρχιτεκτονικών διαστρεβλώσεων πραγματοποιείται μέσω της μεθόδου των μηχανών υποστήριξης διανυσμάτων (SVMs), ενώ σε όλα τα πειράματα που πραγματοποιούνται για την αξιολόγηση της αποτελεσματικότητας των αναφερόμενων μεθόδων γίνεται χρήση εικόνων από τα ανοικτά και ελεύθερα διαθέσιμα σύνολα DDSM και MIAS. Τα αποτελέσματα της αξιολόγησης της μεθόδου κρίνονται ως ιδιαίτερα ενθαρρυντικά καθώς επετεύχθη απόλυτα ορθή ταξινόμηση όταν έγινε χρήση του συνόλου των αρχιτεκτονικών διαστρεβλώσεων της DDSM. Επιπλέον, αναπτύχθηκε εκπαιδευτικό παιχνίδι με σκοπό την βελτίωση της αποτελεσματικότητας εκπαιδευόμενων ακτινολόγων στην αξιολόγηση μαστογραφιών. Η ανάπτυξη στηρίχθηκε σε λεπτομερή διερεύνηση των σύγχρονων εκπαιδευτικών προσεγγίσεων και προσδιορισμό των ειδικών χαρακτηριστικών που θα πρέπει να συγκεντρώνει ένα τέτοιο παιχνίδι προκειμένου να είναι ευχάριστο στην χρήση και ταυτόχρονα αποτελεσματικό ως προς τους εκπαιδευτικούς του σκοπούς.	el
dc.rights	Default License
dc.subject	Μαστογραφίες	el
dc.subject	Βελτίωση αντίθεσης	el
dc.subject	Θωρακικός μυς	el
dc.subject	Αρχιτεκτονικές διαστρεβλώσεις	el
dc.subject	Παιχνίδι σοβαρού σκοπού	el
dc.subject	Τοπικά δυαδικά μοτίβα (LBP)	el
dc.subject	Mammograms	en
dc.subject	Contrast enhancement	en
dc.subject	Pectoral muscle	en
dc.subject	Architectural distortions	en
dc.subject	Serious game	en
dc.subject	Local binary patterns (LBP)	en
dc.title	Ανάπτυξη Μεθόδων Επεξεργασίας Εικόνων Μαστογραφίας Βασισμένων σε Τοπικά Μορφολογικά Χαρακτηριστικά για την Υπολογιστική Υποστήριξη της Διάγνωσης	el
dc.contributor.department	Τομέας Συστημάτων Μετάδοσης Πληροφορίας και Τεχνολογίας Υλικών	el
heal.type	doctoralThesis	el
heal.classification	Επεξεργασία Ιατρικών Εικόνων	el
heal.language	el	el
heal.access	free	el
heal.recordProvider	ntua	el
heal.publicationDate	2020-07-13
heal.abstract	In the current thesis we propose a series of medical image processing methods, based on local morphological characteristics, which can be utilized as building components on a computer aided diagnosis system (CAD). The common characteristic of these methods is the use of a tensor like feature which we call radial length. We first evaluate the use of tensor lengths on contrast enhancement. An enhancement process is used by the majority of CAD systems as a pre-processing step since it can significantly improve the performance of the whole system. Given the nature of mammographic images we attempt to perform contrast enhancement while preserving the diagnostically critical information. Therefore, in order to evaluate the performance of the proposed method we adopt an evaluation process which evaluates the contrast improvement achieved specifically between a lesion region (e.g. mass) and its surrounding tissue. The proposed method is then compared with other widely used methods outperforming them in 65.8% - 85.8% of cases depending on the method under comparison. Next, we evaluate the use of radial lengths for the segmentation and removal of pectoral muscle from medio-lateral oblique mammographic images. The proposed procedure involves the use of radial lengths in order to define a number of candidate image points for the muscle-breast edge, followed by a line expansion procedure using the identified image points as starting points. The expansion process is based again on the values of tensor lengths on the different image locations. The evaluation of the method is performed through a specifically defined, by previous works, dataset where the muscle edge is pre-defined. The evaluation results prove the effectiveness of the proposed methodology achieving low error rates for 68.6% of cases as compared to 53.5% - 59.5% achieved by the methods under comparison. We further evaluate the use of radial lengths for the identification of architectural distortions. Architectural distortions are the third most common form of mammographic lesions, behind masses and microcalcifications, but are the most difficult to identify. The proposed method tries to combine radial lengths with local binary patterns (LBP) and their modifications. Due to the large number of combinations used, the number of the produced characteristics is very large making the need for transforming them and reducing their size, imperative. In order to achieve this, we propose the combined use of principal components analysis (PCA) and t-test. The reduced characteristics set is then classified using a support vector machine (SVM) classifier with the results being very encouraging especially when large datasets are used. More specifically, the classification is flawless when the whole number of architectural distortions in DDSM is used. Furthermore, we propose an educational game for trainee radiologists in order to assist them in their efforts to effectively interpret mammograms. The main architectural characteristics of the game are defined after a thorough bibliographic analysis of modern learning theories and the way they can be applied on games.	en
heal.advisorName	Νικήτα, Κωνσταντίνα	el
heal.committeeMemberName	Ματσόπουλος, Γεώργιος	el
heal.committeeMemberName	Κουτσούρης, Δημήτριος-Διονύσιος	el
heal.committeeMemberName	Σταφυλοπάτης, Ανδρέας	el
heal.committeeMemberName	Στάμου, Γεώργιος	el
heal.committeeMemberName	Γολεμάτη, Σπυρέττα	el
heal.committeeMemberName	Καρανάσιου, Ειρήνη	el
heal.academicPublisher	Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	169 σ.
heal.fullTextAvailability	false