عنوان پایان‌نامه
تشخیص مرحله ی بیماری در سرطان های متاستاز شده با استفاده از اطلاعات تصویر برداری دیفیوژن تمام بدن و بر اساس روشهای استخراج خصوصیات
- رشته تحصیلی
- مهندسی برق- مهندسی پزشکی - بیوالکتریک
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 2389;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 60935
- تاریخ دفاع
- ۲۶ آذر ۱۳۹۲
- دانشجو
- فائزه سادات ثنائی نژاد
- استاد راهنما
- حمید سلطانیان زاده
- چکیده
- تصاویر تشدید مغناطیسی با وزن دهی انتشاری و اطلاعات استخراج شده از آن‌ها؛ در ارزیابی بیماری و روش های درمانی به خصوص در بیماری های استخوانی، از جمله در سرطان سینه با متاستاز مغز استخوان، کاربرد چشم گیری دارد. پزشک می تواند با بررسی تصاویر تمام بدن انتشاری، نگرش صحیحی نسبت به شرایط و مرحله ی بیماری پیدا کند. وضوح کم ساختار آناتومیکی در تصاویر انتشاری و وابستگی اطلاعات استخراج شده به انتخاب ناحیه ی مورد نظر؛ از مشکلات آن بوده که منشا خطا می‌گردد؛ همچنین باعث از بین رفتن قابلیت بازتولید اطلاعات شده و امکان استفاده از آن را در تحلیل‌های پیچیده ی عاری از خطای انسانی، کم می‌کند. در این تحقیق با توجه به کاربرد تصاویر انتشاری در سرطان سینه متاستاز مغز استخوان، هدف بخش‌بندی استخوان لگن موجود در این تصاویر با کمک تصاویر آناتومیکی تشدید مغناطیسی است. در این صورت می توان اطلاعات استخراج شده از تصاویر انتشاری را با قابلیت بازتولید فراهم نمود و تحلیل‌های پیچیده ی عاری از خطای انسانی را برای آن امکان پذیر ساخت. برای نیل به این هدف، روش بخش بندی به صورت دو بعدی با کمک سطوح هم تراز منطقه ای که با اطلاعات پیشین اجماع شده اند، استفاده شده است. روش ارائه شده بخش بندی استخوان را علی‌رغم ناهمگنی های شدید موجود در تصاویر تشدید مغناطیسی به علت بیماری متاستاز مغز استخوان، انجام میدهد. محدود کردن سطوح هم تراز به صورت منطقه ای و اجماع آن با اطلاعات پیشین، راه حل فائق آمدن بر ناهمگنی های موجود در تصاویر میباشد. الگوریتم ارائه روی تصاویر ده بیمار مبتلا به سرطان سینه با متاستاز مغز استخوان اعمال شده است. نتایج حاصل نشان دهنده ی بخش بندی مناسب استخوان از تصاویر انتشاری می باشد. ارزیابی بخش بندی با معیار پارامتر Dice، مقدار 06/0±83/0 میباشد. این دقت در بخش بندی با توجه به شرایط تصویر، کاربرد بخش بندی و روش های موجود در بخش‌بندی مقدار مناسبی می باشد. واژگان کلیدی: بخش بندی، تصاویر تشدید مغناطیسی انتشاری، سرطان سینه متاستاز مغز استخوان
- Abstract
- In recent years, diffusion weighted images have obtained distinct clinical utility, especially in skeletal related diseases. The information extracted from these images could be useful for gaining knowledge on the state of disease and its response to treatment. Detection of the state of disease in bone marrow metastatic breast cancer is a novel application of whole body diffusion weighted imaging. However, lack of anatomical details in diffusion weighted magnetic resonance images limits their utilization and treatment response monitoring, shadowing the useful information they contain. Contemporary methods of utilizing these images are based on manual selection of regions of interest (ROI) using anatomical images, raising concerns about susceptibility of manual ROI placement to human errors, and limiting the investigation in specific spatial regions. Considering the effective role of diffusion weighted images in bone marrow metastatic breast cancer, this study is aimed to segment the pelvis bone from diffusion weighted images of bone marrow metastatic breast cancer. This segmentation is applied with the aid of anatomical magnetic resonance images. Using this segmentation with the luxury to include all the diseased bone marrow, high profile analysis could be applied minimizing human-introduced error. To achieve the study goal, we propose an automatic method for segmentation of pelvic bone with possible bone metastasis in apparent diffusion coefficient (ADC) maps. The proposed method takes advantage of a local level set algorithm coupled with prior information. Intensity inhomogeneity in the bone structure caused by bone marrow metastasis challenges the segmentation process. By adding constraints to the level set frame work and coupling it with prior information, we combat the image inhomogeneity. The method is validated on 10 pairs of ADC/T1-weighted images of breast cancer patients with bone marrow metastases. Both quantitative and qualitative evaluation results demonstrate the validity of the proposed method. The Dice coefficient of the segmentation results is 0.83±0.06. The proposed method generates more accurate segmentation results relative to other images segmentation methods. This accuracy of the proposed segmentation method is adequate for the application addressed in this thesis. Keywords: Segementation, Local level set, Prior information, Diffusion wighted image.
