Naslov Automatizirana detekcija povrede stražnjeg križnog ligamenta iz MRI snimki
Autor Tanja Štajduhar
Mentor Ivan Štajduhar (mentor)
Član povjerenstva Željko Jeričević (predsjednik povjerenstva)
Ustanova koja je dodijelila akademski / stručni stupanj Sveučilište u Rijeci Tehnički fakultet Rijeka
Datum i država obrane 2016-09, Hrvatska
Znanstveno / umjetničko područje, polje i grana TEHNIČKE ZNANOSTI Računarstvo
Sažetak Pravovremeno donesena i točna dijagnoza temelj je učinkovitog liječenja. U slučajevima u kojima je dijagnozu potrebno donijeti na temelju složenog skupa podataka, kao što je onaj produciran MRI oslikavanjem, donošenje dijagnoze postaje dugotrajan i zamoran proces podložan greškama. Primjer takvog procesa je detekcija ozljede stražnjeg križnog ligamenta koljena. Cilj rada je ispitati mogućnost automatizacije detekcije ozljede stražnjeg križnog ligamenta korištenjem metoda strojnog učenja, kako bi se radiolozima olakšao rad i smanjio broj pogrešnih dijagnoza. Razvoj programskog rješenja izvršen je nad uzorkom od 743 MRI pregleda koljena, snimljenih u Proton Density tehnici sa supresijom masti. Snimke su prikupljene u Kliničkom bolničkom centru Rijeka, a pismeno dopuštenje za njihovo korištenje dobiveno je od strane etičkog povjerenstva Centra. Za svaki pregled označena je regija stražnjeg križnog ligamenta, te je temeljem vizualnog pregleda i pismenog nalaza specijalista radiologa definirana dijagnoza. Iz uzorka su izbačeni slučajevi kod kojih nije bilo moguće jednoznačno odrediti dijagnozu.
Automatizacija detekcije ozljede izvšena je u tri faze. U prvoj fazi implementiran je proces detekcije regije stražnjeg križnog ligamenta. Primjenom SVM modela nad HOG značajkama režnjeva pregleda, te podacima o njihovoj pripadnosti regiji od
interesa automatizirana je detekcija režnjeva na kojima je prikazan stražnji križni ligament, a korištenjem modela linearne regresije nad HOG značajkama režnjeva i podacima o koordinatama regije od interesa automatizirana je detekcija koordinata
dvodimenzionalne regije stražnjeg križnog ligamenta na režnjevima. U drugoj fazi ispitane su mogućnosti implementacije procesa detekcije ozljeda na slikama regije od interesa, koristenjem SVM modela, HOG značajki slika i podataka o dijagnozi. U trećoj fazi modeli su ulančani, te je izvršena evaluacija konačnog rješenja.
Rezultati pokazuju da su generirani modeli detekcije regije od interesa pojedinačno efikasni u detekciji režnjeva na kojima je prikazan stražnji križni ligament, odnosno detekciji koordinata dvodimenzionalne regije od interesa, no njihovim
ulančavanjem gubi se na kvaliteti detekcije. Proces detekcije ozljeda na slikama regije od interesa zbog premalog uzorka primjeraka ozljeda nije implementiran na zadovoljavajućoj razini kvalitete, a njegovim ulančavanjem s procesima detekcije regije od interesa kvaliteta detekcije dodatno opada.
Sažetak (engleski) A timely and accurate diagnosis is the foundation of efective treatment. In cases in which the diagnosis has to be made based on a complex dataset, such as the one produced by MRI imaging, detecting injuries or other pathologies becomes
a time consuming and tedious process susceptible to errors. An example of such a process is the detection of posterior cruciate ligament injuries. The goal of this study is to examine the possibility of automating the detection of such injuries using machine learning methods, in order to facilitate the work of radiologists and reduce
the number of misdiagnoses.
The study was performed on a sample of 743 PD weighted knee MRI sequences with fat suppression. The sequences were collected at the Clinical Hospital Centre Rijeka, Croatia. A written permission for their use was obtained from the Centre's
Ethics Committee. For each sequence the ligament region was marked, and the diagnosis was determined by visual inspection of the sequence images, as well as by consulting the written assessment results. The sequences for which it was not possible to clearly determine the diagnosis were removed from the sample.
The automation of injury detection was performed in three stages. During stage
one the ROI detection process was implemented. The detection of ROI slices was automated using SVM models, in combination with slice HOG features and labels indicating whether or not the slices are a part of the region of interest. Linear regression models were used to detect the two-dimensional ROI coordinates, in combination with slice HOG features and the vectors of real two-dimensional ROI coordinates for the slices. In stage two the possibilities of injury detection automation were examined, using SVM models, sequence HOG features, and the previously determined diagnoses. During stage three the models were combined in order to evaluate the quality of the final solution. The findings indicate that the models generated to detect the region of interest are, by themselves, efective in detecting MRI slices that display the ligament, as
well as the two-dimensional coordinates of the region of interest, but combining the two produces a decline in the quality of detection. The quality of the implemented process of injury detection is unsatisfactory. This finding is probably caused by the
insucient injury sample in the dataset. The quality of detection declines further by combining this model with the previous two.
Ključne riječi
racunalno potpomognuta dijagnostika
CAD
straznji križni ligament
PCL
regija od interesa
ROI
stroj potpornih vektora
SVM
histogram usmjerenih gradijenata
HOG
Ključne riječi (engleski)
computer-aided diagnosis
CAD
posterior cruciate ligament
PCL
region of interest
ROI
support vector machine
SVM
histogram of oriented gradients
HOG
Jezik hrvatski
URN:NBN urn:nbn:hr:190:296965
Studijski program Naziv: Računarstvo Vrsta studija: sveučilišni Stupanj studija: diplomski Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag. ing. comp.)
Vrsta resursa Tekst
Način izrade datoteke Izvorno digitalna
Prava pristupa Pristup korisnicima matične ustanove
Uvjeti korištenja
Datum i vrijeme pohrane 2016-09-30 13:09:04