Analiza wyników badania MRI DICOM
Nasza misja
Naszą misją jest połączenie najnowszych osiągnięć badań informatycznych z obrazowaniem medycznym w celu poprawy jakości diagnostyki, oszczędności czasu lekarzy i, ostatecznie, zapewnienia pacjentom większych szans na wyleczenie. Mamy nadzieję, że pewnego dnia, dzięki naszym rozwiązaniom, lekarze będą mieli więcej czasu, by skupić się na naprawdę trudnych przypadkach, będą dysponowali narzędziem pozwalającym na dodatkową weryfikację diagnozy w razie jakichkolwiek wątpliwości, a pacjenci będą mogli szybciej rozpocząć odpowiednie leczenie.
Rozwiązanie
Wierzymy, że aby uczynić świat leczenia nowotworów lepszym miejscem, musimy w pełni wykorzystać możliwości technologii. Uważamy, że regularne stosowanie zaawansowanych technik uczenia maszynowego w diagnostyce obrazowej stanowi kolejny wielki krok naprzód, jaki nasze społeczeństwo musi wykonać, aby osiągnąć postęp, i jesteśmy gotowi w pełni wspierać tę transformację.
Zobacz także internetową przeglądarkę obrazów DICOM (narzędzie radiologiczne online): https://radiology.cancercenter.eu oraz naszą prezentację.
Nasze studium przypadku
Obrazy radiologiczne tego samego pacjenta różniły się pod względem kształtu, średniego poziomu intensywności oraz pozycji głowy. Zarówno metoda Otsu, jak i metoda adaptacyjna oparta na szczytach histogramu (patrz sekcja 2.3) pozwoliły na wyodrębnienie maski binarnej głowy. Największym wyzwaniem było wybranie odpowiedniego klastra, odpowiadającego obszarowi guza. Nie udało nam się tego osiągnąć przy użyciu wyłącznie pojedynczego (podstawowego) algorytmu segmentacji. Analiza symetrii półkul okazała się wszechstronnym narzędziem do klasyfikacji klastrów (czy jest to guz, czy nie). W obszarach nieobjętych guzem różnice w symetrii były subtelne.
Z obrazów T1, T1C, FLAIR i T2 wyodrębniono cechy dotyczące intensywności, kształtu, położenia oraz tekstury. Na podstawie ewolucji i doboru cech określono położenie guza oraz rozkład intensywności na zdjęciu FLAIR było najbardziej miarodajne. Zgodnie z literaturą oligodendroglioma często występuje w płacie czołowym i skroniowym, co potwierdziły moje dane. Gdybyśmy dysponowali jedynie W przypadku lokalizacji guza klasyfikator z walidacją krzyżową osiągnąłby dokładność na poziomie 70% (odchylenie standardowe: 12). Rozkład intensywności w obrazie FLAIR wykazywał wysoką korelację i miał największe znaczenie. W obrazach T2 zmiany zawsze charakteryzowały się wysoką intensywnością, natomiast w obrazach FLAIR zmiany były albo częściowo jasne, albo ciemne. Klasyfikacja oparta na wzorcach teksturalnych wymaga większej liczby próbek, aby była skuteczna. Klasyfikator typu „Random Forest”, zweryfikowany za pomocą k-krotnej walidacji krzyżowej, osiągnął średnią dokładność na poziomie 87,0% (odchylenie standardowe: 12,991).
