Geri Dön

Lesion detection in MR mammography: NMITR maps, dynamic and morphological descriptors

MR mamografide lezyon belirlenmesi: NMITR haritaları, devingen ve biçimsel tanımlayıcılar

PDF İndir

  1. Tez No: 200441
  2. Yazar: GÖKHAN ERTAŞ
  3. Danışmanlar: DOÇ. DR. HALİL ÖZCAN GÜLÇÜR
  4. Tez Türü: Doktora
  5. Konular: Biyomühendislik, Mühendislik Bilimleri, Bioengineering, Engineering Sciences
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2007
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Biyo-Medikal Mühendislik Enstitüsü
  11. Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 190

Özet

Bu tez çalmasnda, devingen ztl-çoaltlm manyetik rezonans mamografi verilerini çözümleyelecek, tan duyarlln, belirliliini ve yinelenebilirliini olabildiince arttran algoritmalar, yöntemler ve teknikler aratrlmtr. Hücresel sinir a (HSA) yaplar kullanan çok özel bir lezyon saptama yöntemi gelitirmitir. Özel tasarmlanm dört HSA kullanlarak meme alan kesimlendi. Elde edilen meme bölgesi için devingen görüntüler üzerinde kayan 3×3 voksel boyutlarnda bir maske kullanlarak üç boyutlu normalletirilmi en fazla younluk-zaman oran haritas elde edildi. Bu harita ikili biçime dönütürüldü ve 11×11'lik hücrelerden oluan, üç katmanl, bulank bir HSA ile lezyonlar çevreleyen dokulardan kesimlemek ve aldatc tutulumlar elemek üzere ilendi. Yanl pozitif saptamalar azaltmak için üpheli bölgelerin hacim ve üç boyutlu dmerkezlilik özelliklerinden çkartlan bir dizi karar kurallar uyguland. Sistem 39 hastaya ait, 37 kötü huylu ve 39 iyi huylu kütle lezyonu bulunan, 1170 adet kesitten oluan, 7020 adet MR mammogram üzerinde test edildi ve en fazla %99 tan duyarllnda her bir lezyon için 0.34, kesit için 0.1 ve vaka için 0.67 yanl pozitif saptama olmak üzere oldukça baarl olduu bulundu. Üç boyutlu normalletirilmi en fazla younluk-zaman oran haritalarndan elde edilen meme lezyonlarnn morfolojik ve tutulum betimleyicilerinin kanserin saptanmasna yönelik deerlilii aratrld. Ortalama, en fazla deer, standart sapma ve danm tutulum özelliklerinin yüksek anlaml (P< 0.001) ve tanm doruluklu (0.86-0.97) olduu bulundu. En fazla younluk-zaman oran danm nicel tan için en iyi baarma sahip bulundu. Çallan morfolojik betimleyicilerden üç boyutlu dbükeylik, normalize edilmi karmaklk ve kaplam özelliklerinin tan doruluklarnn (0.70 ila 0.81 arasnda deien) iki boyutlu uyarlamalarna göre daha yüksek performansa sahip olduu saptand. Dokunma yüzey alan orannn, anlam ve doruluu en yüksek olan özellik olduu saptand (tan duyarll %75, belirllii %88, pozitif kestirim %89 ve negative kestirim %74). Elde edilen sonuçlar, normalletirilmi en fazla younluk-zaman oran görüntülerinin doal olarak lezyonlar çevreleyen normal meme dokularn ve kan damarlar tutulumlarn bastrd ve bu nedenle de lezyon saptamada ve kanser belirlemede çok etkin olduklarn göstermitir.

Özet (Çeviri)

In this thesis, algorithms, methods and techniques for dynamic contrast-enhanced magnetic resonance mammography (DCE-MRM) have been investigated to maximize sensitivity, specificity and reproducibility of breast cancer diagnoses. A novel lesion localization method that uses cellular neural networks (CNNs) was developed. The breast region was segmented from pre-contrast images using four specifically designed CNNs. A 3D normalized maximum intensity-time ratio (nMITR) map of the segmented breast was generated using a moving mask of 3×3 voxels on the dynamic images. This map was converted into a binary form and processed with a fuzzy CNN consisting of three layers of 11×11 cells to segment out lesions from the surrounding tissues and to filter-out deceptive enhancements. A set of decision rules based on volume and 3D eccentricity of the suspicious regions were applied to minimize false-positive detections. The system was tested on a dataset consisting of 7020 MR mammograms in 1170 slices from 39 patients with 37 malignant and 39 benign mass lesions and was found to perform well with falsepositive detections of 0.34/lesion, 0.10/slice and 0.67/case at a maximum detection sensitivity of 99%. Enhancement and morphological descriptors of breast lesions derived from 3D nMITR maps were also studied for malignancy detection. The mean, the maximum value, the standard deviation and the entropy were the enhancement features found to have high significance (P< 0.001) and diagnostic accuracy (0.86-0.97). nMITR-entropy had the best performance. Among the morphological descriptors studied, 3D convexity, complexity and extent were found to have higher diagnostic accuracies (ranging between 0.70-0.81) and better performance than their 2D versions. Contact surface area ratio was found to be the most significant and accurate descriptor (75% sensitivity, 88% specificity, 89% PPV and 74% NPV). The results demonstrate that nMITR maps inherently suppress enhancements due to normal parenchyma and blood vessels that surround lesions and have natural tolerance to small field homogeneities and thus are very effective for lesion localization and malignancy detection

Benzer Tezler

  1. Tez No

    823056

    Derin öğrenme ile mammogram görüntülerindeki lezyonların tespiti ve sınıflandırılması

    Detection and classification of lesions in mammogram images with deep learning

    YAVUZ BİÇİCİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SALİM CEYHAN

    DR. ÖĞR. ÜYESİ SÜLEYMAN UZUN

  2. Tez No

    142199

    Meme kitlelerinde MR-spektroskopi'nin tanıya katkısı

    Contribution of MR-spectroscopy in evaluation of breast masses

    IŞIL TOPCU

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2004

    Radyoloji ve Nükleer TıpDokuz Eylül Üniversitesi

    Radyoloji Ana Bilim Dalı

    PROF. DR. PINAR BALCI

  3. Tez No

    865230

    Neoadjuvan kemoterapi alan yeni tanı meme kanseri hastalarında GA68-FAPI PET/BT'NİN katkısı

    The contribution OF GA68-FAPI PET/CT IN newly diagnosed breast cancer patients receiving neoadjuvant chemotherapy

    MELİS OFLAS

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2024

    Radyoloji ve Nükleer Tıpİstanbul Üniversitesi

    Nükleer Tıp Ana Bilim Dalı

    DOÇ. DR. DUYGU HAS ŞİMŞEK

  4. Tez No

    893731

    Meme kitlelerinin ve aksiller lenf nodu durumunun değerlendirilmesinde çeşitli görüntüleme modalitelerinden yararlanan bir derin nöral ağ tasarımı

    Design of a deep neural network utilizing various imaging modalities for the assessment of breast masses and axillary lymph node status

    OZAN CAN TATAR

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2024

    Genel CerrahiKocaeli Üniversitesi

    Genel Cerrahi Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AHMET OKTAY YİRMİBEŞOĞLU

  5. Tez No

    115827

    Dinamik manyetik rezonans görüntüleme ve ultrason kontrast ajanlı power doppler ultrasonografi ile meme lezyonlarında benign ve malign ayrımı

    Başlık çevirisi yok

    FAİK SUNGURLU

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2002

    OnkolojiMarmara Üniversitesi

    Radyodiagnostik Ana Bilim Dalı

    DOÇ.DR. ERKİN ARIBAL

Geri Dön