Geri Dön

Optimizing the accuracy of tumor segmentation in PET for radiotherapy planning using blind deconvolution method

Radyoterapi planlaması için PET tümör segmentasyon doğruluğunun kör dekonvolüsyon metodu ile optimize edilmesi

  1. Tez No: 546475
  2. Yazar: ALPASLAN KOÇ
  3. Danışmanlar: DOÇ. DR. ALBERT GÜVENİŞ
  4. Tez Türü: Doktora
  5. Konular: Mühendislik Bilimleri, Radyoloji ve Nükleer Tıp, Engineering Sciences, Radiology and Nuclear Medicine
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  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: 93

Özet

Tümör segmentasyon doğruluğu, radyoterapinin etkinliğini büyük ölçüde etkiler. Segmentasyon doğruluğunun artması, sağlıklı dokuları korurken hedef hacime en yüksek radyasyon dozunu sağlamak için önemlidir. Bu tez, PET tümör segmentasyon hatalarını minimize edebilecek bir yöntem sunmayı amaçlamaktadır. Bu nedenle, tümör bölgelerinde, Kontrast-Gürültü oranları ile parametreleri optimize edilen kör dekonvolüsyon metodu kullanılmıştır. 3-boyutlu görüntüler üzerinde dekonvolüsyon öncesinde yeniden örnekleme yapılmıştır. Gerçek tümör hacimleri bilinen, üç veri seti üzerinde (fantom, klinik PET görüntüleri içerisine yerleştirilmiş küçük tümörler ve simüle edilmiş klinik PET görüntüleri), çeşitli otomatik bölütleme algoritmaları test edilmiştir. Kullanılan tümörlerin hacimleri, üç veri seti için sırasıyla 0.49-26.34 cc, 0.64-1.52 cc ve 40.38-203.84 cc arasında değişmektedir. Görüntü işlemede yaygın olarak kullanılan MATLAB, MIPAV ve ITK-SNAP yazılımları kullanılmı¸stır. Ölçülen ortalama hacim hataları, sınıflandırma tekniğine sahip aktif kontur segmentasyon metodu ile fantomun tüm lezyonları için ortalama %95.85'ten %3.37'ye, klinik PET görüntüleri içerisine yerleştirilmiş simüle geometrik lezyonlar için %815.67'den %17.45'e ve büyük lezyonlara sahip klinik PET görüntüleri için %32.61'den %6.80'e düşmüştür. Tümör temelli dekonvolüsyon metodunun kullanımıyla hesaplama süresi ortalama 10 kattan fazla azalmıştır. Kontrast-Gürültü oranı ve tümör dayalı dekonvolüsyon, farklı boyutlardaki homojen ve heterojen tümörler için segmentasyon doğruluğunu geliştirme potansiyeline sahiptir. İyileştirme, küçük tümörler için çok önemlidir. Algoritma, tüm görüntünün dekonvolüsyonuna göre düşük hesaplama süresi sağlamakta ve yaygın olarak kullanılan yazılım araçları ile uygulanabilmektedir.

Özet (Çeviri)

Tumor segmentation accuracy greatly affects the effectiveness of radiotherapy procedures. Maximizing the segmentation accuracy has high medical significance in order to deliver the highest radiation dose to the target volume while protecting the healthy tissues. This dissertation aims to present an optimized method to minimize errors in the automated segmentation of tumors in PET images. Blind deconvolution was implemented in a region of interest encompassing the tumor with an iteration number determined from Contrast-to-Noise Ratios. The images were resampled. Several automatic segmentation algorithms were tested on three datasets: phantom, simulated geometric lesions inserted in real images, and simulated clinical images with real heterogeneous tumors for which ground truth was known. The volumes of the tumors were 0.49-26.34 cc, 0.64-1.52 cc, and 40.38-203.84 cc respectively for the three datasets. The widely available software tools MATLAB, MIPAV, and ITK-SNAP were used. With the use of the active contour with classification technique, the mean errors were reduced from 95.85% to 3.37%, from 815.63% to 17.45%, and from 32.61% to 6.80% for all the lesions of the phantom dataset, the simulated dataset, and the large lesions of the clinical PET dataset respectively. The computational time was reduced by a factor of more than 10 by the use of region of-interest-based deconvolution. Contrast-to-Noise Ratio and Region-of-Interest based deconvolution have the potential to improve delineation accuracy for different sizes of homogeneous and heterogeneous tumors. Improvement is very important for smaller tumors. The algorithm may provide reduced computational time with respect to full deconvolution and can be implemented using widely available software tools.

Benzer Tezler

  1. Kemik iliği biyopsilerinde megakaryositlerin yapay zeka ile segmentasyonu

    Artificial intelligence-based segmentation of megakaryocytes in bone marrow biopsies

    NERMİN ARAS

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2024

    PatolojiAnkara Üniversitesi

    Tıbbi Patoloji Ana Bilim Dalı

    PROF. DR. GÜLŞAH KAYGUSUZ

  2. Automatic semantic segmentation of organs-at-risk and target tumor volume in radiotherapy planning CT images of nasopharyngeal cancer

    Nazofarengeal kanser radyoterapi planlama BT görüntülerinde risk altındaki organların ve hedef tümör hacminin otomatik semantik segmentasyonu

    MURAT YÜCE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    BiyomühendislikAcıbadem Mehmet Ali Aydınlar Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    ÖĞR. GÖR. SEDA NİLGÜN DUMLU

    DOÇ. DR. SİNEM BURCU ERDOĞAN

  3. A roadmap for breast cancer microwave hyperthermia treatment planning and experimental systems

    Meme kanseri mikrodalga hipertermisinde tedavi planlama ve deneysel sistemler için bir yol haritası

    MELTEM DUYGU ŞAFAK

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÜLŞAH YILDIZ ALTINTAŞ

  4. Yapay zeka destekli FDG PET/BT radyomiks modeli ile karaciğere metastatik kolorektal kanserli hastalarda y-90 cam mikroküreler ile yapılan transarteriyel radyoembolizasyon (TARE tedavisine yanıtın öngörülmesi

    Prediction of response to transarterial radioembolization (TARE ) with yttrium-90 glass microspheres using artificial intelligence assisted FDG PET/CT radiomics model in patients with colorectal cancer metastatic to the liver

    TUĞBA NERGİZ KISSA BOLAT

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2024

    Radyoloji ve Nükleer TıpMarmara Üniversitesi

    Nükleer Tıp Ana Bilim Dalı

    PROF. DR. FUAT DEDE

  5. Yüksek süratli teknelerde aynakıçın tekne performansına etkileri

    Başlık çevirisi yok

    KAYA TÜMER

    Yüksek Lisans

    Türkçe

    Türkçe

    1997

    Gemi Mühendisliğiİstanbul Teknik Üniversitesi

    Gemi İnşaatı Ana Bilim Dalı

    DOÇ. DR. MUSTAFA İNSEL