Ευφυές σύστημα διάγνωσης παθολογικών παραθυρεοειδών αδένων σε εξετάσεις τρισδιάστατης αξονικής τομογραφίας

Εισαγωγή: Η απεικόνιση των παραθυρεοειδών αδένων κρίνεται αναγκαία σε περιπτώσεις βιοχημικά διαγνωσμένου υπερπαραθυρεοειδισμού με σκοπό τον ακριβή εντοπισμό της θέσης τους πριν από το χειρουργείο. Η εντόπισή τους δυσχεραίνεται από το γεγονός ότι είναι πολύ μικροί σε μέγεθος, μπορεί να είναι πολλαπλο...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Βαβάτσικου, Βασιλική
Άλλοι συγγραφείς: Χατζηλυγερούδης, Ιωάννης
Μορφή: Thesis
Γλώσσα:Greek
Έκδοση: 2020
Θέματα:
Διαθέσιμο Online:http://hdl.handle.net/10889/13237
id nemertes-10889-13237
record_format dspace
institution UPatras
collection Nemertes
language Greek
topic Παραθυρεοειδείς αδένες
Ευφυές σύστημα
Αξονική τομογραφία
Απεικόνιση
Parathyroid glands
Expert system
Computed tomography
Imaging
spellingShingle Παραθυρεοειδείς αδένες
Ευφυές σύστημα
Αξονική τομογραφία
Απεικόνιση
Parathyroid glands
Expert system
Computed tomography
Imaging
Βαβάτσικου, Βασιλική
Ευφυές σύστημα διάγνωσης παθολογικών παραθυρεοειδών αδένων σε εξετάσεις τρισδιάστατης αξονικής τομογραφίας
description Εισαγωγή: Η απεικόνιση των παραθυρεοειδών αδένων κρίνεται αναγκαία σε περιπτώσεις βιοχημικά διαγνωσμένου υπερπαραθυρεοειδισμού με σκοπό τον ακριβή εντοπισμό της θέσης τους πριν από το χειρουργείο. Η εντόπισή τους δυσχεραίνεται από το γεγονός ότι είναι πολύ μικροί σε μέγεθος, μπορεί να είναι πολλαπλοί [4-6] και πολλές φορές έχουν παρόμοια πυκνότητα στην εικόνα με τον θυρεοειδή αδένα με τον οποίο βρίσκονται σε άμεση επαφή. Οι απεικονιστικές μέθοδοι που χρησιμοποιούνται στην κλινική πράξη είναι η υπερηχοτομογραφία, το σπινθηρογράφημα, η μαγνητική τομογραφία και η αξονική τομογραφία. Η αξονική τομογραφία χρησιμοποιείται την τελευταία δεκαετία σε συνδυασμό με τις άλλες μεθόδους απεικόνισης ούτως ώστε να εντοπιστούν προεγχειρητικά οι παθολογικοί παραθυρεοειδείς αδένες. Με την χρήση ειδικών πρωτόκολλων όπως είναι το 4DCT και το 2phases CT παίρνουμε εικόνες των παραθυρεοειδών αδένων και στην συνέχεια γίνεται επεξεργασία των εικόνων αυτών, ούτως ώστε να έχουμε την καλύτερη δυνατή ανάδειξη τους. Η Τεχνητή Νοημοσύνη έρχεται για να συνδράμει στην αποτελεσματικότητα του εντοπισμού των παραθυρεοειδών, στην διάγνωση της παθολογίας τους και στον διαχωρισμό τους από τους γύρω ιστούς. Μέχρι τώρα οι μελέτες που έχουν γίνει πάνω σε αυτό το θέμα βασίζονται σε στατιστικά μοντέλα. Σκοπός: H εφαρμογή εργαλείων Τεχνητής Νοημοσύνης σε εικόνες αξονικής τομογραφίας [2phases CT] με σκοπό τη διάκριση των παραθυρεοειδών αδένων από τις γειτονικές ανατομικές δομές. Μέθοδος: 80 ασθενείς με βιοχημική διάγνωση υπερπαραθυρεοειδισμού, υποβλήθηκαν σε αξονική τομογραφία [2phases CT] και συνολικά αναγνωρίστηκαν 106 παθολογικοί παραθυρεοειδείς αδένες. Η διάγνωση έγινε από έμπειρο Ιατρό Ακτινολόγο του Πανεπιστημιακού Νοσοκομείου Ρίου Πατρών. Οι ασθενείς υποβλήθηκαν σε χειρουργική εξαίρεση των παθολογικών παραθυρεοειδών αδένων, οι οποίοι εστάλησαν για ιστολογική επιβεβαίωση. Στις εικόνες της αξονικής τομογραφίας μετρήθηκαν οι πυκνότητες [HU] των παραθυρεοειδών αδένων με τη χρήση ROI πριν την ενδοφλέβια χορήγηση σκιαγραφικής ουσίας. Επιπλέον με την ίδια τεχνική μετρήθηκαν οι πυκνότητες [HU] του θυρεοειδούς αδένα που γειτνιάζει με τους παραθυρεοειδείς αλλά και του στερνοκλειδομαστοειδούς μυός (που βρίσκονται στην ίδια ανατομική περιοχή). Δημιουργήσαμε δύο συστήματα, ένα με τις μετρήσεις των πυκνοτήτων [HU] των ιστών χωρίς το σκιαγραφικό και ένα δεύτερο στο οποίο έχουμε προσθέσει επιπλέον δείκτες (p, th) οι οποίοι έχουν να κάνουν με την διαφορά της πυκνότητας των ιστών. Προστέθηκε επίσης και ο δείκτης (index) ο οποίος έχει να κάνει με το λόγο της διαφοράς πυκνότητας του παραθυρεοειδούς αδένα από αυτή του θυρεοειδούς αδένα πριν τη χορήγηση του σκιαγραφικού, προς την πυκνότητα του θυρεοειδή αδένα πριν τη χορήγηση του σκιαγραφικού. Οι τιμές αυτές εισήχθησαν στο Έμπειρο Σύστημα WEKA και από το δέντρο απόφασης βγήκαν οι κανόνες οι οποίοι χρησιμοποιήθηκαν στο Έμπειρο Σύστημα CLIPS και για τα δύο συστήματα. Τέλος έγινε σύγκριση των αποτελεσμάτων των δύο αυτών Έμπειρων Συστημάτων. Σε αυτό το σημείο πρέπει να τονίσουμε ότι αφού στο συγκεκριμένο ιατρικό πρόβλημα η προσέγγιση είναι καινοτόμα και δεν είναι δυνατή η περιγραφή του εξ αρχής με κανόνες από τον ειδικό, δημιουργήθηκε ένα σύστημα του οποίου ο αρχικός πυρήνας των κανόνων παράχθηκε μέσω μηχανικής μάθησης και όχι από τον ειδικό. Ο ειδικός στην συνέχεια παρεμβαίνει σε επίπεδο επιλογής των παραμέτρων των κανόνων, που θα εισαχθούν στο ευφυές σύστημα. Αποτελέσματα: Το WEKA υπερτερεί του CLIPS στην αναγνώριση των παθολογικών παραθυρεοειδών αδένων. Η σύγκριση των αποτελεσμάτων έδειξε ότι το WEKA υπερτερεί του CLIPS με accuracy 72.6% έναντι 61% για τα δεδομένα του πρώτου συστήματος που αφορούν μετρήσεις πυκνότητας των ιστών και accuracy 73,6% έναντι 63% του CLIPS για τα δεδομένα του δεύτερου συστήματος με τους δείκτες που αφορούν σε διαφορά πυκνότητας των ιστών. Παρατηρείται επίσης ότι με τα δεδομένα του πρώτου το WEKA έδωσε accuracy 100% για τον καρκίνο του παραθυρεοειδούς (ca). Πρόβλημα αποτελεί η σπανιότητα των περιστατικών ca παραθυρεοειδούς . Συμπεράσματα: Τα αποτελέσματα μας δείχνουν ότι το έμπειρο σύστημα WEKA με την χρήση δεικτών διαφοράς πυκνότητας ιστών, είναι προτιμώμενο έναντι του έμπειρου συστήματος CLIPS και μπορεί να χρησιμοποιηθεί για την ανάδειξη παθολογίας από τους παραθυρεοειδείς αδένες σε εικόνες αξονικής τομογραφίας . 
author2 Χατζηλυγερούδης, Ιωάννης
author_facet Χατζηλυγερούδης, Ιωάννης
Βαβάτσικου, Βασιλική
format Thesis
author Βαβάτσικου, Βασιλική
author_sort Βαβάτσικου, Βασιλική
title Ευφυές σύστημα διάγνωσης παθολογικών παραθυρεοειδών αδένων σε εξετάσεις τρισδιάστατης αξονικής τομογραφίας
title_short Ευφυές σύστημα διάγνωσης παθολογικών παραθυρεοειδών αδένων σε εξετάσεις τρισδιάστατης αξονικής τομογραφίας
title_full Ευφυές σύστημα διάγνωσης παθολογικών παραθυρεοειδών αδένων σε εξετάσεις τρισδιάστατης αξονικής τομογραφίας
title_fullStr Ευφυές σύστημα διάγνωσης παθολογικών παραθυρεοειδών αδένων σε εξετάσεις τρισδιάστατης αξονικής τομογραφίας
title_full_unstemmed Ευφυές σύστημα διάγνωσης παθολογικών παραθυρεοειδών αδένων σε εξετάσεις τρισδιάστατης αξονικής τομογραφίας
title_sort ευφυές σύστημα διάγνωσης παθολογικών παραθυρεοειδών αδένων σε εξετάσεις τρισδιάστατης αξονικής τομογραφίας
publishDate 2020
url http://hdl.handle.net/10889/13237
work_keys_str_mv AT babatsikoubasilikē euphyessystēmadiagnōsēspathologikōnparathyreoeidōnadenōnseexetaseistrisdiastatēsaxonikēstomographias
AT babatsikoubasilikē expertsystemfordiagnosisofpathologicalparathyroidglandsin3dcomputedtomographyexams
_version_ 1771297355867357184
spelling nemertes-10889-132372022-09-05T20:39:45Z Ευφυές σύστημα διάγνωσης παθολογικών παραθυρεοειδών αδένων σε εξετάσεις τρισδιάστατης αξονικής τομογραφίας Expert system for diagnosis of pathological parathyroid glands in 3D computed tomography exams Βαβάτσικου, Βασιλική Χατζηλυγερούδης, Ιωάννης Χατζηλυγερούδης, Ιωάννης Καλογεροπούλου, Χριστίνα Κουτσογιάννης, Κωνσταντίνος Vavatsikou, Vasiliki Παραθυρεοειδείς αδένες Ευφυές σύστημα Αξονική τομογραφία Απεικόνιση Parathyroid glands Expert system Computed tomography Imaging Εισαγωγή: Η απεικόνιση των παραθυρεοειδών αδένων κρίνεται αναγκαία σε περιπτώσεις βιοχημικά διαγνωσμένου υπερπαραθυρεοειδισμού με σκοπό τον ακριβή εντοπισμό της θέσης τους πριν από το χειρουργείο. Η εντόπισή τους δυσχεραίνεται από το γεγονός ότι είναι πολύ μικροί σε μέγεθος, μπορεί να είναι πολλαπλοί [4-6] και πολλές φορές έχουν παρόμοια πυκνότητα στην εικόνα με τον θυρεοειδή αδένα με τον οποίο βρίσκονται σε άμεση επαφή. Οι απεικονιστικές μέθοδοι που χρησιμοποιούνται στην κλινική πράξη είναι η υπερηχοτομογραφία, το σπινθηρογράφημα, η μαγνητική τομογραφία και η αξονική τομογραφία. Η αξονική τομογραφία χρησιμοποιείται την τελευταία δεκαετία σε συνδυασμό με τις άλλες μεθόδους απεικόνισης ούτως ώστε να εντοπιστούν προεγχειρητικά οι παθολογικοί παραθυρεοειδείς αδένες. Με την χρήση ειδικών πρωτόκολλων όπως είναι το 4DCT και το 2phases CT παίρνουμε εικόνες των παραθυρεοειδών αδένων και στην συνέχεια γίνεται επεξεργασία των εικόνων αυτών, ούτως ώστε να έχουμε την καλύτερη δυνατή ανάδειξη τους. Η Τεχνητή Νοημοσύνη έρχεται για να συνδράμει στην αποτελεσματικότητα του εντοπισμού των παραθυρεοειδών, στην διάγνωση της παθολογίας τους και στον διαχωρισμό τους από τους γύρω ιστούς. Μέχρι τώρα οι μελέτες που έχουν γίνει πάνω σε αυτό το θέμα βασίζονται σε στατιστικά μοντέλα. Σκοπός: H εφαρμογή εργαλείων Τεχνητής Νοημοσύνης σε εικόνες αξονικής τομογραφίας [2phases CT] με σκοπό τη διάκριση των παραθυρεοειδών αδένων από τις γειτονικές ανατομικές δομές. Μέθοδος: 80 ασθενείς με βιοχημική διάγνωση υπερπαραθυρεοειδισμού, υποβλήθηκαν σε αξονική τομογραφία [2phases CT] και συνολικά αναγνωρίστηκαν 106 παθολογικοί παραθυρεοειδείς αδένες. Η διάγνωση έγινε από έμπειρο Ιατρό Ακτινολόγο του Πανεπιστημιακού Νοσοκομείου Ρίου Πατρών. Οι ασθενείς υποβλήθηκαν σε χειρουργική εξαίρεση των παθολογικών παραθυρεοειδών αδένων, οι οποίοι εστάλησαν για ιστολογική επιβεβαίωση. Στις εικόνες της αξονικής τομογραφίας μετρήθηκαν οι πυκνότητες [HU] των παραθυρεοειδών αδένων με τη χρήση ROI πριν την ενδοφλέβια χορήγηση σκιαγραφικής ουσίας. Επιπλέον με την ίδια τεχνική μετρήθηκαν οι πυκνότητες [HU] του θυρεοειδούς αδένα που γειτνιάζει με τους παραθυρεοειδείς αλλά και του στερνοκλειδομαστοειδούς μυός (που βρίσκονται στην ίδια ανατομική περιοχή). Δημιουργήσαμε δύο συστήματα, ένα με τις μετρήσεις των πυκνοτήτων [HU] των ιστών χωρίς το σκιαγραφικό και ένα δεύτερο στο οποίο έχουμε προσθέσει επιπλέον δείκτες (p, th) οι οποίοι έχουν να κάνουν με την διαφορά της πυκνότητας των ιστών. Προστέθηκε επίσης και ο δείκτης (index) ο οποίος έχει να κάνει με το λόγο της διαφοράς πυκνότητας του παραθυρεοειδούς αδένα από αυτή του θυρεοειδούς αδένα πριν τη χορήγηση του σκιαγραφικού, προς την πυκνότητα του θυρεοειδή αδένα πριν τη χορήγηση του σκιαγραφικού. Οι τιμές αυτές εισήχθησαν στο Έμπειρο Σύστημα WEKA και από το δέντρο απόφασης βγήκαν οι κανόνες οι οποίοι χρησιμοποιήθηκαν στο Έμπειρο Σύστημα CLIPS και για τα δύο συστήματα. Τέλος έγινε σύγκριση των αποτελεσμάτων των δύο αυτών Έμπειρων Συστημάτων. Σε αυτό το σημείο πρέπει να τονίσουμε ότι αφού στο συγκεκριμένο ιατρικό πρόβλημα η προσέγγιση είναι καινοτόμα και δεν είναι δυνατή η περιγραφή του εξ αρχής με κανόνες από τον ειδικό, δημιουργήθηκε ένα σύστημα του οποίου ο αρχικός πυρήνας των κανόνων παράχθηκε μέσω μηχανικής μάθησης και όχι από τον ειδικό. Ο ειδικός στην συνέχεια παρεμβαίνει σε επίπεδο επιλογής των παραμέτρων των κανόνων, που θα εισαχθούν στο ευφυές σύστημα. Αποτελέσματα: Το WEKA υπερτερεί του CLIPS στην αναγνώριση των παθολογικών παραθυρεοειδών αδένων. Η σύγκριση των αποτελεσμάτων έδειξε ότι το WEKA υπερτερεί του CLIPS με accuracy 72.6% έναντι 61% για τα δεδομένα του πρώτου συστήματος που αφορούν μετρήσεις πυκνότητας των ιστών και accuracy 73,6% έναντι 63% του CLIPS για τα δεδομένα του δεύτερου συστήματος με τους δείκτες που αφορούν σε διαφορά πυκνότητας των ιστών. Παρατηρείται επίσης ότι με τα δεδομένα του πρώτου το WEKA έδωσε accuracy 100% για τον καρκίνο του παραθυρεοειδούς (ca). Πρόβλημα αποτελεί η σπανιότητα των περιστατικών ca παραθυρεοειδούς . Συμπεράσματα: Τα αποτελέσματα μας δείχνουν ότι το έμπειρο σύστημα WEKA με την χρήση δεικτών διαφοράς πυκνότητας ιστών, είναι προτιμώμενο έναντι του έμπειρου συστήματος CLIPS και μπορεί να χρησιμοποιηθεί για την ανάδειξη παθολογίας από τους παραθυρεοειδείς αδένες σε εικόνες αξονικής τομογραφίας .  - 2020-02-29T19:15:05Z 2020-02-29T19:15:05Z 2019-12-17 Thesis http://hdl.handle.net/10889/13237 gr 0 application/pdf