Computer aided characterization of degenerative disk disease employing digital image texture analysis and pattern recognition algorithms

Introduction: A computer-based classification system is proposed for the characterization of cervical intervertebral disc degeneration from saggital magnetic resonance images. Materials and methods: Cervical intervertebral discs from saggital magnetic resonance images where assessed by an experie...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Μιχοπούλου, Σοφία
Άλλοι συγγραφείς: Παναγιωτάκης, Γεώργιος
Μορφή: Thesis
Γλώσσα:English
Έκδοση: 2007
Θέματα:
Διαθέσιμο Online:http://nemertes.lis.upatras.gr/jspui/handle/10889/645
id nemertes-10889-645
record_format dspace
institution UPatras
collection Nemertes
language English
topic Degenerative disc disease
MRI
Image Analysis
Pattern Recognition
Textural Features
Classifiers
Disc space narrowing
Intervertebral Disc
Computer Aided Diagnosis
616.73
spellingShingle Degenerative disc disease
MRI
Image Analysis
Pattern Recognition
Textural Features
Classifiers
Disc space narrowing
Intervertebral Disc
Computer Aided Diagnosis
616.73
Μιχοπούλου, Σοφία
Computer aided characterization of degenerative disk disease employing digital image texture analysis and pattern recognition algorithms
description Introduction: A computer-based classification system is proposed for the characterization of cervical intervertebral disc degeneration from saggital magnetic resonance images. Materials and methods: Cervical intervertebral discs from saggital magnetic resonance images where assessed by an experienced orthopaedist as normal or degenerated (narrowed) employing Matsumoto’s classification scheme. The digital images where enhanced and the intervertebral discs which comprised the regions of interest were segmented. First and second order statistics textural features extracted from thirty-four discs (16 normal and 16 degenerated) were used in order to design and test the classification system. In addition textural features were calculated employing Laws TEM images. The existence of statistically significant differences between the textural features values that were generated from normal and degenerated discs was verified employing the Student’s paired t-test. A subset with the most discriminating features (p<0.01) was selected and the Exhaustive Search and Leave-One-Out methods were used to find the best features combination and validate the classification accuracy of the system. The proposed system used the Least Squares Minimum Distance Classifier in combination with four textural features with comprised the best features combination in order to classify the discs as normal or degenerated. Results: The overall classification accuracy was 93.8% misdiagnosing 2 discs. In addition the system’s sensitivity in detecting a narrow disc was 93.8% and its specificity was also 93.8%. Conclusion: Further investigation and the use of a larger sample for validation could make the proposed system a trustworthy and useful tool to the physicians for the evaluation of degenerative disc disease in the cervical spine.
author2 Παναγιωτάκης, Γεώργιος
author_facet Παναγιωτάκης, Γεώργιος
Μιχοπούλου, Σοφία
format Thesis
author Μιχοπούλου, Σοφία
author_sort Μιχοπούλου, Σοφία
title Computer aided characterization of degenerative disk disease employing digital image texture analysis and pattern recognition algorithms
title_short Computer aided characterization of degenerative disk disease employing digital image texture analysis and pattern recognition algorithms
title_full Computer aided characterization of degenerative disk disease employing digital image texture analysis and pattern recognition algorithms
title_fullStr Computer aided characterization of degenerative disk disease employing digital image texture analysis and pattern recognition algorithms
title_full_unstemmed Computer aided characterization of degenerative disk disease employing digital image texture analysis and pattern recognition algorithms
title_sort computer aided characterization of degenerative disk disease employing digital image texture analysis and pattern recognition algorithms
publishDate 2007
url http://nemertes.lis.upatras.gr/jspui/handle/10889/645
work_keys_str_mv AT michopoulousophia computeraidedcharacterizationofdegenerativediskdiseaseemployingdigitalimagetextureanalysisandpatternrecognitionalgorithms
_version_ 1771297211187986432
spelling nemertes-10889-6452022-09-05T11:16:20Z Computer aided characterization of degenerative disk disease employing digital image texture analysis and pattern recognition algorithms Μιχοπούλου, Σοφία Παναγιωτάκης, Γεώργιος Παναγιωτάκης, Γεώργιος Michopoulou, Sofia Degenerative disc disease MRI Image Analysis Pattern Recognition Textural Features Classifiers Disc space narrowing Intervertebral Disc Computer Aided Diagnosis 616.73 Introduction: A computer-based classification system is proposed for the characterization of cervical intervertebral disc degeneration from saggital magnetic resonance images. Materials and methods: Cervical intervertebral discs from saggital magnetic resonance images where assessed by an experienced orthopaedist as normal or degenerated (narrowed) employing Matsumoto’s classification scheme. The digital images where enhanced and the intervertebral discs which comprised the regions of interest were segmented. First and second order statistics textural features extracted from thirty-four discs (16 normal and 16 degenerated) were used in order to design and test the classification system. In addition textural features were calculated employing Laws TEM images. The existence of statistically significant differences between the textural features values that were generated from normal and degenerated discs was verified employing the Student’s paired t-test. A subset with the most discriminating features (p<0.01) was selected and the Exhaustive Search and Leave-One-Out methods were used to find the best features combination and validate the classification accuracy of the system. The proposed system used the Least Squares Minimum Distance Classifier in combination with four textural features with comprised the best features combination in order to classify the discs as normal or degenerated. Results: The overall classification accuracy was 93.8% misdiagnosing 2 discs. In addition the system’s sensitivity in detecting a narrow disc was 93.8% and its specificity was also 93.8%. Conclusion: Further investigation and the use of a larger sample for validation could make the proposed system a trustworthy and useful tool to the physicians for the evaluation of degenerative disc disease in the cervical spine. Σκοπός: Η στένωση των μεσοσπονδύλιων δίσκων της αυχενικής μοίρας, ως κύρια έκφραση εκφυλιστικής νόσου, είναι μια από τις σημαντικότερες αιτίες πρόκλησης πόνου στην περιοχή του αυχένα. Στην κλινική πράξη η αξιολόγηση της στένωσης γίνεται μέσω μέτρησης του μεσοσπονδύλιου διαστήματος, σε διάφορες απεικονίσεις της αυχενικής μοίρας του ασθενούς. Στην παρούσα εργασία προτείνεται μια υπολογιστική μέθοδος ανάλυσης εικόνας, για την αυτοματοποιημένη εκτίμηση της στένωσης από εικόνες μαγνητικής τομογραφίας. Υλικό και Μέθοδος: Μελετήθηκαν 34 μεσοσπονδύλιοι δίσκοι από οβελιαίες τομές μαγνητικής τομογραφίας της αυχενικής μοίρας, οι οποίες ελήφθησαν με χρήση Τ2 ακολουθίας. Η στένωση των μεσοσπονδύλιων δίσκων αξιολογήθηκε από έμπειρο ορθοπαιδικό βάσει της κλίμακας Matsumoto. Οι δίσκοι χωρίστηκαν σε δύο κατηγορίες: (α) 16 φυσιολογικοί και (β) 16 δίσκοι που παρουσίαζαν στένωση. Με χρήση διαδραστικού περιβάλλοντος επεξεργασίας εικάνας καθορίστηκε το περίγραμμα των μεσοσπονδύλιων δίσκων οι οποίοι αποτελούν τις προς ανάλυση περιοχές ενδιαφέροντος (Π.Ε.). Σε κάθε Π.Ε. εφαρμόστηκαν αλγόριθμοι εξαγωγής χαρακτηριστικών υφής. Συγκεκριμένα υπολογίστικαν χαρακτηριστικά υφής από στατιστικά πρώτης και δεύτερης τάξης καθώς και χαρακτηριστικά από τα μέτρα ενέργειας υφλης κατλα Laws. Τα παραπάνω χαρακτηριστικά, ποσοτικοποιούν διαγνωστικές πληροφορίες της έντασης του σήματος της Π.Ε. και συσχετίζονται με τη βιοχημική σύσταση των απεικονιζόμενων δομών. Τα εξαχθέντα χαρακτηριστικά υφής αξιοποιήθηκαν για τη σχεδίαση του ταξινομητή ελάχιστης απόστασης ελαχίστων τετραγώνων, ο οποίος χρησιμοποιήθηκε για το διαχωρισμό μεταξύ φυσιολογικών δίσκων και δίσκων που παρουσίαζαν στένωση (εκφυλισμένων). Αποτελέσματα: Η ακρίβεια της ταξινόμησης φυσιολογικών και εκφυλισμένων μεσοσπονδύλιων δίσκων ανήλθε σε 93.8%. Η ευαισθησία καθώς και η ειδικότητα της μεθόδου, σε ότι αφορά την ανίχνευση εκφυλισμένων δίσκων, είναι επίσης 93.8%. Συμπέρασμα: Με δεδομένο το μικρό μέγεθος του δείγματος που χρησιμοποιήθηκε για το σχεδιασμό της μεθόδου, απαιτούνται περετέρω εργασίες πιστοποίησης της ακρίβειας ταξινόμησης, προκειμένου η μέθοδος αυτή να αξιοποιηθεί από ακτινολόγους και ορθοπαιδικους, ως βοηθητικό διαγνωστικό εργαλείο. 2007-11-19T12:24:37Z 2007-11-19T12:24:37Z 2007-07-24 2007-11-19T12:24:37Z Thesis http://nemertes.lis.upatras.gr/jspui/handle/10889/645 en Η ΒΥΠ διαθέτει αντίτυπο της διατριβής σε έντυπη μορφή στο βιβλιοστάσιο διδακτορικών διατριβών που βρίσκεται στο ισόγειο του κτιρίου της. application/pdf application/pdf