magistrsko delo
Martin Stropnik (Avtor), Miha Fošnarič (Recenzent), Janez Žibert (Mentor)

Povzetek

Uvod: Segmentacija magnetno-resonančnih slik v današnjem času predstavlja pomembno področje procesiranja medicinskih slik. Pri segmentacijah gre za proces, s katerim skozi avtomatski ali pol avtomatski proces pridobimo prikazan samo del področja interesa. V uporabi je veliko različnih metod za segmentacijo slik, s katerimi ločujemo tkiva in človeške organe. Metode, ki se uporabljajo za segmentacijo magnetno-resonančih slik lahko razdelimo v različne skupine, in sicer: ročna segmentacija, metode, ki temeljijo na intenzivnosti, atlasu, površini ter hibridne segmentacijske metode. V današnjem času obstaja že veliko programov, ki na različne načine omogočajo izvedbo avtomatskih segmentacij. Namen: Namen naloge je bil spoznati in primerjati programa za avtomatsko segmentacijo slik, imenovana SPM in volBrain, ter izvesti avtomatske segmentacije magnetno resonančnih slik glave na različnih pulznih zaporedjih. Segmentacije so bile izvedene na področju sive možganovine, bele možganovine in cerebrospinalne tekočine. Metode dela: Izvedli smo segmentacije magnetno-resonančnih slik glave s podatkovne baze Kirby21 z uporabo programov SPM in volBrain. Po opravljenih segmentacijah smo v okviru programa SPM izvedli evalvacijo uspešnosti napravljenih segmentacij na podlagi izračuna Dice koeficienta in Jaccard indeksa. Nato smo izvedli še volumetrično primerjavo volumnov segmentiranih struktur znotraj posameznega programa ter med programoma. Analizo ujemanja volumetričnih meritev smo preverili z Wilcoxonovim testom predznaka. Rezultati: Ugotovili smo, da je ujemanje v izvedenih segmentacijah najvišje med T1 pulznima zaporedjema, opravljenima v različnem časovnem oknu (Dice = 0,91), nekoliko slabše med T1 in T2 (Dice = 0,85) in najslabše med T1 in FLAIR (Dice = 0,55). V smislu ujemanja v volumetričnih meritvah segmentiranih struktur znotraj programa SPM nismo opazili statistično značilnih razlik (p > 0,05), prav tako statistično značilnih razlik ni bilo zaznati znotraj programa volBrain (p > 0,05). Ko smo primerjali volumetrične meritve segmentiranih struktur na T1 pulznem zaporedju med programoma pa smo ugotovili obstoj statistično značilnih razlik za področji bele možganovine (p < 0,001) in cerebrospinalne tekočine (p < 0,001), medtem ko razlik ni bilo zaznati v volumnih sive možganovine (p = 0,098). Razprava in zaključek: SPM in volBrain predstavljata programa za avtomatsko segmentacijo slik, ki se med seboj konkretno razlikujeta v načinu delovanja, kljub temu pa sta znotraj posameznega programa oba zanesljiva v smislu ponovljivosti, saj smo ugotovili dobra ujemanja med segmentacijami T1 pulznih zaporedij pri istem pacientu, ki so bila zajeta v različnem časovnem oknu. Ujemanje v volumetričnih meritvah med programoma je bilo dobro na področju sive možganovine, medtem ko tega ne moremo trditi za preostala področja. V bodoče se priporoča primerjava rezultatov avtomatskih segmentacij z ročnimi segmentacijami. Programi za avtomatsko segmentacijo slik bodo v prihodnje imeli pomembno vlogo pri odkrivanju patoloških stanj in lezij.

Ključne besede

magistrska dela;radiološka tehnologija;segmentacija;SPM;volBrain;magnetno-resonančna tomografija;avtomatska izvedba segmentacij;

Podatki

Jezik: Slovenski jezik
Leto izida:
Tipologija: 2.09 - Magistrsko delo
Organizacija: UL ZF - Zdravstvena fakulteta
Založnik: [M. Strpnik]
UDK: 616-07
COBISS: 157774083 Povezava se bo odprla v novem oknu
Št. ogledov: 6
Št. prenosov: 2
Ocena: 0 (0 glasov)
Metapodatki: JSON JSON-RDF JSON-LD TURTLE N-TRIPLES XML RDFA MICRODATA DC-XML DC-RDF RDF

Ostali podatki

Sekundarni jezik: Angleški jezik
Sekundarni naslov: Volumetric comparison of segmentation procedures of brain magnetic resonance images between SPM and volBrain
Sekundarni povzetek: Introduction: Segmentation of magnetic resonance imaging is an important area of medical imaging today. Segmentation is a process in which we acquire only the regions of interest through an automatic or semi-automatic process. There are many different methods for image segmentation that we use to separate tissues and human organs. The methods used for segmentation of magnetic resonance images can be divided into several groups: manual segmentation, intensity-based methods, atlas, surface, and hybrid segmentation methods. Nowadays, there are already many programs that allow automatic segmentation in different ways. Purpose: The aim of this work was to learn about and compare the automatic image segmentation programs SPM and volBrain and to perform automatic segmentation of MRI brain images using different pulse sequences. Segmentation was performed for gray matter, white matter, and cerebrospinal fluid. Methods: We performed segmentation of MRI brain images from the Kirby21 database using SPM and volBrain. After segmentation with SPM, we performed an evaluation of the segmentations with the calculation of the Dice coefficient and the Jaccard index. We then performed a volumetric comparison of the volumes of the segmented structures within and between each program. We checked the volumetric agreement analysis with the Wilcoxon signed test. Results: We found that the agreement of performed segmentations was highest between T1 pulse sequences performed in different time windows (Dice = 0.91), slightly worse between T1 and T2 (Dice = 0.85), and worst between T1 and FLAIR (Dice = 0.55). No statistically significant differences were found between volumetric measurements of segmented structures within SPM (p > 0.05) and the same within volBrain (p > 0.05). When comparing the volumetric measurements of segmented structures on the T1 pulse sequence between SPM and volBrain, we found statistically significant differences for white matter (p < 0.001) and CSF (p < 0.001), while no differences were found for gray matter volumes (p = 0.098). Discussion and conclusion: SPM and volBrain are automatic image segmentation programs that differ in operation but are both reliable in terms of repeatability, as we found good agreements between segmentations of T1 pulse sequences acquired at different times. Agreement in volume measurements between the two programs was good for gray matter, whereas this cannot be said for white matter and CSF. In the future, it is recommended to compare the results of automatic segmentation with those of manual segmentation. Automatic image segmentation programs will play an important role in the detection of pathological conditions and lesions.
Sekundarne ključne besede: master's theses;radiologic technology;segmentation;SPM;volBrain;magnetic-resonance imaging;automatic segmentation process;
Vrsta dela (COBISS): Magistrsko delo/naloga
Študijski program: 0
Konec prepovedi (OpenAIRE): 1970-01-01
Komentar na gradivo: Univ. v Ljubljani, Zdravstvena fak., Oddelek za radiološko tehnologijo
Strani: 67 str.
ID: 19435750