Avtomatska prepoznava artefakta zvonjenja pri preiskavah magnetne resonanceKocet, Laura (Avtor) Žibert, Janez (Mentor) Romarić, Katja (Komentor) Mekiš, Nejc (Recenzent) magistrska delaradiološka tehnologijaartefakt zvonjenjakakovost MR-slikmetode globokega učenjapristop z doučevanjemkonvolucijske nevronske mrežeUvod: Prisotnost popačenj oziroma artefaktov na magnetnoresonančnih slikah lahko poslabša kakovost preiskave, prikrije ali prikaže lažno patološko stanje. Artefakt zvonjenja ali Gibbsov artefakt je artefakt, ki nastane zaradi napak pri kodiranju signala. Na magnetnoresonančnih slikah se izraža kot dodatni signal v obliki svetlih ali temnih koncentričnih krožnih črt, ki so vzporedne z robovi na sliki. Globoko učenje je vrsta računalniškega algoritma, ki vhodne metapodatke uporabi za izračun izhodnih podatkov. Uporabi se lahko za zaznavanje določenih struktur na slikovnih podatkih, za delovanje pa uporablja strukturo konvolucijskih nevronskih mrež. Poznamo različne metode globokega učenja, za uporabo algoritma na majhni količini podatkov pa je najbolj uporaben pristop z adaptacijo. Namen: Namen magistrske naloge je izgradnja procesa avtomatske prepoznave artefakta zvonjenja pri slikanju z magnetno resonanco za magnetno resonančni tomograf Philips Achieva 3.0 T TX z dStream sistemom. Za izgradnjo metode prepoznave se uporabi metoda globokega učenja z adaptacijo. Metode dela: V raziskavi smo ustvarili bazo podatkov magnetnoresonančnih slik fantoma za kontrolo kakovosti, zajetih na magnetnoresonančnem tomografu Philips Achieva 3.0 T TX z dStream sistemom, ki se nahaja na Medicinski fakulteti, Univerze v Ljubljani v Centru za klinično fiziologijo. Slike smo zajemali s turbo spin echo pulznim zaporedjem v transverzalni ravnini, pri čemer smo spreminjali določene slikovne parametre. Izbrane rezine sta dve neodvisni ocenjevalki označili v dve kategoriji slik brez prisotnega artefakta zvonjenja in z njim. Na označeni bazi magnetnoresonančnih slik izbranih rezin smo izvedli prepoznavo artefakta zvonjenja z globokim učenjem z doučevanjem. Uporabili smo že obstoječo konvolucijsko nevronsko mrežo VGG16 in ji dodali dve novi plasti, ki smo ju učili z uporabo učne baze slik. Rezultati: Izgrajeni model prepoznave artefakta zvonjenja na magnetnoresonančnih slikah smo preverili na testni bazi rezin magnetnoresonančnih slik in dobili izjemne rezultate. Prepoznava na prvi rezini je bila glede na referenčno vrednost prisotnosti artefakta zvonjenja natančna v 98 %, na drugi rezini v 93 % in na tretji rezini v 98 %. Vrednosti AUC, ki odražajo kakovost izdelanega modela, presegajo vrednost 0,98. Razprava in zaključek: Točnost prepoznave artefakta zvonjenja izdelanega modela je skladna s pregledanimi študijami, saj avtorji opisujejo podobne vrednosti točnosti prepoznave z njihovimi modeli. Vrednosti se ne razlikujejo bistveno glede na to, katere vrste artefakta smo prepoznavali, prav tako se ne razlikujejo glede na uporabljeno vrsto obstoječe konvolucijske nevronske mreže. S spreminjanjem slikovnih parametrov smo sklenili, da na pojavnost Gibbsovega artefakta vplivajo velikost matrike, velikost voksla in število povprečenj. Smer zajemanja signala na pojavnost omenjenega artefakta ne vpliva. Z avtomatsko prepoznavo prisotnosti artefaktov na magnetnoresonančnih slikah se izognemo zamudnemu pregledu posameznih serij slik in olajšamo odstranjevanje in zmanjševanje pojavnosti artefaktov ter s tem posledično izboljšamo kakovost magnetnoresonančnih slik in preiskav.[L. Kocet]20212021-07-15 07:45:25Magistrsko delo/naloga128478sl