AVTOMATSKA ZAZNAVA SPREMEMB BELE MOŽGANOVINE V MAGNETNO RESONANČNIH SLIKAHLESJAK, ŽIGA (Avtor) Vrtovec, Tomaž (Mentor) Možganske bolezni so eden od vodilnih vzrokov telesne in duševne invalidnosti v sodobni družbi in imajo zelo velik socialnoekonomski učinek. Pri teh boleznih se patologija pogosto odraža v obliki lezij bele možganovine (LBM), ki imajo velik diagnostični in prognostišni pomen. Za kvantifikacijo prostornine in števila LBM, ki predstavljata pomemben biomarker za spremljanje in napovedovanje poteka pri mnogih možganskih boleznih kot na primer MS, so bili razviti številni avtomatski postopki. Objektivna in temeljita validacija teh postopkov je na kliničnih MR slikah zelo težavna, saj potrebujemo referenčne obrise LBM. Referenčni obrisi morajo biti čim bolj natančni in zanesljivi, pridobimo pa jih lahko le z ročnim obrisovanjem. S tem namenom smo razvili protokol za izdelavo referenčnih obrisov z medsebojnim konsenzom večih obrisovalcev in pokazali, da so na ta način pridobljeni obrisi natančnejši in zanesljivejši kot obrisi posameznih izkušenih obrisovalcev. Z omenjenim protokolom smo ustvarili referen čne obrise LBM za zbirko MR slik 30 MS bolnikov, ki je bila zajeta na 3T MR napravi in je vsebovala T1- in T2-utežene ter FLAIR slike. Omenjeni protokol smo uporabili tudi za izgradnjo referenčnih obrisov sprememb LBM longitudinalne MR zbirke 20 MS bolnikov, zajete na 1,5T Philips MR napravi. Longitudinalna zbirka je poleg referenčnih obrisov sprememb vsebovala za posameznega bolnika vsaj dve MR preiskavi, vsaka od preiskav pa T1- in T2-utežene ter FLAIR slike. S pomočjo longitudinalne zbirke slik s konsenznimi referenčnimi obrisi smo primerjali in validirali uveljavljene in najnovejše postopke za zaznavo sprememb LBM iz longitudinalnih MR slik glave, ki temeljijo na primerjavi sivinskih vrednosti. Za validacijo smo poleg standardnih metrik, ki se pojavljajo v znanstveni literaturi, uporabili na novo razvito metriko Regijskega Dice-ovega koeficienta, ki nam je omogočala primerjavo zmožnosti zaznave sprememb v odvisnosti od njihove velikosti. Rezultati validacije so precej odstopali od izvirnih rezultatov drugih avtorjev in kažejo na visoko odvisnost med zmožnostjo zaznave sprememb in uporabljeno validacijsko zbirko slik ter natančnostjo referenčnih obrisov. Z namenom olajšanja validacije uveljavljenih in novo razvitih postopkov, smo omenjeni zbirki s konsenznimi referenčnimi obrisi tudi javno objavili. Postopki strojnega učenja omogočajo primerjavo in določitev optimalnih značilnic za zaznavo sprememb LBM ter s tem tudi identifikacijo slikovne informacije, ki ključno vpliva na zmožnost zaznave sprememb. Z uporabo razvrščevalnika z naključnimi gozdovi smo ovrednotili in primerjali pomembnost značilnic za zaznavo LBM, določili nabor optimalnih značilnic, zanesljivost ocene pomembnosti značilnic in občutljivost na izbrani postopek razvrščanja. Izbor značilnic določa za zaznavo sprememb pomembne MR sekvence in njihove nastavitve, zato lahko na ta način optimiziramo tudi postopek zajema MR slik in po potrebi iz protokola zajema odstranimo nepotrebne MR sekvence. To lahko posledično skrajša ˇcas zajema MR preiskave ter tako zniža stroške preiskave in obremenitve tako bolnikov kot tudi medicinskega osebja. S predlagano metodologije izbire optimalnih značilnic lahko načrtamo postopke zaznave sprememb z višjo občutljivostjo in specifičnostjo, kar v klinični praksi omogoča natančnejše spremljanje in boljše razumevanje poteka bolezni, predvsem pa hitrejše ukrepanje v primerih, ko kopičenje sprememb kaže na neučinkovitost trenutne terapije.20172017-03-24 10:05:01Doktorsko delo/naloga91174sl