Lista przedmiotów z materiałami udostępnionymi dla studentów

Dla_studentów
  • Increase font size
  • Default font size
  • Decrease font size

Jakub Jurek

Zastowanie uczenia maszyn w wykrywaniu raka prosatyz użyciem multiparametrycznych obrazów rezonansu magnetycznego


Machine Learning Prostate Cancer Diagnosis Using mpMRI


Opiekun pracy dyplomowej: prof. dr hab. inż. Andrzej Materka
Dodatkowy opiekun pracy dyplomowej: prof. Arvid Lundervold

Praca dyplomowa magisterska obroniona 0000-00-00
Streszczenie pracy dyplomowej:
Celem tej dysertacji jest stworzenie systemu komputerowego wspomagania diagnozy (CAD) dla raka prostaty. Do osiągnięcia celu przeanalizowano i użyto wiele technik z dziedziny uczenia maszyn, ze szczególnym naciskiem na uczenie nienadzorowane. Większość istniejących systemów CAD dla raka prostaty bazuje na uczeniu nadzorowanym w procesie podejmowania decyzji o kondycji tkanek. Jednocześnie rodzaj i liczba cech użytych do podjęcia decyzji zmienia się pomiędzy różnymi systemami. W tej pracy system uczenia nienadzorowanego działa z wykorzystaniem zbioru cech użytych w różnych publikacjach. Zbiory danych wykorzystane w tej dysertacji zostały zarejestrowane w trakcie dużego projektu badawczego i potwierdzono w nich obecność raka prostaty. Składają się one ze skanów pochodzących od 6 pacjentów wykonanych tomografem rezonansu magnetycznego o sile 1.5-T i obejmujących techniki akwizycji takie jak obrazowanie T2 zależne, zależne od dyfuzji (DWI) czy dynamiczne ze wzmocnieniem kontrastowym (DCE). Nienadzorowany system wykrywania raka prostaty stworzony w tej pracy składa się z 6 bloków, tj. ekstrakcji cech, selekcji cech, redukcji wymiarowości, klasteryzacji, identyfikacji raka oraz obliczania mapy prawdopodobieństwa. Niektóre z nich są opcjonalne, jak ustalono w czasie pracy nad systemem. Część metod wykorzystanych do stworzenia systemu nie była wcześniej, zgodnie z wiedzą autora, użyta w dziedzinie wykrywania raka prostaty. Niniejsza praca składa się z 7 ponumerowanych rozdziałów. Rozdział 1 jest wstępem do dysertacji i analizowanego zagadnienia. Rozdział drugi stanowi podstawowe wprowadzenie teoretyczne dotyczące prostaty, raka prostaty, tomografii rezonansu magnetycznego, uczenia maszyn i systemów komputerowego wspomagania diagnozy. Rozdział 3 zawiera zwarty przegląd najistotniejszej literatury opublikowanej do tej pory w dziedzinie systemów CAD dla raka prostaty. Opis wykorzystanych zbiorów danych oraz szczegółowe wyjaśnienie użytych metod są zawarte w Rozdziale 4. Rozdział 5 stanowi prezentację najważniejszych wyników otrzymanych podczas wykonywania pracy. Rozdział 6 jest dyskusją wyników i zawiera uwagi na temat możliwych przyszłych zagadnień do podjęcia w ramach analizowanej dziedziny. Rozdział 7 podsumowuje dysertację. Na końcu zaprezentowano literaturę tematu wykorzystaną w pracy.
Abstract:
The aim of this thesis is to build a computer-aided diagnosis (CAD) system for prostate cancer. For this purpose various machine learning techniques have been reviewed and used, with special interest in unsupervised methods. Most of the existing CAD systems for prostate cancer use supervised learning to decide about the condition of the tissue. At the same time, the number and type of features used to make the decision varies. In this work, a collection of features combined from many research papers was fed to an unsupervised system. The datasets used in this thesis were acquired in a large project and were confirmed to be affected by the disease. They consisted of T2W, DWI and DCE MR scans collected from 6 patients by a 1.5-T MR scanner. The unsupervised detection system developed within this work consists of 6 steps, being Feature Extraction, Feature Selection, Dimensionality Reduction, Clustering, Cancer Identification and Calculation of the probability map. Some of those steps are optional as was observed during the project. Some of the methods were to the best of the author’s knowledge used for the first time in the prostate cancer detection field. This work consists of 7 numbered chapters. Chapter 1 is the introduction to the thesis and the problem. Chapter 2 constitutes the basic theoretical background for the reader about the prostate and prostate cancer, MRI, machine learning and computer-aided diagnosis. Chapter 3 contains a brief review of the most relevant papers published to date in the field of prostate CAD systems. The description of datasets used in the work as well as the description of the methods is enclosed in Chapter 4. Chapter 5 presents the most relevant results obtained during the work. Chapter 6 contains a discussion of the results and comments about the future work possible to be performed in the field. The last Chapter 7 concludes the thesis. At the end the list of bibliography is presented.