Lista przedmiotów z materiałami udostępnionymi dla studentów

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

Justyna Sujecka

Detekcja symptomów stwardnienia rozsianego w obrazach rezonansu magnetycznego mózgu


Detection of Sclerosis Multiplex in MR brain images


Opiekun pracy dyplomowej: prof. dr hab. inż. Michał Strzelecki
Dodatkowy opiekun pracy dyplomowej: mgr inż. Karol Kropidłowski

Praca dyplomowa inżynierska obroniona 2018-02-07
Streszczenie pracy dyplomowej:
Celem niniejszej pracy było opracowanie algorytmu pozwalającego na detekcję zmian stwardnienia rozsianego w obrazach rezonansu magnetycznego mózgu. Stwardnienie rozsiane to choroba demielinizacyjna ośrodkowego układu nerwowego. Jej rozpoznanie jest ciężkie, ponieważ obejmuje szerokie spektrum objawów. Diagnoza jest możliwa na podstawie wielu badań klinicznych, gdyż nie istnieje metoda, która niepodważalnie informowałaby o występowaniu choroby. Naukowcy od wielu lat starają się ułatwić radiologom interpretację wyników badań RM, wykorzystując segmentację obrazów. Dotychczasowe odkrycia bazują na metodach obszarowych oraz wykrywających krawędzie. Stosunkowo nowym rozwiązaniem jest stosowanie algorytmów głębokiego uczenia maszynowego. Detekcja zmian stwardnienia rozsianego to pojęcie obejmujące usuwanie kości czaszki, a następnie wykrywanie patologii w tkankach mózgu. Opracowany na potrzeby pracy program oparty jest na progowaniu oraz filtrach morfologicznych. Algorytm skutecznie wykrywa ok. 90% hiperintensywnych ognisk zapalnych na obrazach 2D. Czas wykonania algorytmu dla obrazów 448x512x45 nie przekracza kilkudziesięciu sekund. Jednakże, wyniki segmentacji obrazów będą satysfakcjonujące, gdy wykona się ręczną kalibrację parametrów progowania oraz filtrów morfologicznych. Słowa kluczowe: Detekcja zmian SM, usuwanie kości czaszki, progowanie, filtry morfologiczne, rezonans magnetyczny.
Abstract:
The purpose of this thesis was to make an algorithm, which could detect lesions of sclerosis multiplex in magnetic resonance brain images. Sclerosis multiplex is a demyelinating disease of central nervous system. The diagnosis is difficult, because it involves a wide spectrum of symptoms. In addition to this, the diagnosis is possible only with the use of a lot of clinical trials, because there is no method that would irrecusably inform about occurrence of this disease. For years, scientists have been trying to simplify for radiologists the interpretation of baseline magnetic resonance brain images. Previous discoveries are based on area and edge detection methods. A relatively new solution is the use of Deep Learning algorithms. Detection of sclerosis multiplex lesions involves two main problems. Firstly, is connected with skull-stripping and secondly, with detection of pathologies in brain tissues. The application, developed for this thesis is based on thresholding and morphological filters. The algorithm detects effectively approx. 90 % of hyperintensive inflammatory foci in 2D images. The execution time for image 448x512x45 does not exceed several dozen seconds. However, the results of image segmentation will be satisfactory if a manual calibration of thresholding and morphological filters is performed. Keywords: Detection of MS lesions, skull-stripping, thresholding, morphological filters, magnetic resonance.