Lista przedmiotów z materiałami udostępnionymi dla studentów

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

Marcelina Matuszewska

Analiza właściwości wybranych technik obrazowania stosowanych w diagnozowaniu nowotworów piersi pod kątem doboru metod segmentacji


Analysis of the properties of sekected imaging techniques used in diagnosis of breast cancer in terms of selection of segmentation methods


Opiekun pracy dyplomowej: dr inż. Aleksandra Królak
Praca dyplomowa inżynierska obroniona 2020-01-31
Streszczenie pracy dyplomowej:
Celem niniejszej pracy jest opracowanie algorytmów segmentacji zmian nowotworowych piersi na obrazach zoptymalizowanych dla różnych technik obrazowania medycznego: MRI, CT, PET oraz mammografii, a także porównanie przygotowanych algorytmów i zastosowanych technik przetwarzania. Motywacją do podjęcia wybranego tematu były dane statystyczne Krajowego Rejestru Nowotworów dotyczące nowotworów złośliwych gruczołu piersiowego, które stanowiły ponad jedną piątą wszystkich zachorowań wśród kobiet w 2013 roku. Początkowym etapem był wybór obrazów pochodzących z ogólnodostępnej bazy The Cancer Imaging Archive, ostatecznie do analizy wybrano 39 obrazów. Następnie opracowano algorytm, który został zaimplementowany w środowisku programistycznym PyCharm z wykorzystaniem języka programowania Python. Po wstępnym przetwarzaniu, jako metodę segmentacji wybrano progowanie globalne, po którym zastosowano operacje morfologiczne. W późniejszych etapach wyznaczono kontur obszaru podejrzanego nowotworowo i dobrano parametry go opisujące: pole powierzchni oraz średnią wartość poziomu szarości piksela. W tym celu dokonano manualnej segmentacji w programie ITK-SNAP, która umożliwiła wyznaczenie wcześniej wymienionych parametrów stanowiących podstawę do późniejszej analizy statystycznej. Była ona oparta na obliczeniu dokładności wyznaczania konturu dla poszczególnych technik obrazowania: CT, MRI, mammografia, PET, które wynosiły odpowiednio: 99.8%, 99.2%, 97.2% oraz 97.1%. W przypadku obrazów mammograficznych z pojedynczą zmianą nowotworową zastosowano dodatkowo metodę aktywnego konturu, której dokładność wynosiła: 94.7%. Średnia wartość poziomu szarości piksela wyniosła odpowiednio dla CT: 155, MRI: 147, mammografii: 142 oraz PET: 101. Słowa kluczowe: nowotwór piersi, segmentacja, rezonans magnetyczny, mammografia, tomografia komputerowa.
Abstract:
Streszczenie w języku angielskim „Analysis of the properties of selected imaging techniques used in diagnosis of breast cancer” : The aim of this thesis was to develop algorithms for segmentation of breast cancer in images optimized for various medical imaging techniques: MRI, CT, PET and mammography, as well as a comparison of these algorithms and applied image processing techniques. The motivation to take up the selected topic was the statistical data of the National Cancer Registry regarding malignant breast tumors, which accounted for over a fifth of all cases among women in 2013. The initial stage was the selection of images from public The Cancer Imaging Archive database, 39 images were analyzed. Afterwards, the algorithm was implemented in the PyCharm development environment using the Python programming language. After preprocessing, as the segmentation method was selected global thresholding, subsequently morphological operations (opening) were performed. In later stages, the contour of the cancer suspected area was determined and the parameters were selected: surface area and average pixel value of a gray scale. For this purpose, manual segmentation was performed in the ITK-SNAP program, that enabled the determination of parameters for statistical analysis. It was based on the calculation of the contour accuracy for individual imaging techniques: CT, MRI, mammography, PET was: 99.8%, 99.2%, 97.2% and 97.1%, respectively. In the case of mammographic images with a single breast tumor was used additionally active contour method, where the accuracy is equal to 94.7%. The average pixel value of a gray scale was for CT: 155, MRI: 147, mammography: 142 and PET: 101. Keywords: breast cancer, segmentation, magnetic resonance imaging, mammography, computed tomography.