Institutional Repository [SANDBOX]
Technical University of Crete
EN  |  EL

Search

Browse

My Space

Computer-aided detection of lesions for endoscopic capsule videos

Polydorou Alexios

Full record


URI: http://purl.tuc.gr/dl/dias/598E3241-D3A8-47BE-870F-8AEB04495B49
Year 2018
Type of Item Diploma Work
License
Details
Bibliographic Citation Alexios Polydorou, "Computer-aided detection of lesions for endoscopic capsule videos", Diploma Work, School of Electrical and Computer Engineering, Technical University of Crete, Chania, Greece, 2018 https://doi.org/10.26233/heallink.tuc.77155
Appears in Collections

Summary

Σήμερα, η ενδοσκόπιση του λεπτού εντέρου με τη χρήση ενδοσκοπικής κάψουλας, αποτελεί το πιο αξιόπιστο μέσον στη διάγνωση ασθενών που πάσχουν από αιμορρα- γία λεπτού εντέρου (Small bowel bleeding -SBB). Ο ασθενής καταπίνει την ειδικά σχε- διασμένη ηλεκτρονική κάψουλα, η οποία κινείται μέσω της γαστρεντερικής οδού φω- τογραφίζοντας το περιβάλλον της. Ο χρόνος που χρειάζεται η κάψουλα για να διανύ- σει το λεπτό έντερο κυμαίνεται, από μια έως πέντε ώρες, ανάλογα τον ασθενή. Οι φωτογραφίες μεταφέρονται με τη βοήθεια λογισμικού και υπό μορφή βίντεο σε Η/Υ για την ανάγνωσή τους από τον ειδικευμένο ιατρό, προς αρωγή της διάγνωσης. Η μείωση του χρόνου ανάγνωσης του βίντεο κατά τη διαγνωστική φάση επιτυγχάνεται αυτόματα με την χρήση αλγορίθμων που βασίζονται κυρίως στην απαλοιφή όμοιων εικόνων, καθώς και εικόνων που απεικονίζουν με σιγουριά υγιείς ιστούς.Η παρούσα εργασία ασχολείται με τα προβλήματα που σχετίζονται με την ανίχνευση αιμορραγιών στο λεπτό έντερο. Υπολογίζεται πειραματικά ένα χρωματολόγιο αναφο- ράς αιμορραγιών, με χρήση των τριών βασικών χρωματικών μοντέλων (RGB, HSV και YCbCr) από δεδομένα διαγνωσμένων πραγματικών περιστατικών, με στόχο την ανά- πτυξη μεθόδου αυτόματης διάγνωσης αιμορραγίας από ενδοσκοπική κάψουλα. Για τον εντοπισμό των ύποπτων εικόνων και των ζωνών αιμορραγιών πάνω σε αυτές, για τα τρία χρωματικά μοντέλα, το λογισμικό που σχεδιάσαμε διενεργεί αυτόματη απαλοιφή όμοιων διαδοχικών εικόνων του βίντεο.Τα δεδομένα που χρησιμοποιούνται προέρχονται από 4.200 εικόνες που εξήχθησαν από 138 βίντεο, εκ των οποίων: 3.200 (από 99 βίντεο) για την ανάπτυξη και επικύρωση της μεθόδου και 1.000 (από 39 βίντεο) για την επαλήθευση της μεθόδου. Οι εικόνες προέρχονται από ενδοσκοπική κάψουλα PillcamTM SB, από διαφορετικούς τυ- χαίους ασθενείς1 οι οποίοι παρουσιάζουν διαπιστωμένη αιμορραγία, ερύθημα και αιμαγγειώματα στην περιοχή του λεπτού εντέρου. Το υλικό προέρχεται από τις πανεπιστημιακές Κλινικές Αθήνας και Θεσσαλονίκης και είναι αξιολογημένο από έμπει- ρους διαγνώστες ιατρούς. Η επαλήθευση των προτεινόμενων αλγορίθμων έγινε σε συνεργασία με έμπειρο ιατρό του πανεπιστημιακού Αρεταίειου Γ. Ν., που τους εφάρ- μοσε σε σύνολο 1.000 τυχαία επιλεγμένων εικόνων από 39 νοσηλευόμενους ασθενείς (εικόνες με ή χωρίς προβλήματα υγείας).Ο προτεινόμενος αλγόριθμος εντοπισμού αιμορραγιών βασίζεται στην εφαρμογή πολλαπλών μασκών με κατώφλια που προκύπτουν από το πειραματικό χρωματολόγιο αιμορραγιών. Οι έγχρωμες εικόνες του βίντεο αναλύονται η κάθε μια χωριστά, στις τρεις συνιστώσες του επιλεγμένου χρωματικού μοντέλου και στη συνέχεια, στην κάθε συνιστώσα, εφαρμόζονται μορφολογικοί τελεστές ελαχίστου και διάμεσης τιμής. Κατόπιν, εφαρμόζονται οι μάσκες εύρους κατωφλίων του πειραματικού χρωμα- τολογίου. Τέλος, για την αφαίρεση των εσφαλμένων ζωνών αιμορραγίας εφαρμόζε- ται μορφολογικός τελεστής ανοίγματος περιοχής με δομικό στοιχείο που υπολογίστηκε από πειραματικές μετρήσεις.Ο προτεινόμενος αλγόριθμος απαλοιφής όμοιων εικόνων βασίζεται στην στατιστική μέτρηση SSE του ιστογράμματος της κάθε εικόνας σε αποχρώσεις του γκρίζου και στην σύγκρισή του με την τιμή του για την προηγούμενη εικόνα του βίντεο.Πάντοτε σε συνεργασία με έμπειρο ιατρικό προσωπικό, οι προτεινόμενοι αλγόριθμοι επαληθεύτηκαν και μετρήθηκαν και στα τρία χρωματικά μοντέλα. Έγινε αξιολόγηση με το πλέον αξιόπιστο και χρησιμοποιούμενο λογισμικό στις ελληνικές πανεπιστημιακές κλινικές σήμερα: SBITM (Suspected Blood Indicator, λογισμικό ανίχνευσης ύποπτων περιοχών αίματος) καθώς και με το πρόγραμμα αυτόματης ανάγνωσης εικόνων ενδοσκοπικώς κάψουλας: QuickviewTM. Τα δύο αυτά αποτελούν ενότητες του πλή- ρους λογισμικού ανάγνωσης: RAPIDTM Reader (λογισμικό ανάκτησης, ανάγνωσης και επεξεργασίας βίντεο από ενδοσκοπική κάψουλα PillcamTM SB) που παρέχει η κατα- σκευάστρια εταιρεία της συγκεκριμένης κάψουλας.Την καλύτερη τιμή ευαισθησίας επιτυχούς εντοπισμού αιμορραγικής εικόνας από βίντεο, για την προτεινόμενη μέθοδο, δίνει ο αλγόριθμος στο χρωματικό μοντέλο YCbCr, που χρησιμοποιεί φίλτρο median και δίνει Sensitivity 99,4% ενώ στο HSV δίνει: Sensitivity 98,0%, Specificity 94,2% και Αccuracy 96,1%, καλύτερες κατά 1,55% και 0,15% αντίστοιχα, από την καλύτερη ευαισθησία δημοσιευμένης μεθόδου μέχρι σή- μερα. Την χαμηλότερη τιμή μη εντοπισμού αιμορραγικής ζώνης αίματος σε παθολο- γική εικόνα από βίντεο, για την προτεινόμενη μέθοδο, δίνει ο αλγόριθμος στο χρω- ματικό μοντέλο HSV με FNR 0,0%, FPR 20,0%, και Precision 83,3%. Η FNR στο HSV, είναι σχετικά καλύτερη κατά 2,1% από την χαμηλότερη δημοσιευμένη μέθοδο μέχρι τώρα. Ο χρόνος μείωσης αυτόματης ανάγνωσης του βίντεο είναι τη

Available Files

Services

Statistics