TEXTÚRA ANALÍZIS VIZSGÁLATOK LEHETŐSÉGEI A RADIOLÓGIÁBAN

Átírás

1 TEXTÚRA ANALÍZIS VIZSGÁLATOK LEHETŐSÉGEI A RADIOLÓGIÁBAN Monika Béres 1,3 *, Attila Forgács 2,3, Ervin Berényi 1, László Balkay 3 1 DEBRECENI EGYETEM, ÁOK Orvosi Képalkotó Intézet, Radiológia Nem Önálló Tanszék 2 Scanomed Kft. Debrecen 3 DEBRECENI EGYETEM, ÁOK Orvosi Képalkotó Intézet Nukleáris Medicina Nem Önálló Tanszék * A doktori képzés alatt történő kutatások a Richter Gedeon Talentum Alapítvány támogatásának köszönhetőek..

2 Szöveti textúra jellemzése Textúra paraméterek meghatározásának fontossága: I -textúra kvantitatív -kvalitatív leírása - összehasonlíthatóság -szövettani elemzések megerősítése -egészséges és patológiás szövet elkülönítése - diagnózis felállításának elősegítése - terápiás tervezés megítélése nagyobb mértékű heterogenitás = rosszabb prognózis!!! [Rodriguez M. 1998, 1999, Kim Y. 2013]

3 Heterogenitást meghatározó technikák: globális változók -hisztogram alapú paraméterek (min, max, mean, std, variance, skewness, kurtosis, std/mean) lokális változók - co-occurrence matrix alapú (contrast, correlation, energy, homogeneity, entropy) II regionális változók - intensity size-zone matrix - voxel alignment matrix alapú convolution based area representation Gabor & Wavelet filters geometric features -box-count fractal dimension, surface area, volume, surface to volume ratio

4 Célunk: számolási lehetőségekben és az alkalmazott szoftverekben rejlő különbségek feltárása [Matlab, MaZda, CGITA, Interview Fusion] heterogenitási paraméterek megbízhatóságának vizsgálata Co-occurence matrix méret jósága 2D - 3D számolási különbségek ROI méret HI függősség meghatározása LBP számolási lehetőségek

5 A heterogenitási indexek (HI) lokális és globális változók számolási lehetőségeit vizsgáltuk 4 szoftverben, szintetikus képeken MaZda, Matlab, CGITA, Interview Fusion I manuális számítások Contrast, Correaltion, Dissimilarity, Energy, Entropy, Homogeneity, Inverse Difference Moment Minimum, Maximum, Mean, Standard Deviation, Variance, Skewness, Kurtosis, SD/Mean

6 lokális co-occurrence matrix alapú számolások grayscale átskálázás az eredeti értéket max: 8, 16, 64, értékre vizsgálati irány definiálás (csak x[0 1]; csak y[ 1 0]; x,y síkban; Matlab: 0, 45, 90,135, ) azonos pixel-szomszédságok leszámlálása 2D vs 3D??? II

7 2D -3D HI számolások PET képek (tüdő tumor) és MRI képek 2D számolások- szeletről szeletre - átlag számolás 3D számolás 13 irány, Matlab - cooc3d ROI, VOI mérettől való függőség PET képek fantom mérések lokális, globális és regionális paraméterek számolása HI értékek ábrázolása a ROI méret függvényében III

8 LBP local binary pattern agyi metastasis számolások Pixelszomszédság, pixeltávolság meghatározása Összegzési irány megadása IV

9 A 4 szoftver összehasonlítása A2 Matlab [01] Matlab [10] Mazda [ 01] Mazda [10] IWFUSION CGITA Mean Min Max Variance Skewness _ 0 Kurtosis globális lokális A2 Matlab [01] Matlab [10] Mazda [01] Mazda [10] IWFUSION CGITA Manual [01] Manual [10] Contrast , Correlation Energy Homogenity Dissimilarity _ Entropia A manuálisés a Matlab-os számolások ugyanazon eredményeketadták. A globális változókban nem találtunk jelentősebb eltéréseket, a lokális paraméterek viszont nem egyeznek meg a 4 szoftverben, melynek oka, hogy nem egyértelmű az egyes implementált algoritmusok konkrét formája, így a végeredményben is különbségek lehetnek. I

10 2D vs 3D co-occurence matrix, és az átskálázás hatása (MRI) 2D COM 3D COM N =128 méret tünik a legjobbnak szenzitivitás és specialitás szempontjából. A 3D-benvaló lokális paraméterek számolása megbízhatóbbnak tűnik a 2D számolásokhoz képest! Doaa Mahmoud-Ghoneim et al.: The impact of image dynamic range on texture classification of brain white matter II

11 A HI értékek VOI mérettől való függése (PET) 4 különböző típus Contrast, Correlation, Entropy, Coefficient of Variation III

12 Agyi metastasis textura analízise DICOM és LBP képeken A DICOM (nem LBP) képek esetén a kis régióknál (0-0.25cm 3 ) nem találtunk szignifikáns eltéréseket a tüdőből és az emlőből származó metastasisok között. A cm 3 ROI-k esetén szignifikáns különbség a: Minimum és STD Tüdőből és emlőből szármató agyi metastasis esetén: atextúra analízis az LBP képeken több szignifikáns eltérést eredményezettaz egyes méreteken belül. Az LBP képek esetén szignifikáns különbségeket találtunk a cm 3 ROI tartománynál: Contrast, Correlation, Energy, Homogenity IV

13 A HI számolását a 4 szoftver nem azonosan kezeli, ezért a szoftverek közötti összehasonlítás nem lehetséges! Az átskálázás a 64-es mérettől látszik megbízhatónak! A 3D-benvaló lokális paraméterek pontosabbnak tűnnek, mint 2D esetén! A mérettől való függőségre érdemes nagy hangsúlyt fektetni, limitálni kell a HI-k számát, illetve csak egy bizonyos mérettartományon felül kezelhetőek megbízhatóan a heterogenitási paraméterek! Az LBP képeken számolt paraméterek érzékenyebbnek tűnnek!

14 KÖSZÖNÖM SZÉPEN A FIGYELMET!