Ανάπτυξη συστήματος ανάλυσης ιατρικής εικόνας για τη μελέτη χαρακτηριστικών υφής στην μαγνητική τομογραφία γονάτου
Development of a medical image analysis system for the study of texture features in knee MRI
Keywords
Επεξεργασία ιατρικής εικόνας ; Ανάλυση ιατρικής εικόνας ; Άρθρωση γόνατος ; Μαγνητική τομογραφίαAbstract
Η παρούσα διπλωματική εργασία έχει ως στόχο την δημιουργία ενός υπολογιστικού συστήματος ανάλυσης ιατρικής εικόνας για την μελέτη χαρακτηριστικών υφής στη μαγνητική τομογραφία χόνδρου γονάτου, καθώς και την στατιστική ανάλυση των χαρακτηριστικών αυτών. Για την μελέτη αυτή εξετάστηκαν ψηφιακές εικόνες από οριοθετημένες Περιοχές Ενδιαφέροντος (ΠΕ) του έσω μηριαίου κονδύλου, από Μαγνητική Τομογραφία γόνατος ακολουθίας PD-FS σε στεφανιαίο και οβελιαίο επίπεδο. Μελετήθηκαν 36 περιπτώσεις υγειών και 10 παθολογικών χόνδρων. Τα δεδομένα ελήφθησαν από προηγούμενες μελέτες. Σε πρώτη φάση πραγματοποιήθηκε εξαγωγή 17 χαρακτηριστικών 1ης τάξης από τις ΠΕ και ακολούθως έγινε εξαγωγή 8 χαρακτηριστικών 2ης τάξης χρησιμοποιώντας την μέθοδο του πίνακα συνεμφάνισης των τόνων του γκρί (GLCM). Κατόπιν έγινε έλεγχος κανονικότητας των χαρακτηριστικών και διερευνήθηκε η ύπαρξη στατιστικά σημαντικών διαφορών μεταξύ των κατηγοριών.
Από τα αποτελέσματα συμπεράναμε ότι υπάρχουν χαρακτηριστικά υφής και στα δύο επίπεδα που παρουσιάζουν σημαντικά στατιστική διαφορά μεταξύ των φυσιολογικών και παθολογικών ΠΕ. Οι ΠΕ που αντιστοιχούν σε φυσιολογικό αρθρικό χόνδρο παρουσιάζουν μεγαλύτερη ομοιογένεια σε σχέση με τις αντίστοιχες των παθολογικών περιστατικών κάτι που συνάδει με προηγούμενες σχετικές μελέτες.
Abstract
The present thesis aims to create a computerized system for medical image analysis to study the textural characteristics of magnetic resonance images of the knee’s cartilage, as well as the statistical analysis of these characteristics. To this end, digital images of delineated regions of interest (ROIs) of the medial femoral condyle in coronal and sagittal planes of the PD-FS MRI knee examination. Thirty six (36) healthy and ten (10) pathological cases were examined. Data were obtained from previous studies.
Seventeen (17) features (histogram based - 1st order statistics) were extracted from the ROIs and eight (8) features (2nd order statistics) were extracted using the method of Gray Level Co-occurrence Matrix (GLCM). The normality of the features was tested by Lilliefors test and then the existence of statistically significant differences between the categories was investigated.
We concluded that there are textural features at both planes that appeared statistically significant differences between normal and pathological conditions. ROIs of normal cartilage appeared more homogeneous in contrast to healthy ones, which is consistent with previous relevant studies.