Počítačová analýza ultrazvukových obrazů uzlů ve štítné žláze se zaměřením na jejich sonografické vlastnosti a cytologické nálezy.

Název:

Název v angličtině:

Computer analysis of ultrasound images of thyroid nodules, focusing on their sonographic features and cytological findings.

Typ:

Disertační práce

Autor:

Mgr. Antonín Procházka

Školitel:

doc. MUDr. Ing. Daniel Smutek, PhD

Oponenti:

Martin Rožánek

MUDr. Jan Jiskra, PhD.

Id práce:

153361

Fakulta:

1. lékařská fakulta (1.LF)

Pracoviště:

Ústav biofyziky a informatiky 1. LF UK v Praze (11-00170)

Program studia:

Lékařská biofyzika (P5110)

Obor studia:

-

Přidělovaný titul:

Ph.D.

Datum obhajoby:

3. 12. 2019

Výsledek obhajoby:

Prospěl/a

Jazyk práce:

Čeština

Klíčová slova:

uzly štítné žlázy, počítačem podporovaná diagnostika, rakovina, ultrazvuk, ultrasonografie, klasifikace, strojové učení

Klíčová slova v angličtině:

thyroid nodules, computer-aided diagnosis, cancer, ultrasound, ultrasonography, classification, machine learning

Abstrakt:

Ultrazvukové zobrazování patří mezi základní vyšetření uzlů ve štítné žláze, na jejichž základě se rozhoduje, zda pacient podstoupí cytologické vyšetření, které je hlavním podkladem pro rozhodování o případném chirurgickém odstranění štítné žlázy. Cytologické vyšetření má ale bohužel omezenou specificitu a případná operace s sebou nese rizika. Proto jsou hledány další metody, které by byly schopny vnést do diagnostiky více jistoty. Jednou z nových metod je počítačová podpora diagnostiky (CAD), která pomocí analýzy obrazu a strojového učení vykazuje poměrně slibné výsledky. V této práci představujeme dva do určité míry podobné, přesto však odlišné, CAD přístupy. První přístup spočívá v analýze celých uzlů pomocí Segmentation Based Fractal Texture Analysis (SFTA) algoritmu, který rozkládá obraz na jednotlivá šedotónová pásma pomocí metody binární stack-dekompozice. Pomocí tohoto přístupu bylo na datovém souboru 40 snímků hodnocených metodou křížové validace dosaženo přesnosti 92,5 % při použití náhodných lesů a 95 % při použití support vector machines (SVM). Druhý CAD přístup vychází také z metody vícenásobného prahování obrazu, ale s tím rozdílem, že z jednotlivých šedotónových pásem je extrahováno větší množství prediktorů popisujících binární texturu a dále pak, že analýza neprobíhá na uzlu jako celku, ale na malých čtverečcích (patch-based přístup) o velikosti 17 × 17 px. Tímto postupem bylo dosaženo klasifikační přesnosti jednotlivých čtverečků hodnocené metodou křížové validace 74,4 %. Po zprůměrování výsledků klasifikace všech čtverečků v jednotlivých uzlech bylo na 60 snímcích dosaženo přesnosti 91,6 % při použití SVM a 95,0 % při použití náhodných lesů. Vzhledem k tomu, že se patch-based přístup nezabývá primárně uzlem jako celkem, ale zaměřuje se na analýzu jemné textury, která je pro lékaře těžko kvantifikovatelná, tak přináší do klinické praxe novou informaci, která může pomoci k přesnější diagnostice uzlů ve štítné žláze pomocí ultrazvuku, a tím může částečně snížit počet falešně pozitivních nálezů indikovaných k cytologickému vyšetření či operaci.

Abstract v angličtině:

Ultrasound imaging is one of the fundamental examinations of thyroid nodules, determining whether a patient undergoes a cytological examination, which is essential for the decision on a possible thyroid surgery. Unfortunately, the cytological examination has limited specificity and potential surgery carries risks. Therefore, other diagnostic methods are being sought with hope that they will be able to bring more certainty into diagnostics. One of the new methods is computer-aided diagnosis (CAD), which exhibits promising results using image analysis and machine learning. In this study, we present two somewhat similar, yet different, CAD approaches. The first approach is based on analysing entire nodules using a Segmentation Based Fractal Texture Analysis (SFTA) algorithm that splits the image into individual grayscale bands. Using this approach, we have achieved an accuracy of 92.4% using random forests (RF) and 95% using support vector machines (SVM) on a data set of 40 images evaluated by the cross-validation method. The second CAD approach is also based on the method of multiple image thresholding, but the difference is, that a larger number of predictors describing the binary texture are extracted from the individual grayscale bands. Furthermore, the analysis did not take place on whole nodules, but on patches of a size 17 × 17 px. Using this approach, we have achieved an accuracy of 74.4% when classifying individual patches. After averaging the results of classification of all patches in each nodule, an accuracy of 91.6% was achieved using an SVM classifier and 95.0% using an RF classifier on a dataset of 60 images. Since the patch- based approach does not deal primarily with the nodule as a whole, but focuses on the fine texture analysis in small patches, it brings new, clinically relevant information into clinical practice, which may contribute to increase an accuracy of thyroid ultrasound, and thus can partly reduce false positive findings indicated for cytology or surgery.

Dokumenty

Stáhnout	Dokument	Autor	Velikost
Stáhnout	Text práce	Mgr. Antonín Procházka	3.12 MB
Stáhnout	Abstrakt v českém jazyce	Mgr. Antonín Procházka	304 kB
Stáhnout	Abstrakt anglicky	Mgr. Antonín Procházka	225 kB
Stáhnout	Autoreferát / teze disertační práce	Mgr. Antonín Procházka	2.13 MB
Stáhnout	Posudek vedoucího	doc. MUDr. Ing. Daniel Smutek, PhD	1.38 MB
Stáhnout	Posudek oponenta	Martin Rožánek	99 kB
Stáhnout	Posudek oponenta	MUDr. Jan Jiskra, PhD.	7.21 MB
Stáhnout	Záznam o průběhu obhajoby	prof. MUDr. RNDr. Jiří Beneš, CSc.	2.28 MB

Repozitář závěrečných prací

Veřejné aplikace

Počítačová analýza ultrazvukových obrazů uzlů ve štítné žláze se zaměřením na jejich sonografické vlastnosti a cytologické nálezy.