Algorytm segmentacji obrazów CT i PET do identyfikacji i wyznaczania objętości glejaka mózgu

• Autorzy: Kot Estera , Siwek Krzysztof

Identyfikatory

DOI

10.21008/j.1897-0737.2019.100.0008

Warianty tytułu

EN

Segmentation of brain CT and PET biomedical images to compute gliomas volumes

• Konferencja: Computer Applications in Electrical Engineering (15-16.04.2019 ; Poznań, Polska)
• Języki publikacji: PL

Abstrakty

PL

Artykuł przedstawia nowy algorytm segmentacji wyników badań obrazowania mózgu - tomografii komputerowej (CT) i pozytonowej tomografii emisyjnej (PET) w celu identyfikacji, wyznaczania objętości i wizualizacji nowotworu mózgu – glejaka wielopostaciowego. Opracowano oprogramowanie komputerowe w środowisku MATLAB wykorzystujące metody aktywnego konturu: Edge i Chan-Vese. Dla podkreślenia wagi rozwiązywanego problemu nakreślono również aktualny sposób leczenia pacjentów z rozpoznanym glejakiem wielopostaciowym oraz metody pozyskiwania danych medycznych. W pracy przedstawiono schemat blokowy algorytmu i szczegółowo opisano kroki prowadzące do kolejnych rozwiązań. Zaprezentowano uzyskane wyniki numeryczne i wizualizację guzów. Pokazano sposoby weryfikacji wyników oraz wskazano dalsze perspektywy rozwoju omawianego problemu.

EN

The paper presents an algorithm of segmentation of brain imaging examination results – computed tomography and positron emission tomography – in order to identify, calculate and visualize the brain tumor glioblastoma multiforme. Computer software was developed in the MATLAB environment using active contour methods: Edge and Chan- Vese. To understand the significance of the problem being solved, a review of the current treatment method for patients with diagnosed glioblastoma multiforme and means of obtaining medical data were included. The work presents a block diagram of the algorithm and details steps leading to further results. Numerical results and visualization of tumors were performed. Methods of verification of results were described, and further development perspectives of the discussed problem were indicated.

Słowa kluczowe

PL

segmentacja; metoda aktywnego konturu; tomografia komputerowa; pozytonowa tomografia emisyjna; nowotwór mózgu

• Wydawca: Wydawnictwo Politechniki Poznańskiej
• Czasopismo: Poznan University of Technology Academic Journals. Electrical Engineering
• Rocznik: 2019
• Tom: No. 100
• Strony: 87--97
• Opis fizyczny: Bibliogr. 12 poz., rys., tab.

Twórcy

autor

Kot Estera

• Politechnika Warszawska

autor

Siwek Krzysztof

• Politechnika Warszawska

Bibliografia

• [1] Ohgaki H., Kleihues P., Epidemiology and etiology of gliomas, Acta Neuropathologica, 2005, vol. 109, s. 93–108.
• [2] Riemenschneider M.J., Reifenberger G., Molecular Neuropathology of Gliomas, International Journal of Molecular Sciences, 2009, vol. 10, s. 184–212.
• [3] Schneider T., Mawrin Ch., Scherlach C., Skalej M., Firsching R., Gliomas in Adults, Deutsches Ärzteblatt International, 2010, vol. 107, s. 799–808.
• [4] Okła K., Wawruszak A., Bliska S., Glejaki – epidemiologia, klasyfikacja i etiologia, [w:] Choroby nowotworowe: wybrane zagadnienia, Fundacja na rzecz promocji nauki i rozwoju TYGIEL, red. M. Olszówka, K. Maciąg, Lubin, 2015, s. 7–18.
• [5] Ejma M. i in., Rzadkie kliniczne odmiany glejaka wielopostaciowego, Postępy Higieny i Medycyny Doświadczalnej, 2014, nr 68, s. 316–324.
• [6] Budzik G., Dziubek T., Turek P., Podstawowe czynniki wpływające na jakość obrazów tomograficznych, Problemy Nauk Stosowanych, 2015, t. 3, s. 77–84.
• [7] Czwarnowski P., Kuliński R., Królicki L., Mikrodozymetria w leczeniu guzów mózgu, Inżynier i Fizyk Medyczny, nr 1, 2016.
• [8] Królicki L. i in., Znaczenie pozytonowej tomografii emisyjnej (PET) w diagnostyce schorzeń onkologicznych, Postępy Nauk Medycznych, Borgis, 2011, t. 24, nr 2, s. 104–108.
• [9] Kass M., Witkin A., Terzopośulos D., Snakes: Active contour models, International Journal of Computer Vision, 1988, vol. 1, s. 321–331.
• [10] Chan T.F., Vese L.A., Active contours without edges. IEEE Transactions on Image Processing, vol. 10, issue 2, pp. 266–277, 2001.
• [11] Caselles V., Kimmel R., Sapiro G., Geodesic active contours, International Journal of Computer Vision, 1997, vol. 22, issue 1, pp. 61–79.
• [12] Luders E., Toga A.W, Thompson P.M., Why size matters: differences in brain volume account for apparent sex differences in callosal anatomy: the sexual dimorphism of the corpus callosum. Neuroimage, 2013, pp. 84:820–4.

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2019).