ارزیابی کمی ضایعات ریوی با استفاده از فرایند رادیومیکس تصاویر پت سی تی برای بهبود تشخیص ضایعات خوش خیم و بدخیم
[پایان نامه]
علی حسینی
دانشگاه علوم پزشکی تهران، دانشکده پزشکی
۱۳۹۹
۷۰ص.
سی دی
کارشناسی ارشد
فیزیک پزشکی
در شاخه پزشکی هسته ای، دستگاه پت سی تی یک مدالیته تصویر برداری عملکردی است که می تواند میزان و نحوه عملکرد سلول هارا به تصویر بکشد. تصاویر پت سی تی به طور گسترده ای در زمینه اونکلوژی و تشخیص و تعیین استیج سرطان و همچنین تشخیص پاسخ زود هنگام به درمان رادیوتراپی مورد استفاده قرار میگیرند . امروزه محققان دریافته اند که تصاویر پزشکی اطلاعات مفید بیشتری را در خود دارند که این اطلاعات با چشم غیر مسلح قابل درک نیست به همین دلیل روشی به وجود آمده است که پس از گرفتن تصاویر پزشکی از بیمار توسط تکنیک های پردازش تصاویر با استفاده از الگوریتم های مناسب این اطلاعات از تصویر به دست می آیدمواد و روش کار: در این تحقیق از روش رادیومیکس برای تفسیر تصاویر پت استفاده شد. مطالعه فانتوم و بیماران با دستگاه پت/سی تی در بیمارستان مسیح دانشوری انجام گرفته است. فرایند رادیومیکس از مراحل مختلفی شامل تهیه تصویر، تقسیم بندی تصویر، استخراج اطلاعات کمی، تهیه دیتابیس، ارائه مدل و اعتبارسنجیمدل تشکیل میشود. در این روش پس از تهیه تصویر و قطعه بندی آن، میتوان اطلاعات کمی را استخراج کرد. پس از استخراج اطلاعات کمی، برای انتخاب ویژگی های پایدار فانتوم لانگ طراحی شد که حرکات ریه را هم شبیه سازی میکند.174 ویژگی رادیومیکس از تصاویر بیماران و فانتوم استخراج شد. اطلاعات فانتوم ویژگی های پایدار را مشخص کرد.یافته¬ها: 64 تا از ویژگی ها COV ≤ 5 در برابر حرکت در اندازه NEMA 22 میلی متر نشان دادند. 60 و 76 تا از ویژگی های رادیومیکس COV ≤ 5 را در برابر آزمایش مجدد با و بدون حرکت ، در اندازه NEMA 22 میلی متر نشان دادند. 43 و 64 تا از ویژگی های رادیومیکس COV ≤ 5 را در برابر الگوریتم های مختلف بازسازی و زیرمجموعه های مختلف و تکرار با و بدون حرکت در اندازه NEMA 22 میلی متر نشان داند. 69 تا از ویژگی ها COV٪ 5 > در برابر اندازه های مختلف فیلتر (FWHM) در سایز 22 میلیمتر نشان داند. 93 تا از ویژگیها COV≤5٪ را در برابر گذشت زمان(غلظت اکتیویته) در اندازه NEMA 22 میلی متر نشان می دهند. تجزیه و تحلیل آماری نشان داد 31 ویژگی با درجه معناداری برای تشخیص مناسب استP-value <0.05) ) ، 107 ویژگی قدرت بالایی تمایز (AUC> 0.6) دارد. بهترین قدرت پیش بینی توسط واریانس از خانوداه شدت هیستوگرام (AUC برار 0.79 ، p-value مساوی با 0.001 ) به دست آمد. 2 مورد از 31 ویژگی معنی دار برای تشخیص در برابر حرکت قوی هستند که عبارت اند از آنتروپی مشترک از خانواده GLCM (AUC مساوی با 0.71 ، p-value برابر با 0.021 و COV مساوی با 0.019) و میانگین انحراف از خانواده شدت هیستوگرام (AUC برابر با 0.7 ، مقدار p-value مساوی با 0.024 ، COV برابر با 0.046).نتیجه گیری: به طور کلی با توجه به نتایج این مطالعه میتوان گفت، با استفاده از روش رادیومیکس و پردازش این اطلاعات میتوان به کمک روش های آماری با دقت معنا داری ضایعات بدخیم سرطان ریه را از هم افتراق داد که برای تکرار پذیری بیشتر و افزایش دقت تشخیص، از ویژگی های پایدار در برابر حرکات ریه استفاده شد.