Ανάλυση ιατρικών δεδομένων από πολλαπλές απεικονιστικές τεχνολογίες με τεχνικές μηχανικής μάθησης, επεξεργασίας εικόνας και στατιστικού μοντέλου σχήματος

Περίληψη

Η παρούσα διατριβή περιγράφει νέες πρωτότυπες μεθόδους επεξεργασίας ιατρικών απεικονιστικών δεδομένων που συλλέχθηκαν με την εφαρμογή διαφόρων συστημάτων απεικόνισης (OCT και SPECT/CT) και σχετίζονται με συγκεκριμένα θέματα - προβλήματα της διαγνωστικής ιατρικής. Οι μέθοδοι αυτές αναπτύχτηκαν σύμφωνα με τις αρχές της επεξεργασίας εικόνας, με τη χρήση συνελικτικών νευρωνικών δικτύων και ενεργού μοντέλου σχήματος. Εξετάστηκαν, κατά βάση, εικόνες της Ενδοστεφανιαίας Οπτικής Συνεκτικής Τομογραφίας (νέας σχετικά και εξελισσόμενης απεικονιστικής τεχνολογίας) με στόχο την ανάπτυξη μεθόδων αυτόματης κατάτμησης του αρτηριακού τοιχώματος και κατηγοριοποίησης των αθηρωματικών ιστών (διερεύνηση της μορφολογίας και παθολογοανατομίας των στεφανιαίων αρτηριών). Η μέθοδος ARC-OCT που αναπτύχθηκε καθιστά δυνατή την ακριβή και πλήρως αυτοματοποιημένη ανίχνευση του ορίου αυλού-ενδοθηλίου, ακόμη και σε εικόνες OCT με τεχνικά σφάλματα και επί τμημάτων στεφανιαίων αρτηριών που φέρουν ενδοπροθέσεις ή έχουν π ...
περισσότερα

Περίληψη σε άλλη γλώσσα

This thesis describes innovate methods of image processing on data having been collected through various medical imaging systems (OCT and SPECT / CT) and related to specific issues - problems of the diagnostic medicine. These methods were developed in accordance with the principles of image processing, by using convolutional neural networks and active shape models. We examined basically images of Intravascular Optical Coherence Tomography (which constitutes a relatively new and evolving medical image technology), in view of the morphology and pathophysiology of the vascular arteries, and with the aim of developing methods for automatic segmentation of the arterial wall and classification of atherosclerotic tissues. We developed the ARC-OCT method which enables accurate and fully automatic detection of lumen-endothelial borders even in OCT images containing artifacts, arterial stented segments and lateral branches. For the automatic classification of atherosclerotic plaques, (after havi ...
περισσότερα
Πρέπει να είστε εγγεγραμένος χρήστης για έχετε πρόσβαση σε όλες τις υπηρεσίες του ΕΑΔΔ  Είσοδος /Εγγραφή

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/46981
ND
46981
Εναλλακτικός τίτλος
Analysis of medical data from multiple imaging modalities with machine learning techniques, image processing and statistical shape models
Συγγραφέας
Χειμαριώτης, Γρηγόριος - Άρης Κωνσταντίνος
Ημερομηνία
2020
Ίδρυμα
Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης (ΑΠΘ). Σχολή Επιστημών Υγείας. Τμήμα Ιατρικής. Τομέας Ακτινολογίας, Ιατρικής Φυσικής και Πληροφορικής. Εργαστήριο Ηλεκτρονικού Υπολογιστή, Ιατρικής Πληροφορικής και Βιοϊατρικής - Απεικονιστικών Τεχνολογιών
Εξεταστική επιτροπή
Μαγκλαβέρας Νικόλαος
Καρβούνης Χαράλαμπος
Αλετράς Αντώνιος
Χουβαρδά Ιωάννα
Κατσάγγελος Άγγελος
Πήττας Ιωάννης
Ντελόπουλος Αναστάσιος
Επιστημονικό πεδίο
Ιατρική & Επιστήμες Υγείας
Ιατρική Βιοτεχνολογία
Λέξεις-κλειδιά
Ενδοαγγειακή οπτική συνεκτική τομογραφία; Αυτόματη κατάτμηση; Ταξινόμηση αθηρωματικών πλακών; Ενεργό μοντέλο σχήματος; Υπολογιστική τομογραφία εκπομπής μονήρους φωτονίου
Χώρα
Ελλάδα
Γλώσσα
Ελληνικά
Άλλα στοιχεία
191 σ., εικ., πιν., σχημ., γραφ.