Μελέτη Και Επεξεργασία Εικόνων Αυτοφθορίζουσας Βρογχοσκόπησης Με Χρήση Εξελιγμένων Μεθόδων Ανάλυσης Υφής

Abstract

Ο καρκίνος του πνεύμονα αποτελεί μια από τις συχνότερα εμφανιζόμενες και από τις πλέον επιθετικές μορφές καρκίνου. Τα υψηλά ποσοστά θνησιμότητας που παρουσιάζει αποδίδονται σε μεγάλο βαθμό στην κακή πρόγνωση της νόσου. Δεδομένου ότι η συγκεκριμένη κακοήθεια εμφανίζεται και εξελίσσεται ασυμπτωματικά στα πρώτα στάδια, όταν πλέον ανιχνευθεί στην ακτινογραφία θώρακος ή γίνει συμπτωματική οι δυνατότητες θεραπείας ελαχιστοποιούνται. Το γεγονός αυτό δικαιολογεί την εστίαση του ερευνητικού ενδιαφέροντος στην έγκαιρη διάγνωση της νόσου. Μια από τις μεθόδους διάγνωσης του καρκίνου του πνεύμονα σε πρώιμα στάδια αποτελεί η Αυτοφθορίζουσα Βρογχοσκόπηση (ΑΦΒ). Τις τελευταίες δεκαετίες αποτελεί ισχυρό διαγνωστικό μέσο αφενός γιατί ανιχνεύει τις νεοπλασίες σε πρώιμα στάδια και αφετέρου γιατί δεν είναι επεμβατική. Το σημαντικό μειονέκτημα της μεθόδου είναι το υψηλό ποσοστό (30%) των ψευδώς θετικών ευρημάτων (ΨΘΕ) που παρουσιάζει καθώς οι περιοχές καρκίνου και φλεγμονής φθορίζουν σε παρόμοιες αποχρώσεις. Αντικείμενο της παρούσας διπλωματικής εργασίας είναι η μείωση αυτού του ποσοστού και πιο συγκεκριμένα η ορθότερη ταξινόμηση εικόνων καρκίνου και φλεγμονής. Η διαδικασία που ακολουθήθηκε στηρίχτηκε στην επεξεργασία εικόνων ΑΦΒ με εφαρμογή συνδυασμού εξελιγμένων μεθόδων ανάλυσης της υφής τους και αναγνώρισης προτύπων. Για την πραγματοποίηση της έρευνας χρησιμοποιήθηκαν εικόνες ΑΦΒ που ανακτήθηκαν από τη βάση της Μονάδας Laser και Αυτοφθορίζουσας Βρογχοσκόπησης του Σισμανόγλειου Γ.Ν.Α. Συγκεκριμένα επιλέχθηκαν εικόνες από επτά περιστατικά εκ των οποίων τα τρία αντιστοιχούν σε κακοήθεια και τα υπόλοιπα τέσσερα σε φλεγμονή παρόλο που στην ΑΦΒ παρουσίασαν παθολογικό φθορισμό. Συνολικά εξετάστηκαν 510 εικόνες (250 εικόνες κακοήθειας και 260 εικόνες φλεγμονής).Οι 400 εικόνες, διαιρεμένες σε δύο εκ των προτέρων γνωστές κλάσεις (200 για καρκίνο και 200 για φλεγμονή) αναλύθηκαν ως προς την υφή τους ώστε να προκύψουν τα χαρακτηριστικά υφής. Η συνεισφορά της εργασίας έγκειται στον ενδελεχή έλεγχο ενός μεγάλου διανύσματος χαρακτηριστικών, που συνήθως αποφεύγεται για λόγους μείωσης της υπολογιστικής πολυπλοκότητας και στην επιλογή των καταλληλότερων εξ΄αυτών με συνδυασμό κριτηρίων επιλογής. Τα χαρακτηριστικά που επιλέχθηκαν είναι εκείνα που καθιστούν τις εικόνες φλεγμονής και καρκίνου περισσότερο διαχωρίσιμες.Με βάση τα χαρακτηριστικά αυτά σχεδιάστηκε ένας Αφελής Ταξινομητής Bayes ο οποίος εκπαιδεύτηκε με τις 400 εικόνες, ενώ η απόδοσή του αξιολογήθηκε χρησιμοποιώντας τις υπόλοιπες 110. Από τον έλεγχο της απόδοσης του ταξινομητή διαπιστώθηκε ότι η σωστή ταξινόμηση ανέρχεται σε ποσοστό της τάξης του 92,727% των περιπτώσεων, δηλαδή 92,727% των περιστατικών ταξινομήθηκαν σωστά. Η αύξηση αυτή της ακρίβειας της ταξινόμησης είναι σε απόλυτη συμφωνία με τον πρωταρχικό σκοπό της εργασίας.