Μελετη-αναπτυξη Και Αξιολογηση Ολοκληρωμενου Συστηματος Ψηφιακης Αναλυσης Ενδοσκοπικης Εικονας Μακροβιοψιας Για Την Υποστηριξη Διαγνωσης Γυναικολογικου Καρκινου

Abstract

Η έρευνα αυτή έχει ως σκοπό την ανάπτυξη και αξιολόγηση ενός ολοκληρωμένου συστήματος υποστήριξης διάγνωσης καρκίνου κατά τη διάρκεια ενδοσκοπικής επέμβασης. Με την ανάπτυξη της τεχνολογίας η λαπαροσκοπική / υστεροσκοπική μέθοδος έγινε πολύ δημοφιλής λόγω της ελάχιστης επέμβασης και επιπλοκών που δημιουργεί. Ο γιατρός καθοδηγεί τη λαπαροσκοπική κάμερα στο υπό μελέτη όργανο και παρατηρεί άμεσα τις περιοχές ενδιαφέροντος για γυναικολογικό καρκίνο. Το σύστημα επεξεργάζεται τις ενδοσκοπικές εικόνες και δίδει στο γιατρό ποσοτικά και γραφικά δεδομένα για την καλύτερη διάγνωση της περιοχής ενδιαφέροντος. Από έρευνα στη βιβλιογραφία δεν βρήκαμε να υπάρχει καμμία σχετική μελέτη που να αφορά την ποσοτική ανάλυση εικόνων για γυναικολογικό καρκίνο, κάνοντας έτσι την έρευνά μας πρωτοποριακή. Οι σχετικές μελέτεςπου ανακαλύψαμε αφορούσαν περιστατικά κολονοσκόπησης και αναγνώρισης όγκων στο παχύ έντερο με ικανοποιητική επιτυχία.Η δομή της έρευνάς μας αποτελείται από 4 βασικές διαδικασίες. Η πρώτη διαδικασία αφορά τη δημιουργία μιας βάσης δεδομένων που περιέχει εικόνες και βίντεο από περιπτώσεις γυναικολογικού καρκίνου. Έχουμε καταχωρήσει 416 περιπτώσεις καρκίνου του ενδομητρίου από ένα σύνολο 40 ασθενών. Τα περιστατικά αυτά έχουν ταξινομηθεί βάσει της εμπειρίας του γιατρού και της ιστοπαθολογικής εξέτασης.Η δεύτερη διαδικασία περιλαμβάνει τη δημιουργία ενός ολοκληρωμένου συστήματος επεξεργασίας και ανάλυσης λαπαροσκοπικών / υστεροσκοπικών εικόνων για ανίχνευσηύποπτων περιοχών γυναικολογικού καρκίνου. Αυτή η διαδικασία περιλαμβάνει τη λήψη και αποθήκευση λαπαροσκοπικών / υστεροσκοπικών εικόνων. Η αναλογική έξοδος της ιατρικήςκάμερας μετατρέπεται σε ψηφιακή (720x576 pixels x24 bits) και το βίντεο αποθηκεύεται στον υπολογιστή. Ο γυναικολόγος επιλέγει εικόνες από το βίντεο που παρουσιάζουν ύποπτεςπεριοχές καρκίνου. Ακολούθως εφαρμόζεται ο αλγόριθμος γάμμα για τη βαθμονόμηση των εικόνων έτσι ώστε να υπάρχει η δυνατότητα επεξεργασίας και ανάλυσης των εικόνων απόδιαφορετικές λαπαροσκοπικές κάμερες. Επιπλέον μελετήθηκε η ανάλυση εικόνων που ελήφθησαν κάτω από διαφορετικές συνθήκες λήψης, αποστάσεις και γωνίες. Η στατιστική ανάλυση του εν λόγω πειράματος έδειξε ότι για μικρές αποστάσεις και γωνίες λήψης δεν υπάρχει σημαντική στατιστική διαφορά. Ακολούθως χρησιμοποιήσαμε πολυδιακριτή ανάλυση και αλγόριθμους ανάλυσης υφής για τον καρκίνο του ενδομητρίου. Σε αρκετάχαρακτηριστικά υπήρχε σημαντική διαφορά μεταξύ παθολογικών και φυσιολογικών περιοχών, όπως για παράδειγμα το χαρακτηριστικό variance, του μέσου όρου, της ενέργειας κτλ. Ο μέσος όρος των χαρακτηριστικών υφής παρουσίασε μεγάλη απόκλιση για τις δύο κατηγορίες εικόνων. Να σημειώσουμε εδώ ότι στην πολυδιακριτή ανάλυση μετά από τηνανάλυση 4Χ4 μέχρι 10Χ10 είχαμε αλλοίωση των εικόνων μας με αποτέλεσμα να τις απορρίπτουμε.Η τρίτη βασική διαδικασία αφορά την υλοποίηση συστήματος κατηγοριοποίησης των περιοχών ενδιαφέροντος, σε παθολογικές και φυσιολογικές, βασισμένο σε νευρωνικά δίκτυα,χρησιμοποιώντας τα χαρακτηριστικά υφής. Τα αποτελέσματα έδειξαν ότι στην καλύτερη περίπτωση το 74% των φυσιολογικών περιοχών και το 83% των παθολογικών περιοχώναναγνωρίστηκαν από το σύστημα με μέγιστο πoσοστό επιτυχίας (CC%) 79%. Η τελευταία διαδικασία αφορά την εξαγωγή αποτελεσμάτων από την έρευνά μας καθώς και την αξιολόγηση και αξιοποίηση αυτής. Σύμφωνα με τους χρήστες του συστήματοςτα αποτελέσματα είναι πολύ ενθαρρυντικά για την εφαρμογή του. Παράλληλα η παρουσίαση και η επίδειξη του συστήματος σε ιατρικά συνέδρια εξέλαβε πολύ καλά σχόλια. Έχουμε δεχτεί την πρόταση συνεργασίας από την Ευρωπαϊκή Κοινότητα γυναικολογικής ενδοσκόπησης καθώς και από την Ευρωπαϊκή Ακαδημία γυναικολογικού καρκίνου για τη δημιουργία ενός Ευρωπαϊκού δικτύου επεξεργασίας και ανάλυσης λαπαροσκοπικών και υστεροσκοπικών εικόνων για την αντιμετώπιση του γυναικολογικού καρκίνου.