Ανάπτυξη συστημάτων τεχνητής νοημοσύνης για την υποβοήθηση διαφορικής διάγνωσης νόσων εγκεφάλου με χρήση μαγνητικής φασματοσκοπίας και τεχνικών διάχυσης και αιμάτωσης σε υψηλό πεδίο 3T

 
Το τεκμήριο παρέχεται από τον φορέα :

Αποθετήριο :
Εθνικό Αρχείο Διδακτορικών Διατριβών
δείτε την πρωτότυπη σελίδα τεκμηρίου
στον ιστότοπο του αποθετηρίου του φορέα για περισσότερες πληροφορίες και για να δείτε όλα τα ψηφιακά αρχεία του τεκμηρίου*
κοινοποιήστε το τεκμήριο




2013 (EL)

Development of artificial intelligence systems to support the differential diagnosis of central nervous lesions using advanced MR imaging techiques (1H-Magnetic resonance spectroscopy, diffusion weighted imaging, diffusion tensor imaging, perfusion weighted imaging) in high magnetic field 3T
Ανάπτυξη συστημάτων τεχνητής νοημοσύνης για την υποβοήθηση διαφορικής διάγνωσης νόσων εγκεφάλου με χρήση μαγνητικής φασματοσκοπίας και τεχνικών διάχυσης και αιμάτωσης σε υψηλό πεδίο 3T

Tsolaki, Evangelia
Τσολάκη, Ευαγγελία

Magnetic Resonance Spectroscopy (MRS) has been studied for more than a decade as a promising diagnostic tool for a variety of pathologies. Coupled with the morphological features provided by Magnetic Resonance Imaging (MRI) techniques, it can provide accurate identification and quantification of biologically important compounds in soft tissue. Diffusion Weighted Imaging (DWI) is a rapid technique evaluating the movement of water molecules inside tissues, a property which is altered under pathological conditions in the brain. Diffusion Tensor Imaging (DTI) represents a further development of DWI, taking into account the directionality of water diffusion in a certain voxel due to the microstructure of the underlying tissue. Dynamic, contrast-enhanced perfusion weighted MR imaging (PWI) of the brain provides hemodynamic information that complements the anatomic information available from conventional MR imaging. PWI is a fast and robust imaging technique that is increasingly being used as a research tool to evaluate and understand intracranial disease processes and as a clinical tool for diagnosis, management, and understanding of intracranial mass lesions, brain tumors in particular. Last years the continuous development of imaging techniques has transformed these modalities from conventional imaging to high-level metric systems, which provide a quite large amount of quantitative information. This large amount of numeric MR data often remains unexploited during the clinical routine. The reason is that the simultaneous analysis and evaluation of multiple parameters is a time consuming process and requires specific expertise. The aforementioned MRI techniques in order to transit from the process of experimental evaluation into clinical routine, the implementation of a classification model it is necessary, so as to automate the process of data assessment and characterization of pathology based on the metabolic findings and the parameters of the diffusion and perfusion techniques. The machine learning methods provide the mathematical and computational mechanisms and take advance of the underlying pathology in order to distinguish lesions under evaluation. An innovative decision support system FA.S.M.A (Fast Spectroscopic Multiple Analysis) was developed that constitutes the first clinical decision support system that evaluates the metabolic, diffusion and perfusion intratumoral and peritumoral data in high magnetic field 3T. The embedded classification system allows an easy and immediate classification of a new clinical case in one of the brain tumor types that have been included in the system. FA.S.M.A is user friendly and easy-to-use system that permits the visual and quantitative evaluation of data during all the individual steps that take place during a full examination MRI protocol. By this way the system’s autonomy as a “supportive” tool during the clinical decision and differentiation procedures is ensured in order to serve as a non - invasive assistant tool during clinical routine.
Η φασματοσκοπία μαγνητικού συντονισμού μελετάται την τελευταία δεκαετία ως ένα ‘εργαλείο’ διάγνωσης πληθώρας παθολογιών, η οποία συμπληρωματικά με τα μορφολογικά χαρακτηριστικά της Μαγνητικής Τομογραφίας, δύναται να παρέχει ταυτοποίηση και ποσοτικοποίηση των βιολογικών ουσιών του ιστού. Η απεικόνιση βαρύτητας διάχυσης αποτελεί τεχνική ταχείας αξιολόγησης της μοριακής κίνησης του νερού, η οποία σε συνθήκες παθολογικών καταστάσεων του εγκεφάλου μεταβάλλεται ενώ η απεικόνιση Τανυστή Διάχυσης αποτελεί εξέλιξη της DWI καθώς λαμβάνει υπόψη τον προσανατολισμό της διάχυσης των μορίων του νερού σε έναν ιστό. Η Απεικόνιση Αιμάτωσης του εγκεφάλου παρέχει τις αιμοδυναμικές πληροφορίες που συμπληρώνουν την ανατομική πληροφορία της συμβατικής απεικόνισης Μαγνητικού Συντονισμού. Η Απεικόνιση της Αιμάτωσης αποτελεί μία ταχεία και αξιόπιστη απεικονιστική τεχνική που χρησιμοποιείται όλο και περισσότερο ως ένα ερευνητικό εργαλείο για την αξιολόγηση και την κατανόηση των διαδικασιών σε ενδοκρανιακές βλάβες, καθώς και ως ένα κλινικό εργαλείο διάγνωσης, διαχείρισης και κατανόησης ενδοκρανιακών βλαβών και συγκεκριμένα εγκεφαλικών όγκων. Τα τελευταία χρόνια η αυξανόμενη εξέλιξη της τεχνολογίας των συστημάτων μαγνητικού συντονισμού με την ενσωμάτωση των προαναφερθέντων εξελιγμένων τεχνικών απεικόνισης έχει ως αποτέλεσμα τα συστήματα μαγνητικού συντονισμού πέρα από υψηλού επιπέδου απεικονιστικά συστήματα να αποτελούν και συστήματα που εξάγουν μεγάλο αριθμό ποσοτικών διαγνωστικών παραμέτρων τα οποία παραμένουν αναξιοποίητα λόγω της χρονοβόρας διαδικασίας που απαιτείται για τη συλλογή τους και την εξειδικευμένη γνώση που απαιτεί η ερμηνεία τους. Για τη μετάβαση των ανώτερων τεχνικών του μαγνητικού τομογράφου από τη διαδικασία της πειραματικής αξιολόγησης στην κλινική ρουτίνα είναι αναγκαία η υλοποίηση ενός μοντέλου ταξινόμησης για την αυτοματοποίηση της διαδικασίας εκτίμησης του δεδομένων καθώς και χαρακτηρισμού της παθολογίας με βάση τα μεταβολικά ευρήματα και τις παραμέτρους από τις τεχνικές διάχυσης και αιμάτωσης. Οι μέθοδοι μηχανικής εκμάθησης λαμβάνοντας υπόψη την υποκείμενη παθολογία παρέχουν τους κατάλληλους μαθηματικούς υπολογισμούς για τη διάκριση των υπό αξιολόγηση βλαβών. Το πρότυπο σύστημα υποβοήθησης κλινικής διάγνωσης FA.S.M.A. (Fast Spectroscopic Multiple Analysis) που δημιουργήθηκε αποτελεί το πρώτο σύστημα που αξιολογεί το σύνολο των μεταβολιτών, διάχυσης και αιμάτωσης δεδομένων από μαγνητικό πεδίο 3.0 Τ στην περιοχή εσωτερικά και εξωτερικά των εξεργασιών. Με το ενσωματωμένο σύστημα ταξινόμησης που περιέχει, επιτρέπει εύκολα και άμεσα την ταξινόμηση της νέας κλινικής περίπτωσης σε μία από τις κατηγορίες των ενδοκρανιακών εξεργασιών που έχουν συμπεριληφθεί στο σύστημα. Αποτελεί ένα φιλικό προς το χρήστη σύστημα το οποίο επιτρέπει την απεικονιστική και ποσοτική αξιολόγηση των δεδομένων σε όλα τα ανεξάρτητα βήματα ενός πλήρους πρωτόκολλου MRI. Κατά αυτόν τον τρόπο εξασφαλίζεται η αυτονομία του συστήματος ως υποστηρικτού μέσου στη διαδικασία λήψης κλινικών αποφάσεων και διαφορο-διάγνωσης προκειμένου να αποτελέσει ένα ουσιαστικό μη – επεμβατικό βοηθητικό εργαλείο στα μέσα αξιολόγησης στην κλινική ρουτίνα.

PhD Thesis

Απεικόνιση δυναμικής αιμάτωσης
Σύστημα υποβοήθησης κλινικής διάγνωσης
Medical and Health Sciences
Απεικόνιση βαρύτητας διάχυσης
Φασματοσκοπία πρωτονίου μαγνητικού συντονισμού
Απεικόνιση τανυστή διάχυσης
Diffusion Tensor Imaging (DTI)
Κλινική Ιατρική
Φυσικές Επιστήμες
Magnetic resonance spectroscopy
Clinical Medicine
Physical Sciences
Νόσοι κεντρικού νευρικού συστήματος
Clinical decision support systems
Central nervous lesions
Τεχνητή νοημοσύνη
Perfusion weighted imaging
Μηχανική μάθηση
Machine learning
Φυσική
Natural Sciences
Artificial intelligence
Diffusion weighted imaging
Ιατρική και Επιστήμες Υγείας


Ελληνική γλώσσα

2013


University of Thessaly (UTH)
Πανεπιστήμιο Θεσσαλίας




*Η εύρυθμη και αδιάλειπτη λειτουργία των διαδικτυακών διευθύνσεων των συλλογών (ψηφιακό αρχείο, καρτέλα τεκμηρίου στο αποθετήριο) είναι αποκλειστική ευθύνη των αντίστοιχων Φορέων περιεχομένου.