Αυτόματη ανίχνευση ύποπτων μικροαποτιτανώσεων σε υψηλής ανάλυσης, τρισδιάστατη απεικόνιση μαστού
| dc.contributor.advisor | Παλληκαράκης, Νικόλαος | |
| dc.contributor.author | Παπαβασιλείου, Ευγενία | |
| dc.contributor.committee | Παλληκαράκης, Νικόλαος | |
| dc.contributor.committee | Jansen, Bart | |
| dc.contributor.committee | Κωσταρίδου, Ελένη | |
| dc.contributor.committee | Κουτσούρης, Δημήτριος | |
| dc.contributor.other | Papavasileiou, Evgenia | |
| dc.date.accessioned | 2015-08-03T08:04:50Z | |
| dc.date.available | 2015-08-03T08:04:50Z | |
| dc.date.copyright | 2015-07 | |
| dc.degree | Μεταπτυχιακή Εργασία | el |
| dc.description.abstract | This Master Thesis presents a novel classification approach for microcalcifications (MCs) extracted from core biopsy tissue samples digitized using micro-CT, a high-resolution 3D imaging modality. MCs are tiny spots of calcium that may occur in the female breast. Although they are common in healthy woman, they are often an early sign of breast cancer. The shape of the MCs is an important factor used to discriminate between benign and malignant abnormalities. However, the current standard imaging modalities (i.e. mammography) are not efficient for a clear shape based analysis. In case of suspiciousness, a biopsy is conducted and the extracted tissue is anatomopathologically investigated for the presence of cancer cells. Nevertheless, only 20-35% of biopsies turn out to be positive. As such, the question whether some unnecessary biopsies can be avoided if the shape of the MCs could be analysed in more detail has been raised. In addition, the MCs themselves are not analysed, but they are characterised as benign (or malignant) according to whether they were found into a benign (or malignant) tissue. As a result, there is a ground truth for the tissue samples but not for the individual MCs. So, when a classifier of a Computer Aided Diagnosis System will be asked to classify a MC according to its shape, there will be a degree of ambiguity and uncertainty. This master thesis investigates whether the use of a clustering method as a preprocessing step before training the classifier could avoid the ground truth issues and could improve the obtained classification results. | el |
| dc.description.translatedabstract | Η παρούσα μεταπτυχιακή εργασία παρουσιάζει μια νέα μέθοδο για την ταξινόμηση μικροαποτιτανώσεων μαστού που έχουν εξαχθεί από βιοψίες και έχουν ψηφιοποιηθεί με χρήση micro-CT, μια υψηλής ανάλυσης, τρισδιάστατη τεχνική απεικόνισης. Οι μικροαποτιτανώσεις (ή αλλιώς μικροασβεστώσεις) αποτελούν μικρά αποθέματα ασβεστίου στον μαστικό αδένα. Παρόλο που μπορεί να εμφανιστούν και σε υγιείς γυναίκες, μπορούν να αποτελέσουν ένα πρώιμο σημάδι καρκίνου του στήθους. Το σχήμα είναι ένας από τους σημαντικότερους παράγοντες ο οποίος βοηθάει στη διάκριση ανάμεσα σε καλοήθεις και κακοήθεις μικροασβεστώσεις, ωστόσο δεν μπορεί να απεικονιστεί επαρκώς μέσω των στανταρ απεικονιστικών τεχνικών (μαστογραφία). Σε περίπτωση υποψίας κακοήθειας, διεξάγεται βιοψία με σκοπό την απομάκρυνση ιστού από την ύποπτη περιοχή και την ανατομοπαθολογική του εξέταση για την παρουσία καρκινικών κυττάρων. Ωστόσο, μονο το 20%-35% των βιοψιών αποδεικνύονται κακοήθεις. Ως εκ τούτου, έχει τεθεί το ερώτημα κατά πόσο μπορούν να αποφευχθούν οι μη απαραίτητες βιοψίες εάν το σχήμα των μικροασβεστώσεων μπορούσε να μελετηθεί πιο λεπτομερώς. Επιπροσθέτως, οι μικροασβεστώσεις αυτές καθ’ εαυτές δεν αναλύονται αλλά χαρακτηρίζονται ως καλοήθεις (ή κακοήθεις) με βάση το αν βρέθηκαν μεσα σε καλοήθες (ή κακοήθες) ιστό. Ως αποτέλεσμα, υπάρχει βάση αναφοράς για τα δείγματα ιστού αλλά όχι για τις μικροασβεστώσεις. Έτσι, όταν ζητηθεί από έναν ταξινομητή ενός συστήματος υποβοηθούμενης διάγνωσης με υπολογιστή να ταξινομήσει μικροασβεστώσεις με βάση το σχήμα τους υπάρχει ένα μεγάλο ποσοστό ασάφειας και αβεβαιότητας. Αυτή η μεταπτυχιακή εργασία έχει σκοπό να ερευνήσει εάν η εισαγωγή ενός βήματος συσταδοποίησης πριν αυτού της ταξινόμησης μπορεί να αποφύγει το πρόβλημα έλλειψης βάσης αναφοράς και να βελτιώσει τα αποτελέσματα της ταξινόμησης. | el |
| dc.identifier.uri | http://hdl.handle.net/10889/8689 | |
| dc.language.iso | en | el |
| dc.rights | 6 | el |
| dc.subject | Microcalcifications | el |
| dc.subject | Breast cancer | el |
| dc.subject | Classification | el |
| dc.subject | Clustering | el |
| dc.subject | Computer aided diagnosis Systems | el |
| dc.subject.alternative | Μικροαποτιτανώσεις | el |
| dc.subject.alternative | Καρκίνος μαστού | el |
| dc.subject.alternative | Συστήματα υποβοηθούμενης διάγνωσης με υπολογιστή | el |
| dc.subject.alternative | Αλγόριθμοι συσταδοποίησης | el |
| dc.subject.alternative | Αλγόριθμοι ταξινόμησης | el |
| dc.subject.ddc | 618.190 754 | el |
| dc.title | Αυτόματη ανίχνευση ύποπτων μικροαποτιτανώσεων σε υψηλής ανάλυσης, τρισδιάστατη απεικόνιση μαστού | el |
| dc.title.alternative | Automatic detection of suspicious microcalcifications in high resolution 3-D breast imaging | el |
| dc.type | Thesis | el |