Automatically finding tumors using structural-prior guided optical tomography

Detalhes bibliográficos
Autor(a) principal: Inácio, Dora Carina Freitas
Data de Publicação: 2015
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10451/23042
Resumo: Tese de mestrado integrado em Engenharia Biomédica e Biofísica, apresentada à Universidade de Lisboa, através da Faculdade de Ciências, 2015
id RCAP_3a403cd09a7c201a7a63f4a1917e740a
oai_identifier_str oai:repositorio.ul.pt:10451/23042
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Automatically finding tumors using structural-prior guided optical tomographyAbsorçãoDispersãoMétricasReconstrução de imagemTomografia óptica difusaTeses de mestrado - 2015Domínio/Área Científica::Ciências Médicas::Biotecnologia MédicaTese de mestrado integrado em Engenharia Biomédica e Biofísica, apresentada à Universidade de Lisboa, através da Faculdade de Ciências, 2015O cancro consiste na proliferação anormal de células. No seu estado normal, as células crescem e dividem-se em novas células (regeneração celular). Quando estas envelhecem ou são danificadas, morrem naturalmente. No entanto, as células podem perder este mecanismo de controlo, tornando-se células cancerígenas, que produzem novas células de forma descontrolada, resultando na formação de um tumor. Os tumores podem ser benignos ou malignos. Apenas os tumores malignos são considerados cancro, sendo que as células podem invadir e danificar os tecidos e órgãos (metastização). O cancro da mama é o tipo de cancro mais comum entre as mulheres (não considerando o cancro da pele) e corresponde à segunda causa de morte no Mundo e de acordo com o RON (Registo Oncológico Nacional), em Portugal, anualmente são detectados cerca de 4500 novos casos de cancro da mama, e 1500 mulheres morrem com esta doença. Desta forma, o diagnóstico precoce do cancro da mama é essencial, sendo que a mamografia convencional continua a ser a principal técnica de imagiologia utilizada para o efeito. No entanto, contribui para falsos negativos e não deteta cerca de 10-15% dos cancros da mama, principalmente em mulheres com mamas mais densas. Tomografia ótica difusa (do inglês, Diffuse Optical Tomography, DOT) é uma técnica de imagiologia que permite obter imagens funcionais da mama. A técnica de tomografia ótica difusa é não-invasiva uma vez que utiliza luz na região espectral próxima do infravermelho (do inglês, Near Infrared, NIR), o que corresponde a comprimentos de onda entre aproximadamente 600 e 1000 nm. Nesta região espectral, a absorção da luz pelos tecidos é fraca e portanto a dispersão é maior em todas as direções, o que torna possível a detecção da luz emergente. Os principais absorvedores da luz na região próxima do infravermelho são: a oxi-hemoglobina (HbO) e a deoxi-hemoglobina (HbR), que contribuirão para o coeficiente de absorção medido ( a). O coeficiente de dispersão reduzido ( 0s) irá depender do tecido mamário, já que está relacionado com a densidade e tamanho das partículas constituintes do meio. Com base nesses parâmetros, são obtidos mapas espaciais das propriedades óticas do tecido, tais como a concentração de hemoglobina total (HbT ), a saturação de oxigénio (So2) e o coeficiente reduzido de dispersão ( 0s) através de algoritmos de reconstrução da imagem. Tais propriedades permitem inferir acerca da oxigenação e vascularização do tecido. No entanto, as imagens de DOT apresentam baixa resolução espacial devido à extrema sensibilidade ao ruído durante o processo de reconstrução da imagem. Para tal, tem sido alvo de muito investigação a incorporação de outras técnicas de imagiologia, especialmente as que fornecem informação estrutural. Nesse sentido, foi desenvolvido um sistema combinado de DOT e Raio-X no Massachusetts General Hospital (Boston, EUA) para o diagnóstico de cancro da mama. Sendo que, por um lado, é possível explorar a distribuição da absorção e dispersão da luz no tecido fisiológico e, por outro, adquirir informação de cariz anatómico. Na maioria dos estudos de sistemas híbridos com DOT, as modalidades de imagiologia estruturais têm sido utilizadas apenas para fornecer o limite exterior da mama, ou então através da sobreposição nas imagens reconstruídas de DOT e posterior interpretação das imagens pelo médico/radiologista. No entanto, a estrutura anatómica interna é um fator chave que está em falta para produzir imagens com melhor resolução espacial. Assim, de modo a incorporar este fator na recontrução das imagens de DOT, têm sido propostos e testados novos algoritmos. Juntamente com outros grupos de investigação, Fang et al. desenvolveu o método de reconstrução prior-guided. Neste método é considerada uma segmentação composicional da mama e assume-se que cada pixel na imagem anatómica resulta da combinação de dois ou mais tipos de tecido. Estudos posteriores tem revelado que este método permite manter a resolução espacial das imagens anatómicas e, para além disso, tem mostrado ser robusto no processamento de imagens em meio clínico. Recentemente, um estudo realizado por Deng et al. revelou que esse método de reconstrução permite detectar quando a localização do tumor fornecida é falsa. Ou seja, apenas quando a localização do tumor fornecida é verdadeira, é que se observa uma diferença significativa no contraste óptico. Esse estudo serviu como motivação para a realização do trabalho descrito nesta tese. A presente tese reflecte o trabalho realizado no Athinoula A. Martinos Center for Biomedical Imaging, parte do Massachusetts General Hospital e Harvard Medical School sob a orientação do Professor Qianqian Fang e ainda sob orientação do Professor Nuno Matela da Faculdade de Ciências da Universidade de Lisboa, Portugal - num período de estágio de duração de 8 meses, em Boston. Até agora, a maioria dos estudos clínicos usando sistemas híbridos de imagem da mama com DOT têm-se concentrado em caracterizar apenas tumores conhecidos. Não tem sido demonstrado que os métodos de reconstrução de imagem DOT podem ser utilizados para identificar a localização e o tipo de lesão desconhecido. Desta forma, o objetivo principal desta tese consistiu no desenvolvimento de um método de detecção automático para identificar a localização e tipos de lesão sem a interferência de um radiologista. A tese apresentada reflecte os métodos, resultados e conclusões de uma ferramenta de detecção automática que realça potenciais regiões para a localização e classificação do tumor. Esta ferramenta foi desenvolvida com base no desenvolvimento de múltiplas métricas de contraste. Para tal, recorreu-se em primeira análise, a dados provenientes de uma amostra de 126 mamas, dos quais 60 são consideradas mamas anormais (com tumor) e 66 normais (sem tumor). Posteriormente, utilizou-se modelos digitais da mama (fantomas) de modo a simular diferentes tamanhos e tipos de tumor. De modo geral, as etapas chave para o desenvolvimento deste trabalho foram as seguintes: 1. Implementação de uma grelha que define as localizações do tumor; 2. Desenvolvimento de múltiplas métricas para casos malignos, benignos e normais; 3. Verificação e validação das métricas utilizando dados provenientes de uma amostra de pacientes e de modelos digitais da mama; 4. As métricas de contraste foram combinadas de modo a localizar o tumor; 5. As métricas foram utilizadas para confirmar a natureza do tumor. Os resultados obtidos mostraram que as métricas de contraste definidas, permitem identificar a região onde as propriedades ópticas têm uma alteração significativa de contraste e consequentemente permitem localizar o tumor. No entanto, esses resultados variam consoante a natureza do tumor. Assim, lesões malignas causam um contraste positivo, contrariamente às lesões benignas, cujo contraste é negativo. As métricas de contraste designadas por M1, M2, 2 e M3 são eficazes para a localização de tumores malignos, enquanto que as métricas de contraste B1, 2 e B2 são eficazes para identificar a localização de tumores benignos. De modo a tornar a localização do tumor mais robusta, recorreu-se a análise de duas propriedades óticas, à concentração de hemoglobina total (HbT ) e ao coeficiente de dispersão reduzido (_0s) para lesões malignas. Do mesmo modo para as lesões benignas, no entanto em vez do coeficiente de dispersão reduzido, considerou-se a saturação de oxigénio (So2). A partir da combinação de múltiplas métricas foi desenvolvida uma ferramenta que permite localizar e classificar o tumor. Este método permite classificar a mama como normal ou não. No caso de a mama ser classificada como anormal, o método aponta no mínimo duas regiões "suspeitas" para a localização do tumor dependendo da natureza do tumor. Assim, este método resulta numa imagem de raio-x com duas localizações: 1) região "suspeita" para tumor maligno; e 2) região "suspeita" para tumor benigno. A aplicação deste método na amostra de 126 mamas apresentou uma taxa de sucesso de cerca de 82%, porém considerando-se apenas as lesões benignas foi observado que em metade da amostra, o método falhou na localização do tumor. Uma das desvantagens deste método, é que a decisão final continua a ser dependente do doctor/radiologista. Os resultados são de interesse para a comunidade científica, principalmente grupos de investigação na área de imagiologia ótica. Este estudo revela que recorrendo ao método de localização e classificação do tumor é possível localizar de modo preciso o tumor. Este método merece investigação futura, no que diz respeito à sua aplicação em meio clínico como o sistema de apoio computorizado ao diagnóstico (do inglês, Computer Aided Detection, CAD), permitindo auxiliar o médico/radiologista a detectar lesões durante a leitura da imagem. Este trabalho poderá vir a encorajar estudos futuros de modo a otimizar o algoritmo. Para tal, é fundamental a análise da influência do tamanho do tumor e da fatia (do inglês, slice) da imagem reconstruída considerada; seria igualmente importante aumentar consideravelmente o número de pacientes em estudo, de forma a validar e metodologia implementada; e por fim, o desenvolvimento de um método capaz de distinguir um tumor benigno de um maligno seria um fator chave.Diffuse optical tomography (DOT) is a diagnostic tool that relies on functional processes for contrast. This technique provides several unique measurable parameters with the potential to enhance breast tumor sensitivity and specificity. DOT utilizes non-ionizing radiation and it is non-invasive. Several groups have begun incorporating DOT with other imaging modalities. This approach can potentially overcome the resolution limitation problem by using spatial information provided by other imaging modalities. In this sense, a co-registered DOT with 3D X-ray mammography (also known as tomosynthesis) has been developed at Massachusetts General Hospital in order to utilize anatomical information as a structural prior. Literature reveals that the compositional-prior-guided reconstruction algorithm is sensitive to false priors on tumor location. So far, most clinical research of either standalone or multi-modal DOT breast imaging system have been focusing on characterizing known tumors. It has not been shown that, DOT based imaging methods can be used to identify the location, and type of an unknown lesion. So, the purpose of this work is the development of a computer aided detection (CAD) method to automatically identify the location and types of an unknown lesion without interference from a radiologist. In this thesis, to reconstruct the images was used the compositional prior guided reconstruction algorithm considering 2-composition prior (adipose and fibroglandular tissues) and 3-composition prior (adipose, fibroglandular and tumor tissues), which depends of the tumor location. The tumor contrast from those results were investigated using quantitative contrast metrics. The development of the tumor contrast metrics was based on the measurements from a set of 126 breasts (66 normal and 60 abnormal) using the DOT/X-ray breast imaging system. Furthermore, the validation of the algorithm was provided using phatoms to systematically evaluate the impact of lesion sizes, contrasts and tissue background on the recovery of breast tumors. The results show that, the tumor contrast metrics can find a region where the optical properties have a significant increase or decrease depending of the tumor type. Moreover, the optical properties to obtain reliable contrast metrics in a malignant lesion are the total hemoglobin concentration (HbT ) and the reduced scattering coefficient ( 0s), and for a benign lesion are HbT and the oxygen saturation (So2). In respect to the automatic tumor location and classification method, the retrieved information is capable of diagnosing the breast, as normal or not. In an abnormal case, our algorithm can potentially pinpoint the "suspicious" regions for the location of the tumor. The application of this method in the set of 126 breasts had a success rate of 82%. However, considering only the benign lesions was observed that in half of the sample, the algorithm failed. These promising results could be used to provide more knowledge regarding the tumor location. Moreover, combining this results with further investigation and optimization they would be useful to achieve a tool that automatically gives precise "suspicious" regions for the tumor location to the doctor during the image reading.Fang, QianqianMatela, Nuno Miguel de Pinto Lobo e,1978-Repositório da Universidade de LisboaInácio, Dora Carina Freitas2016-03-15T15:32:47Z201620152016-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10451/23042TID:201234815enginfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-11-08T16:10:49Zoai:repositorio.ul.pt:10451/23042Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T21:40:31.820278Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Automatically finding tumors using structural-prior guided optical tomography
title Automatically finding tumors using structural-prior guided optical tomography
spellingShingle Automatically finding tumors using structural-prior guided optical tomography
Inácio, Dora Carina Freitas
Absorção
Dispersão
Métricas
Reconstrução de imagem
Tomografia óptica difusa
Teses de mestrado - 2015
Domínio/Área Científica::Ciências Médicas::Biotecnologia Médica
title_short Automatically finding tumors using structural-prior guided optical tomography
title_full Automatically finding tumors using structural-prior guided optical tomography
title_fullStr Automatically finding tumors using structural-prior guided optical tomography
title_full_unstemmed Automatically finding tumors using structural-prior guided optical tomography
title_sort Automatically finding tumors using structural-prior guided optical tomography
author Inácio, Dora Carina Freitas
author_facet Inácio, Dora Carina Freitas
author_role author
dc.contributor.none.fl_str_mv Fang, Qianqian
Matela, Nuno Miguel de Pinto Lobo e,1978-
Repositório da Universidade de Lisboa
dc.contributor.author.fl_str_mv Inácio, Dora Carina Freitas
dc.subject.por.fl_str_mv Absorção
Dispersão
Métricas
Reconstrução de imagem
Tomografia óptica difusa
Teses de mestrado - 2015
Domínio/Área Científica::Ciências Médicas::Biotecnologia Médica
topic Absorção
Dispersão
Métricas
Reconstrução de imagem
Tomografia óptica difusa
Teses de mestrado - 2015
Domínio/Área Científica::Ciências Médicas::Biotecnologia Médica
description Tese de mestrado integrado em Engenharia Biomédica e Biofísica, apresentada à Universidade de Lisboa, através da Faculdade de Ciências, 2015
publishDate 2015
dc.date.none.fl_str_mv 2015
2016-03-15T15:32:47Z
2016
2016-01-01T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10451/23042
TID:201234815
url http://hdl.handle.net/10451/23042
identifier_str_mv TID:201234815
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799134314923819008

Registros relacionados