För närvarande utforskas quantum walk som en potentiell metod för att analysera medicinska bilder. Med inspiration från Gradys random walk-algoritm för bildbehandling har vi utvecklat en metod som bygger på de kvantmekaniska fördelar som quantum walk innehar för att detektera och segmentera medicinska bilder. Vidare har de segmenterade bilderna utvärderats utifrån klinisk relevans. Teoretiskt sett kan quantum walk-algoritmer erbjuda en mer effektiv metod för bildanalys inom medicin jämfört med traditionella metoder för bildsegmentering som exempelvis klassisk random walk, som inte bygger på kvantmekanik. Inom området finns omfattande potential för utveckling, och det är av yttersta vikt att fortsätta utforska och förbättra metoder. För närvarande kan det konstateras att det är en lång väg att vandra innan detta är något som kan appliceras i en klinisk miljö. / Currently, quantum walk is being explored as a potential method for analyzing medical images. Taking inspiration from Grady's random walk algorithm for image processing, we have developed an approach that leverages the quantum mechanical advantages inherent in quantum walk to detect and segment medical images. Furthermore, the segmented images have been evaluated in terms of clinical relevance. Theoretically, quantum walk algorithms have the potential to offer a more efficient method for medical image analysis compared to traditional methods of image segmentation, such as classical random walk, which do not rely on quantum mechanics. Within this field, there is significant potential for development, and it is of utmost importance to continue exploring and refining these methods. However, it should be noted that there is a long way to go before this becomes something that can be applied in a clinical environment.

Antal datortomografiundersökningar har ökat under flera år i Sverige tack vare tekniska utvecklingar och ökad tillgänglighet på sjukvård. Södertälje sjukhus röntgenavdelningen är i behov av att byta ut en utdaterad datortomograf (eng: Computed tomography, CT) och avdelningen för medicinsk teknik har föreslagit ett inköp av en CT med fotonräknande-detektor. Bilddata framställdes genom en fantomstudie för att påvisa förhållandet mellanstråldosparametern CTDIvol och kontrast-brus-förhållandet (CNR) hos CT-systemen: SOMATOM Drive och NAEOTOM Alpha. Den genererade datan påvisade att det finns en väsentlig skillnad i CNR-CTDIvol-förhållandet mellan SOMATOM Drive och NAEOTOM Alpha. Resultaten tydliggör att NAEOTOM Alpha kan producera bilder med betydligt mindre brus vid lägre stråldoser. Ett inköp av en fotonräknande detektor CT skulle kunna rättfärdigas utifrån bildkvalitéförbättringen som systemet kan erbjuda. / The number of computed tomography (CT) scans has increased during the past years in Sweden due to technical advancements and increased availability of healthcare. The x-ray department at Södertälje hospital is in need of replacing an outdated computed tomography and the departmentof clinical engineering has proposed a purchase of a photon-counting detector CT. Image data was produced through a phantom study to demonstrate the relationship between the parameter CTDIvol radiation dose and the contrast-to-noise ratio (CNR) of the CT systems: SOMATOM Drive and NAEOTOM Alpha. The generated data demonstrated that there is a substantial difference in the CNR-CTDIvol relationship between SOMATOM Drive and NAEOTOM Alpha. The results entail that NAEOTOM Alpha can produce images with considerably less noise at lower radiation doses. The purchase of a photon-counting CT could be justified by the improved image quality it can offer.

Today, movement measurements are made manually in healthcare using a goniometer. The measurements are often time-consuming and specially trained practitioners are needed, furthermore the readings are dependent on the practitioner's eye measurements. New technology has been introduced to make the same measurements using external sensors which have the disadvantage that they can be costly and space consuming. Recently, depth camera technology has introduced an alternative solution to make it more efficient for both patients and practitioners. The purpose of this study is to investigate whether Apple depth camera technology can replace current technology by being able to perform motion measurements with only one Ipad/Iphone with a built-in depth camera. For this, a prototype has been developed to be able to automatically calculate medically relevant angles by filming a person. Various motion measurements have been performed and the measurement results have been analysed. Apple depth camera has high precision in the measured values. However, a larger study needs to be performed in order to be able to determine whether Apple's depth camera could replace current technology. / Idag görs rörelsemätningar manuellt i vården med hjälp av en goniometer. Mätningarna är ofta tidskrävande och kräver utbildade utövare samt är beroende av utövarens ögonmått. Det har introducerats ny teknik för att göra samma mätningar med hjälp av externa sensorer, vilket har nackdelen att de kan vara kostsamma och utrymmeskrävande. På senare tid har djupkameratekniken introducerats som en alternativ lösning för att effektivisera för både patienter och vårdpersonal. Syftet med den här studien är att undersöka om Apples djupkamerateknik kan ersätta nuvarande teknik genom att kunna utföra rörelsemätningar med endast en Ipad/Iphone med inbyggd djupkamera. För detta har en prototyp utvecklats för att automatiskt kunna beräkna medicinskt relevanta vinklar genom att filma en person. Olika rörelsemätningar har sedan utförts och mätresultaten har analyserats. Resultaten av analysen visar att Apples djupkamera har hög precision i mätvärdena. Dock behöver en större undersökning utföras för att kunna konstatera om Apples djupkamera helt skulle kunna ersätta nuvarande teknik.

Idag görs rörelsemätningar manuellt i vården med hjälp av en goniometer. Mätningarna är ofta tidskrävande och kräver utbildade utövare samt är beroende av utövarens ögonmått. Det har introducerats ny teknik för att göra samma mätningar med hjälp av externa sensorer, vilket har nackdelen att de kan vara kostsamma och utrymmeskrävande. På senare tid har djupkameratekniken introducerats som en alternativ lösning för att effektivisera för både patienter och vårdpersonal. Syftet med den här studien är att undersöka om Apples djupkamerateknik kan ersätta nuvarande teknik genom att kunna utföra rörelsemätningar med endast en Ipad/Iphone med inbyggd djupkamera. För detta har en prototyp utvecklats för att automatiskt kunna beräkna medicinskt relevanta vinklar genom att filma en person. Olika rörelsemätningar har sedan utförts och mätresultaten har analyserats. Resultaten av analysen visar att Apples djupkamera har hög precision i mätvärdena. Dock behöver en större undersökning utföras för att kunna konstatera om Apples djupkamera helt skulle kunna ersätta nuvarande teknik. / Today, movement measurements are made manually in healthcare using a goniometer. The measurements are often time-consuming and specially trained practitioners are needed, furthermore the readings are dependent on the practitioner's eye measurements. New technology has been introduced to make the same measurements using external sensors which have the disadvantage that they can be costly and space consuming. Recently, depth camera technology has introduced an alternative solution to make it more efficient for both patients and practitioners. The purpose of this study is to investigate whether Apple depth camera technology can replace current technology by being able to perform motion measurements with only one Ipad/Iphone with a built-in depth camera. For this, a prototype has been developed to be able to automatically calculate medically relevant angles by filming a person. Various motion measurements have been performed and the measurement results have been analysed. Apple depth camera has high precision in the measured values. However, a larger study needs to be performed in order to be able to determine whether Apple's depth camera could replace current technology.

Gene editing techniques have been emerging rapidly through the years, and with this trend comes the great responsibility of making sure the edits are correct. One way to safeguard against mistakes in the edits is to measure gene editing efficiency. Countagen’s GeneAbacus does just that, it calculates the gene editing efficiency of CRISPR edits. A key aspect of the GeneAbacus workflow involves quantifying DNA microballs captured in fluorescence microscopy images. This thesis delves into novel image analysis pipelines aimed at optimizing this task. Six image processing techniques (Maximum Intensity Projection (MIP), white top hat transform, Contrast Limited Adaptive Histogram Equalisation (CLAHE), edge enhancement filter, Gaussian Blur, and unsharp masking) along with two object segmentation models (Segment Anything (SAM) and SAM for Microscopy (MicroSAM)) were implemented. They underwent evaluation in two stages: first, through an ablation study of the preprocessing techniques, and then by computing R2 values and log-log plot slopes on different datasets. The evaluation resulted in the selection of MicroSAM with white top hat transform, Gaussian blur and unsharp masking, yielding an average slope value of 0.698 and an average R2 value of 0.8724. / Genredigeringstekniker har vuxit fram snabbt genom åren, och med denna trend följer det stora ansvaret att se till att redigeringarna är korrekta. Ett sätt att skydda sig mot misstag i redigeringarna är att mäta effektiviteten i genredigering. Countagens GeneAbacus gör just det, den beräknar genredigeringseffektiviteten för CRISPR-redigeringar. En nyckelaspekt av GeneAbacus arbetsflöde involverar kvantifiering av DNA-mikrobollar som fångats i fluorescensmikroskopibilder. Detta examensarbete fördjupar sig i nya bildanalyspipelines som syftar till att optimera denna uppgift. Sex bildbehandlingstekniker (Maximum Intensity Projection (MIP), white top hat transform, CLAHE, edge enhancement filter, Gaussian Blur och osharp maskning) tillsammans med två objektsegmenteringsmodeller (Segment Anything (SAM) och SAM for Microscopy (MicroSAM)) implementerades. De genomgick utvärdering i två steg: först genom en ablationsstudie av förbehandlingsteknikerna och sedan genom att beräkna R2 värden och log-log-plottlutningar på olika datamängder. Utvärderingen resulterade i valet av MicroSAM med en white top hat transform, Gaussian Blur och osharp maskning, vilket gav ett genomsnittligt lutningvärde på 0,698 och ett genomsnittligt värde på R2 på 0,8724.

Magnetic resonance imaging (MRI) utilizes the magnetic properties of tissues to generate image-forming signals. MRI has exquisite soft-tissue contrast and since tumors are mainly soft-tissues, it offers improved delineation of the target volume and nearby organs at risk. The proposed Magnetic Resonance-only Radiotherapy (MR-only RT) work flow allows for the use of MRI as the sole imaging modality in the radiotherapy (RT) treatment planning of cancer. There are, however, issues with geometric distortions inherent with MR image acquisition processes. These distortions result from imperfections in the main magnetic field, nonlinear gradients, as well as field disturbances introduced by the imaged object. In this thesis, we quantified the effect of system related and patient-induced susceptibility geometric distortions on dose distributions for prostate as well as head and neck cancers. Methods to mitigate these distortions were also studied. In Study I, mean worst system related residual distortions of 3.19, 2.52 and 2.08 mm at bandwidths (BW) of 122, 244 and 488 Hz/pixel up to a radial distance of 25 cm from a 3T PET/MR scanner was measured with a large field of view (FoV) phantom. Subsequently, we estimated maximum shifts of 5.8, 2.9 and 1.5 mm due to patient-induced susceptibility distortions. VMAT-optimized treatment plans initially performed on distorted CT (dCT) images and recalculated on real CT datasets resulted in a dose difference of less than 0.5%.  The magnetic susceptibility differences at tissue-metallic,-air and -bone interfaces result in local B0 magnetic field inhomogeneities. The distortion shifts caused by these field inhomogeneities can be reduced by shimming.  Study II aimed to investigate the use of shimming to improve the homogeneity of local  B0 magnetic field which will be beneficial for radiotherapy applications. A shimming simulation based on spherical harmonics modeling was developed. The spinal cord, an organ at risk is surrounded by bone and in close proximity to the lungs may have high susceptibility differences. In this region, mean pixel shifts caused by local B0 field inhomogeneities were reduced from 3.47±1.22 mm to 1.35±0.44 mm and 0.99±0.30 mm using first and second order shimming respectively. This was for a bandwidth of 122 Hz/pixel and an in-plane voxel size of 1×1 mm2.  Also examined in Study II as in Study I was the dosimetric effect of geometric distortions on 21 Head and Neck cancer treatment plans. The dose difference in D50 at the PTV between distorted CT and real CT plans was less than 1.0%. In conclusion, the effect of MR geometric distortions on dose plans was small. Generally, we found patient-induced susceptibility distortions were larger compared with residual system distortions at all delineated structures except the external contour. This information will be relevant when setting margins for treatment volumes and organs at risk.   The current practice of characterizing MR geometric distortions utilizing spatial accuracy phantoms alone may not be enough for an MR-only radiotherapy workflow. Therefore, measures to mitigate patient-induced susceptibility effects in clinical practice such as patient-specific correction algorithms are needed to complement existing distortion reduction methods such as high acquisition bandwidth and shimming.

Glaucoma, a leading cause of blindness worldwide, results in gradual vision loss if untreated due to retinal ganglion cell degeneration. Optical coherence tomography (OCT) machine measures retinal nerve fiber layers and the optic nerve head (ONH), with Považay et al. introducing the Pigment Epithelium – Inner limit of the retina Minimal Distance Averaged Over 2π Radians (PIMD-2π) for quantifying nerve fiber cross-sections. PIMD, defined as the distance between the Optic nerve head Pigment epithelium Central Limit (OPCL) and the Inner limit of the Retina Closest Point (IRCP), shows promise for earlier glaucoma detection compared to visual field assessments. The objective of this research is to enhance the Auto-PIMD program for calculating PIMD lengths in OCT images, aiding healthcare professionals in diagnosing glaucoma. Originally based on the 2D U-Net framework, this study proposes a replacement of the deep learning model framework and introduces a novel experimental procedure aimed at refining the accuracy of OPCLs calculation. Leveraging the nnU-Net model, commonly employed for semantic segmentation in medical imaging, the computational process entails segmenting vitreous masks and OPCLs. Utilizing a dataset of 78 OCT images provided by Uppsala University, experiments were conducted in both cylindrical domain (using 2D U-Net and nnU-Net cylindrical architecture) and Cartesian domain (nnU-Net Cartesian architecture). Qualitative and graphical analysis of the obtained OPCLs coordinate points demonstrates the nnU-Net frameworks' ability to yield points close to true voxel values(mean Euclidean distance of nnU-Net cylindrical architecture: 1.665; mean Euclidean distance of nnU-Net Cartesian architecture: 2.4495), contrasting with the higher uncertainties of the 2D U-Net architecture(mean Euclidean distance: 10.6827). Moreover, the nnU-Net Cartesian architecture eliminates human bias stemming from manual ONH center selection for cylindrical coordinate expansion. Examination of PIMD length calculations reveals all three methods effectively distinguishing between glaucoma patients and healthy subjects, with the nnU-Net-based methods displaying greater stability. This study contributes to refining OPCLs coordinate point accuracy and underscores the potential of the Auto-PIMD program in glaucoma diagnosis. / Glaukom, som är en av de främsta orsakerna till blindhet i världen, leder till gradvis synförlust om det inte behandlas på grund av degeneration av ganglieceller i näthinnan. Med optisk koherenstomografi (OCT) mäts nervfiberlagren i näthinnan och synnervshuvudet (ONH), och Považay et al. introducerade Pigmentepitel - Näthinnans inre gräns Minimal Distance Averaged Over 2π Radians (PIMD-2π) för att kvantifiera tvärsnitt av nervfibrer. PIMD, definierat som avståndet mellan den centrala gränsen (OPCL) för optikusnervhuvudets pigmentepitel och den inre gränsen för näthinnans närmaste punkt (IRCP), visar lovande resultat för tidigare upptäckt av glaukom jämfört med synfältsbedömningar. Syftet med denna forskning är att förbättra Auto-PIMD-programmet för beräkning av PIMD-längder i OCT-bilder, vilket hjälper vårdpersonal att diagnostisera glaukom. Denna studie, som ursprungligen baserades på 2D U-Net-ramverket, föreslår en ersättning av ramverket för djupinlärningsmodellen och introducerar ett nytt experimentellt förfarande som syftar till att förfina noggrannheten i OPCL-beräkningen. Med hjälp av nnU-Net-modellen, som ofta används för semantisk segmentering inom medicinsk bildbehandling, innebär beräkningsprocessen segmentering av glaskroppsmasker och OPCL. Med hjälp av ett dataset med 78 OCT-bilder från Uppsala universitet genomfördes experiment i både cylindrical domän (med 2D U-Net och nnU-Net cylindrical arkitektur) och kartesisk domän (nnU-Net kartesisk arkitektur). Kvalitativ och grafisk analys av de erhållna OPCL-koordinatpunkterna visar att nnU-Net-ramverken kan ge punkter som ligger nära sanna värden(genomsnittligt euklidiskt avstånd för nnU-Nets polära arkitektur: 1,665; genomsnittligt euklidiskt avstånd för nnU-Net kartesisk arkitektur: 2,4495), i motsats till de högre osäkerheterna i 2D U-Net-arkitekturen(genomsnittligt euklidiskt avstånd: 10,6827). Dessutom eliminerar den kartesiska arkitekturen i nnU-Net mänsklig partiskhet som härrör från manuellt val av ONH-centrum för polär koordinatexpansion. Granskning av PIMD-längdsberäkningar visar att alla tre metoderna effektivt skiljer mellan glaukompatienter och friska försökspersoner, där de nnU-Net-baserade metoderna uppvisar större stabilitet. Denna studie bidrar till att förbättra noggrannheten i OPCL:s koordinatpunkter och understryker potentialen i Auto-PIMD-programmet vid glaukomdiagnos.

L'utilisation d'Assistance Circulatoire Mécanique (ACM) augmente dans le cas d'insuffisance cardiaque terminale ne répondant pas aux traitements médicaux. Dans ce contexte nous avons: 1) présenté une vue d'ensemble des problématiques cliniques, 2) élaboré une nouvelle approche de planification assistée par ordinateur pour l'implantation d'ACM, 3) implémenté un modèle CFD pour comprendre l'hémodynamique ventriculaire induite par la canule apicale. Afin de diminuer les complications, des critères quantitatifs optimisant la décharge ventriculaire pourraient être déterminés par CFD. La planification fournirait des informations permettant de choisir le dispositif et adapter la stratégie clinique. / Mechanical Circulatory Support (MCS) therapy is increasingly considered for patients with advanced heart failure unresponsive to optimal medical treatments. In this context, we: 1) presented an overview of clinical issues raised by MCS implantation, 2) designed a novel computer-assisted approach for planning the implantation, 3) implemented a CFD model to understand the ventricle hemodynamics induced by the inflow cannula pose. With the aim of decreasing complications and morbidity, quantitative criteria for optimizing ventricle unloading could be determined through CFD, and the planning approach may provide valuable information for choosing the device and adapting the clinical strategy.

Les broncho-pneumopathies chroniques obstructives (BPCO) constituent un groupe de maladies des poumons caractérisées par le blocage du passage de l’air, rendant la respiration de plus en plus difficile. L’emphysème et la bronchite chronique sont les deux principales affections parmi les BPCO, mais les BPCO peuvent également être provoquées par les dégâts causés par des bronchites chroniques asthmatiques. L’emphysème pulmonaire est une maladie pulmonaire caractérisée par l’élargissement des espaces aériens distaux en amont des bronchioles terminales non respiratoires, accompagné de la destruction des parois alvéolaires. Ces modifications du parenchyme pulmonaire sont pathognomoniques de l’emphysème. La bronchite chronique est une forme de bronchite caractérisée par une production excessive d’expectoration, entraînant l’apparition d’une toux chronique et l’obstruction des voies respiratoires. Dans toutes ces affections, les dégâts causés aux voies respiratoires finissent par affecter les échanges gazeux dans les poumons. L’emphysème est généralement diagnostiqué de façon indirecte, sur la base d’un examen clinique, d’explorations de la fonction respiratoire (EFR), et d’une évaluation visuelle subjective des scanners des tomodensitogrammes. Ces tests présentent une valeur limitée dans les cas d’emphysème léger ou modéré. La présente étude aborde la possibilité d’appliquer une démarche d’analyse non linéaire à la répartition de la densité de l’air au sein de l’arbre des voies respiratoires des poumons à un quelconque niveau des ramifications. Les images sources de tomodensitométrie (TDM) du poumon sont traitées en deux phases, afin de produire un coefficient fractal de répartition de la densité de l’air. Au cours de la première phase, les valeurs brutes de pixel des images sources correspondant à toutes les densités d’air possibles sont traitées par un outil logiciel, mis au point pour construire une image cible. On y parvient par suppression en cascade des éléments indésirables (SCEI) : une étape de prétraitement dans l’analyse de l’image source. Celle-ci permet d’identifier les valeurs de densité d’air au sein de l’arbre des voies respiratoires, tout en éliminant toutes les valeurs non relatives à la densité de l’air. La seconde phase consiste en une réduction itérative de la résolution (RIR). Chaque réduction de la résolution produit un nouvel histogramme. Chaque histogramme ainsi produit comporte un certain nombre de pics, chacun d’entre eux correspondant à un ensemble de densités d’air. La courbe mettant en relation chaque réduction de la résolution avec le nombre de pics correspondant, obtenus à la résolution concernée, est tracée. Ceci permet de calculer la dimension fractale par une régression linéaire sur un graphique log – log. / Chronic Obstructive Pulmonary Disease (COPD) refers to a group of lung diseases that block airflow and make it increasingly difficult for you to breathe. Emphysema and chronic bronchitis are the two main conditions that make up COPD, but COPD can also refer to damage caused by chronic asthmatic bronchitis. Pulmonary emphysema is defined as a lung disease characterized by “abnormal enlargement of the air spaces distal to the terminal, non-respiratory bronchiole, accompanied by destructive changes of the alveolar walls”. These lung parenchymal changes are pathognomonic for emphysema. Chronic bronchitis is a form of bronchitis characterized by excess production of sputum leading to a chronic cough and obstruction of air flow. In all cases, damage to your airways eventually interferes with the exchange of oxygen and carbon dioxide in your lungs. Habitual techniques of emphysema’s diagnosis are based on indirect features, such as clinical examination; Pulmonary Function Tests (PFT) and subjective visual evaluation of CT scans. These tests are of limited value in assessing mild to moderate emphysema. The presented work discusses the possibility of applying a nonlinear analysis approach on air density distribution within lung airways tree at any level of branching. Computed Tomography (CT) source images of the lung are subjected to two phases of treatment in order to produce a fractal coefficient of the air density distribution. In the first phase, raw pixel values from source images, corresponding to all possible air densities, are processed by a software tool, developed in order to, construct a product image. This is done through Cascading Elimination of Unwanted Elements (CEUE): a preprocessing analysis step of the source image. It identifies values of air density within the airways tree, while eliminating all non-air-density values. Then, during the second phase, in an iterative manner, a process of Resolution Diminution Iterations (RDI) takes place. Every resolution reduction produces a new resultant histogram. A resultant histogram is composed of a number of peaks, each of which corresponding to a cluster of air densities. A curve is plotted for each resolution reduction versus the number of peaks counted at this particular resolution. It permits the calculation of the fractal dimension from the regression slope of log-log power law plot.

Magnetic Resonance Imaging, Computed Tomography, and other image modalities are routinely used to visualize a particular structure in the patient's body. The classification of the image region corresponding to this structure is called segmentation. For applications in Neuroscience, it is important for the segmentation of a brain scan to represent the boundary of the brain as a folded surface with no holes. However the segmentation of the brain generally exhibits many erroneous holes. Consequently we have developed an algorithm for automatically correcting holes in segmented medical scans while preserving the accuracy of the segmentation. Upon concepts of Discrete Topology, we remove the holes based on the smallest modification to the image. First we detect each hole with a front propagation and a Reeb graph. Then we search for a number of loops around the hole on the isosurface of the image. Finally we correct the hole in the image using the loop that minimizes the modification to the image. At each step we limit the size of the data in memory. With these contributions our algorithm removes every hole in the image with high accuracy and low complexity even for images too large to fit into the main memory. To help doctors and scientists to obtain segmentations without holes, we have made our software publicly available at http://www.OpenTopology.org. / Les images par Résonance Magnétique, la Tomographie par Rayons X et les autres modalités d'imagerie médicale sont utilisées quotidiennement pour visualiser une structure particulière dans le corps du patient. La classification de la région de l'image qui correspond à cette structure s'appelle la segmentation. Pour des applications en Neuroscience, il est important que la segmentation d'une image du cerveau représente la surface extérieure du cerveau comme une surface pliée sans trous. Cependant la segmentation du cerveau présente généralement de nombreux trous. Par conséquent, nous avons développé un algorithme pour corriger automatiquement les trous dans les images médicales segmentées tout en préservant la précision de la segmentation. Sur des concepts de Topologie Discrète, nous enlevons les trous en fonction de la plus petite modification apportée à l'image. D'abord nous détectons chaque trou avec un certain nombre de boucles autour du trou sur l'isosurface de l'image. Finalement nous corrigeons le trou dans l'image en utilisant la boucle qui minimise la modification de l'image. A chaque étape, nous limitons la taille des données en mémoire. Grâce à ces contributions notre algorithme enlève tous les trous dans l'image avec une grande précision et une faible complexité même pour des images trop grandes pour tenir dans la mémoire de l'ordinateur. Pour aider les médecins et les chercheurs à obtenir des segmentations sans trous, nous avons rendu notre logiciel disponible publiquement à http://www.OpenTopology.org.