{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:2923714"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:2923714","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Standardization of texture analysis using IQ phantom under preclinical PET imaging","abstract":"Τα Radiomics αποτελούν έναν νέο ανερχόμενο κλάδο, υποστηρίζοντας ότι υπάρχει πολλή περισσότερη πληροφορία στην ιατρική εικόνα από ότι το “γυμνό” (ανθρώπινο) μάτι μπορεί να αντιληφθεί και πρέπει με κάποιο τρόπο να εξαχθεί. Ιατρικές εικόνες προερχόμενες από οποιαδήποτε μέθοδο απεικόνισης ( π.χ. τομογραφία εκπομπής ποζιτρονίων (PET), αξονική τομογραφία (CT), υπερήχους (US), μαγνητική τομογραφία (MR)) αποτελούν καλούς υποψηφίους. Ωστόσο, ακόμα απαιτείται αρκετή έρευνα προκειμένου να προσδιοριστούν αυτά τα χαρακτηριστικά υφής, που πρώτον, κάτω από συγκεκριμένες συνθήκες μπορούν να θεωρηθούν αξιόπιστα, και δεύτερον, μπορούν να συσχετιστούν με συγκεκριμένα βιολογικά χαρακτηριστικά ή διεργασίες. Τα Radiomics αποσκοπούν στον προσδιορισμό αυτών των χαρακτηριστικών υφής και τη χρήση αυτών στη διάγνωση, πρόγνωση και αξιολόγηση της θεραπείας (theranostics). Στη συγκεκριμένη έρευνα, εξετάζουμε, υπό προκλινικές συνθήκες, την επιρροή του bin size (συνολικού αριθμού των εντάσεων των grey levels) στον υπολογισμό των χαρακτηριστικών υφής, καθώς και στην αναπαραγωγιμότητά, επαναληψιμότητά και αξιοπιστία τους (κάτω από συγκεκριμένες συνθήκες, τόσο όσον αφορά τα πρωτόκολλα ανακατασκευής της εικόνας όσο και τους χρόνους λήψης της εικόνας) χρησιμοποιώντας ένα ομοίωμα ποιότητας εικόνας τύπου NEMA NU 4-2008. Για τη λήψη των εικόνων PET, χρησιμοποιήθηκε ένας PET/CT τομογράφος για μικρά ζώα (Mediso nanoScan®PC (PET8/2)). Το LIFEx έκδοση 6.20 (ένα ανοιχτής-πηγής πρόγραμμα ιατρικής ανάλυσης) χρησιμοποιήθηκε για την ανάλυση των εικόνων PET και την εξαγωγή των χαρακτηριστικών υφής (Πρώτης-Τάξεως χαρακτηριστικά, Δευτέρας-Τάξεως χαρακτηριστικά, Ανωτέρας-Τάξεως χαρακτηριστικά). Η αξιολόγηση των χαρακτηριστικών υφής έγινε με στατιστική ανάλυση (διαφορά ποσοστών (PD), συντελεστής μεταβλητότητας (COV), συντελεστής συσχέτισης τάξης (ICC), συντελεστής συσχέτισης κατάταξης Spearman (SPCC), ανάλυση μονής κατεύθυνσης της διακύμανσης (one-way ANOVA) και δοκιμασία ελάχιστης σημασίας (LSD)). Μετά την αξιολόγηση των εικόνων από το ομοίωμα ποιότητας εικόνας, πραγματοποιήθηκε μια προκαταρκτική έρευνα χρησιμοποιώντας εικόνες PET τόσο από ποντίκια που είχαν δεχθεί θεραπεία (θεραπευμένα) όσο κι από ποντίκια που δεν δέχθηκαν (μη-θεραπευμένα). Τα περισσότερα χαρακτηριστικά υφής έδειξαν χαμηλή έως καθόλου σταθερότητα κι υψηλό βαθμό μεταβλητότητας, καθιστώντας τα κακούς υποψηφίους ως πιθανοί βιοδείκτες. Ένας περιορισμένος αριθμός χαρακτηριστικών υφής είχε καλή επίδοση σε όλες τις στατιστικές δοκιμασίες (Histogram Skewness, Kurtosis και Excess Kurtosis, GLCM Correlation και NGLDM Coarseness), ενώ ακόμα λιγότερα (Histogram Skewness και GLCM Correlation) μπόρεσαν να παρέχουν, ταυτόχρονα, χρήσιμη πληροφορία για τη διάκριση των θεραπευμένων από των μη-θεραπευμένων ποντικών. Επιπλέον, με βάση τα αποτελέσματα της εν λόγω έρευνας προτείνουμε ότι η σταθερότητα των χαρακτηριστικών υφής σχετίζεται άμεσα με τον συνολικό αριθμό των bins που ενυπάρχουν στην περιοχή ενδιαφέροντος (τα Πρώτης-Τάξεως και Δευτέρας-Τάξεως χαρακτηριστικά τείνουν να σταθεροποιούνται σε υψηλούς αριθμούς συνολικών bins, ενώ τα Ανωτέρας-Τάξεως χαρακτηριστικά σταθεροποιούνται σε χαμηλούς αριθμούς συνολικών bins).","abstract_html":"Τα Radiomics αποτελούν έναν νέο ανερχόμενο κλάδο, υποστηρίζοντας ότι υπάρχει πολλή περισσότερη πληροφορία στην ιατρική εικόνα από ότι το “γυμνό” (ανθρώπινο) μάτι μπορεί να αντιληφθεί και πρέπει με κάποιο τρόπο να εξαχθεί. Ιατρικές εικόνες προερχόμενες από οποιαδήποτε μέθοδο απεικόνισης ( π.χ. τομογραφία εκπομπής ποζιτρονίων (PET), αξονική τομογραφία (CT), υπερήχους (US), μαγνητική τομογραφία (MR)) αποτελούν καλούς υποψηφίους. Ωστόσο, ακόμα απαιτείται αρκετή έρευνα προκειμένου να προσδιοριστούν αυτά τα χαρακτηριστικά υφής, που πρώτον, κάτω από συγκεκριμένες συνθήκες μπορούν να θεωρηθούν αξιόπιστα, και δεύτερον, μπορούν να συσχετιστούν με συγκεκριμένα βιολογικά χαρακτηριστικά ή διεργασίες. Τα Radiomics αποσκοπούν στον προσδιορισμό αυτών των χαρακτηριστικών υφής και τη χρήση αυτών στη διάγνωση, πρόγνωση και αξιολόγηση της θεραπείας (theranostics). Στη συγκεκριμένη έρευνα, εξετάζουμε, υπό προκλινικές συνθήκες, την επιρροή του bin size (συνολικού αριθμού των εντάσεων των grey levels) στον υπολογισμό των χαρακτηριστικών υφής, καθώς και στην αναπαραγωγιμότητά, επαναληψιμότητά και αξιοπιστία τους (κάτω από συγκεκριμένες συνθήκες, τόσο όσον αφορά τα πρωτόκολλα ανακατασκευής της εικόνας όσο και τους χρόνους λήψης της εικόνας) χρησιμοποιώντας ένα ομοίωμα ποιότητας εικόνας τύπου NEMA NU 4-2008. Για τη λήψη των εικόνων PET, χρησιμοποιήθηκε ένας PET/CT τομογράφος για μικρά ζώα (Mediso nanoScan®PC (PET8/2)). Το LIFEx έκδοση 6.20 (ένα ανοιχτής-πηγής πρόγραμμα ιατρικής ανάλυσης) χρησιμοποιήθηκε για την ανάλυση των εικόνων PET και την εξαγωγή των χαρακτηριστικών υφής (Πρώτης-Τάξεως χαρακτηριστικά, Δευτέρας-Τάξεως χαρακτηριστικά, Ανωτέρας-Τάξεως χαρακτηριστικά). Η αξιολόγηση των χαρακτηριστικών υφής έγινε με στατιστική ανάλυση (διαφορά ποσοστών (PD), συντελεστής μεταβλητότητας (COV), συντελεστής συσχέτισης τάξης (ICC), συντελεστής συσχέτισης κατάταξης Spearman (SPCC), ανάλυση μονής κατεύθυνσης της διακύμανσης (one-way ANOVA) και δοκιμασία ελάχιστης σημασίας (LSD)). Μετά την αξιολόγηση των εικόνων από το ομοίωμα ποιότητας εικόνας, πραγματοποιήθηκε μια προκαταρκτική έρευνα χρησιμοποιώντας εικόνες PET τόσο από ποντίκια που είχαν δεχθεί θεραπεία (θεραπευμένα) όσο κι από ποντίκια που δεν δέχθηκαν (μη-θεραπευμένα). Τα περισσότερα χαρακτηριστικά υφής έδειξαν χαμηλή έως καθόλου σταθερότητα κι υψηλό βαθμό μεταβλητότητας, καθιστώντας τα κακούς υποψηφίους ως πιθανοί βιοδείκτες. Ένας περιορισμένος αριθμός χαρακτηριστικών υφής είχε καλή επίδοση σε όλες τις στατιστικές δοκιμασίες (Histogram Skewness, Kurtosis και Excess Kurtosis, GLCM Correlation και NGLDM Coarseness), ενώ ακόμα λιγότερα (Histogram Skewness και GLCM Correlation) μπόρεσαν να παρέχουν, ταυτόχρονα, χρήσιμη πληροφορία για τη διάκριση των θεραπευμένων από των μη-θεραπευμένων ποντικών. Επιπλέον, με βάση τα αποτελέσματα της εν λόγω έρευνας προτείνουμε ότι η σταθερότητα των χαρακτηριστικών υφής σχετίζεται άμεσα με τον συνολικό αριθμό των bins που ενυπάρχουν στην περιοχή ενδιαφέροντος (τα Πρώτης-Τάξεως και Δευτέρας-Τάξεως χαρακτηριστικά τείνουν να σταθεροποιούνται σε υψηλούς αριθμούς συνολικών bins, ενώ τα Ανωτέρας-Τάξεως χαρακτηριστικά σταθεροποιούνται σε χαμηλούς αριθμούς συνολικών bins).","abstract_has_math":false,"creators":["Λάζαρης Φοίβος-Σωκράτης","Lazaris Foivos-Sokratis"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2020,"date_issued":"2020","date_published":"2020","updated_at":"2026-11-19T05:39:59Z","subjects":["Επιστήμες Υγείας","Health Sciences"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2923714"],"render_values":[{"text":"uoadl:2923714","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2923714","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2923714","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A2923714","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Λάζαρης Φοίβος-Σωκράτης","Lazaris Foivos-Sokratis"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2020"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Επιστήμες Υγείας","Health Sciences"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2923714","https://pergamos.lib.uoa.gr/uoa/dl/object/2923714"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Τα Radiomics αποτελούν έναν νέο ανερχόμενο κλάδο, υποστηρίζοντας ότι υπάρχει πολλή περισσότερη πληροφορία στην ιατρική εικόνα από ότι το “γυμνό” (ανθρώπινο) μάτι μπορεί να αντιληφθεί και πρέπει με κάποιο τρόπο να εξαχθεί. Ιατρικές εικόνες προερχόμενες από οποιαδήποτε μέθοδο απεικόνισης ( π.χ. τομογραφία εκπομπής ποζιτρονίων (PET), αξονική τομογραφία (CT), υπερήχους (US), μαγνητική τομογραφία (MR)) αποτελούν καλούς υποψηφίους. Ωστόσο, ακόμα απαιτείται αρκετή έρευνα προκειμένου να προσδιοριστούν αυτά τα χαρακτηριστικά υφής, που πρώτον, κάτω από συγκεκριμένες συνθήκες μπορούν να θεωρηθούν αξιόπιστα, και δεύτερον, μπορούν να συσχετιστούν με συγκεκριμένα βιολογικά χαρακτηριστικά ή διεργασίες. Τα Radiomics αποσκοπούν στον προσδιορισμό αυτών των χαρακτηριστικών υφής και τη χρήση αυτών στη διάγνωση, πρόγνωση και αξιολόγηση της θεραπείας (theranostics). Στη συγκεκριμένη έρευνα, εξετάζουμε, υπό προκλινικές συνθήκες, την επιρροή του bin size (συνολικού αριθμού των εντάσεων των grey levels) στον υπολογισμό των χαρακτηριστικών υφής, καθώς και στην αναπαραγωγιμότητά, επαναληψιμότητά και αξιοπιστία τους (κάτω από συγκεκριμένες συνθήκες, τόσο όσον αφορά τα πρωτόκολλα ανακατασκευής της εικόνας όσο και τους χρόνους λήψης της εικόνας) χρησιμοποιώντας ένα ομοίωμα ποιότητας εικόνας τύπου NEMA NU 4-2008. Για τη λήψη των εικόνων PET, χρησιμοποιήθηκε ένας PET/CT τομογράφος για μικρά ζώα (Mediso nanoScan®PC (PET8/2)). Το LIFEx έκδοση 6.20 (ένα ανοιχτής-πηγής πρόγραμμα ιατρικής ανάλυσης) χρησιμοποιήθηκε για την ανάλυση των εικόνων PET και την εξαγωγή των χαρακτηριστικών υφής (Πρώτης-Τάξεως χαρακτηριστικά, Δευτέρας-Τάξεως χαρακτηριστικά, Ανωτέρας-Τάξεως χαρακτηριστικά). Η αξιολόγηση των χαρακτηριστικών υφής έγινε με στατιστική ανάλυση (διαφορά ποσοστών (PD), συντελεστής μεταβλητότητας (COV), συντελεστής συσχέτισης τάξης (ICC), συντελεστής συσχέτισης κατάταξης Spearman (SPCC), ανάλυση μονής κατεύθυνσης της διακύμανσης (one-way ANOVA) και δοκιμασία ελάχιστης σημασίας (LSD)). Μετά την αξιολόγηση των εικόνων από το ομοίωμα ποιότητας εικόνας, πραγματοποιήθηκε μια προκαταρκτική έρευνα χρησιμοποιώντας εικόνες PET τόσο από ποντίκια που είχαν δεχθεί θεραπεία (θεραπευμένα) όσο κι από ποντίκια που δεν δέχθηκαν (μη-θεραπευμένα). Τα περισσότερα χαρακτηριστικά υφής έδειξαν χαμηλή έως καθόλου σταθερότητα κι υψηλό βαθμό μεταβλητότητας, καθιστώντας τα κακούς υποψηφίους ως πιθανοί βιοδείκτες. Ένας περιορισμένος αριθμός χαρακτηριστικών υφής είχε καλή επίδοση σε όλες τις στατιστικές δοκιμασίες (Histogram Skewness, Kurtosis και Excess Kurtosis, GLCM Correlation και NGLDM Coarseness), ενώ ακόμα λιγότερα (Histogram Skewness και GLCM Correlation) μπόρεσαν να παρέχουν, ταυτόχρονα, χρήσιμη πληροφορία για τη διάκριση των θεραπευμένων από των μη-θεραπευμένων ποντικών. Επιπλέον, με βάση τα αποτελέσματα της εν λόγω έρευνας προτείνουμε ότι η σταθερότητα των χαρακτηριστικών υφής σχετίζεται άμεσα με τον συνολικό αριθμό των bins που ενυπάρχουν στην περιοχή ενδιαφέροντος (τα Πρώτης-Τάξεως και Δευτέρας-Τάξεως χαρακτηριστικά τείνουν να σταθεροποιούνται σε υψηλούς αριθμούς συνολικών bins, ενώ τα Ανωτέρας-Τάξεως χαρακτηριστικά σταθεροποιούνται σε χαμηλούς αριθμούς συνολικών bins).","Radiomics is a newly emerging field, claiming that there is a lot more information than a “naked” eye can conceive in medical images and needs to be extracted in the form of texture features. Medical images acquired through any imaging system (e.g. Positron Emission Tomography (PET), Computed Tomography (CT), Ultrasound (US), or Magnetic Resonance (MR)) are suitable candidates. However, a lot of research is required to identify the texture indices, which firstly, under certain conditions are reliable and secondly, can be associated with certain biological processes. Radiomics aim to find those indices and use them in diagnosis, prognosis, and treatment evaluation (theranostics). In this research work, we shall investigate, under preclinical conditions, the impact of bin size (total number of grey levels) in texture features and the repeatability, reproducibility, and liability of them (under specific conditions, both in terms of image reconstruction and acquisition time) using the NEMA NU 4-2008 image quality (IQ) phantom. For the acquisition of the PET images a small-animal PET/CT scanner – Mediso nanoScan®PC (PET8/2) – was employed. LIFEx version 6.20 (an open-source medical imaging analysis software) was incorporated for the analysis of PET images and the extraction of texture features (First-Order features, Second-Order features, and Higher-Order features). Statistical analysis (PD, COV, Interclass Correlation Coefficient, Spearman Rank Correlation Coefficient, one-way Analysis of Variance, and Least Significance Test) and evaluation of the indices was performed. After the evaluation with IQ phantom images, a preliminary study using PET image data from treated and non-treated mice was performed. The vast majority of the texture features showed low-to-no robustness and a high degree of variance, thus, making them bad candidates for potential biomarkers. Only a limited number of features found to perform well at all statistical tests (Histogram Skewness, Kurtosis, and Excess Kurtosis, GLCM Correlation, and NGLDM Coarseness), while, even less (Histogram Skewness and GLCM Correlation) could provide valuable information to distinguish the mice of the Treated from the Non-Treated group. Furthermore, we are proposing that the robustness of the features is directly associated with the total number of bins – First-Order and Second-Order features tend to be more robust at a higher number of bins, while Higher-Order features show greater robustness at a lower number of bins."]},{"key":"dc:title","label":"Title","values":["Standardization of texture analysis using IQ phantom under preclinical PET imaging"]}]}],"canonical_facts":{"dc:creator":["Λάζαρης Φοίβος-Σωκράτης","Lazaris Foivos-Sokratis"],"dc:date":["2020"],"dc:description":["Τα Radiomics αποτελούν έναν νέο ανερχόμενο κλάδο, υποστηρίζοντας ότι υπάρχει πολλή περισσότερη πληροφορία στην ιατρική εικόνα από ότι το “γυμνό” (ανθρώπινο) μάτι μπορεί να αντιληφθεί και πρέπει με κάποιο τρόπο να εξαχθεί. Ιατρικές εικόνες προερχόμενες από οποιαδήποτε μέθοδο απεικόνισης ( π.χ. τομογραφία εκπομπής ποζιτρονίων (PET), αξονική τομογραφία (CT), υπερήχους (US), μαγνητική τομογραφία (MR)) αποτελούν καλούς υποψηφίους. Ωστόσο, ακόμα απαιτείται αρκετή έρευνα προκειμένου να προσδιοριστούν αυτά τα χαρακτηριστικά υφής, που πρώτον, κάτω από συγκεκριμένες συνθήκες μπορούν να θεωρηθούν αξιόπιστα, και δεύτερον, μπορούν να συσχετιστούν με συγκεκριμένα βιολογικά χαρακτηριστικά ή διεργασίες. Τα Radiomics αποσκοπούν στον προσδιορισμό αυτών των χαρακτηριστικών υφής και τη χρήση αυτών στη διάγνωση, πρόγνωση και αξιολόγηση της θεραπείας (theranostics). Στη συγκεκριμένη έρευνα, εξετάζουμε, υπό προκλινικές συνθήκες, την επιρροή του bin size (συνολικού αριθμού των εντάσεων των grey levels) στον υπολογισμό των χαρακτηριστικών υφής, καθώς και στην αναπαραγωγιμότητά, επαναληψιμότητά και αξιοπιστία τους (κάτω από συγκεκριμένες συνθήκες, τόσο όσον αφορά τα πρωτόκολλα ανακατασκευής της εικόνας όσο και τους χρόνους λήψης της εικόνας) χρησιμοποιώντας ένα ομοίωμα ποιότητας εικόνας τύπου NEMA NU 4-2008. Για τη λήψη των εικόνων PET, χρησιμοποιήθηκε ένας PET/CT τομογράφος για μικρά ζώα (Mediso nanoScan®PC (PET8/2)). Το LIFEx έκδοση 6.20 (ένα ανοιχτής-πηγής πρόγραμμα ιατρικής ανάλυσης) χρησιμοποιήθηκε για την ανάλυση των εικόνων PET και την εξαγωγή των χαρακτηριστικών υφής (Πρώτης-Τάξεως χαρακτηριστικά, Δευτέρας-Τάξεως χαρακτηριστικά, Ανωτέρας-Τάξεως χαρακτηριστικά). Η αξιολόγηση των χαρακτηριστικών υφής έγινε με στατιστική ανάλυση (διαφορά ποσοστών (PD), συντελεστής μεταβλητότητας (COV), συντελεστής συσχέτισης τάξης (ICC), συντελεστής συσχέτισης κατάταξης Spearman (SPCC), ανάλυση μονής κατεύθυνσης της διακύμανσης (one-way ANOVA) και δοκιμασία ελάχιστης σημασίας (LSD)). Μετά την αξιολόγηση των εικόνων από το ομοίωμα ποιότητας εικόνας, πραγματοποιήθηκε μια προκαταρκτική έρευνα χρησιμοποιώντας εικόνες PET τόσο από ποντίκια που είχαν δεχθεί θεραπεία (θεραπευμένα) όσο κι από ποντίκια που δεν δέχθηκαν (μη-θεραπευμένα). Τα περισσότερα χαρακτηριστικά υφής έδειξαν χαμηλή έως καθόλου σταθερότητα κι υψηλό βαθμό μεταβλητότητας, καθιστώντας τα κακούς υποψηφίους ως πιθανοί βιοδείκτες. Ένας περιορισμένος αριθμός χαρακτηριστικών υφής είχε καλή επίδοση σε όλες τις στατιστικές δοκιμασίες (Histogram Skewness, Kurtosis και Excess Kurtosis, GLCM Correlation και NGLDM Coarseness), ενώ ακόμα λιγότερα (Histogram Skewness και GLCM Correlation) μπόρεσαν να παρέχουν, ταυτόχρονα, χρήσιμη πληροφορία για τη διάκριση των θεραπευμένων από των μη-θεραπευμένων ποντικών. Επιπλέον, με βάση τα αποτελέσματα της εν λόγω έρευνας προτείνουμε ότι η σταθερότητα των χαρακτηριστικών υφής σχετίζεται άμεσα με τον συνολικό αριθμό των bins που ενυπάρχουν στην περιοχή ενδιαφέροντος (τα Πρώτης-Τάξεως και Δευτέρας-Τάξεως χαρακτηριστικά τείνουν να σταθεροποιούνται σε υψηλούς αριθμούς συνολικών bins, ενώ τα Ανωτέρας-Τάξεως χαρακτηριστικά σταθεροποιούνται σε χαμηλούς αριθμούς συνολικών bins).","Radiomics is a newly emerging field, claiming that there is a lot more information than a “naked” eye can conceive in medical images and needs to be extracted in the form of texture features. Medical images acquired through any imaging system (e.g. Positron Emission Tomography (PET), Computed Tomography (CT), Ultrasound (US), or Magnetic Resonance (MR)) are suitable candidates. However, a lot of research is required to identify the texture indices, which firstly, under certain conditions are reliable and secondly, can be associated with certain biological processes. Radiomics aim to find those indices and use them in diagnosis, prognosis, and treatment evaluation (theranostics). In this research work, we shall investigate, under preclinical conditions, the impact of bin size (total number of grey levels) in texture features and the repeatability, reproducibility, and liability of them (under specific conditions, both in terms of image reconstruction and acquisition time) using the NEMA NU 4-2008 image quality (IQ) phantom. For the acquisition of the PET images a small-animal PET/CT scanner – Mediso nanoScan®PC (PET8/2) – was employed. LIFEx version 6.20 (an open-source medical imaging analysis software) was incorporated for the analysis of PET images and the extraction of texture features (First-Order features, Second-Order features, and Higher-Order features). Statistical analysis (PD, COV, Interclass Correlation Coefficient, Spearman Rank Correlation Coefficient, one-way Analysis of Variance, and Least Significance Test) and evaluation of the indices was performed. After the evaluation with IQ phantom images, a preliminary study using PET image data from treated and non-treated mice was performed. The vast majority of the texture features showed low-to-no robustness and a high degree of variance, thus, making them bad candidates for potential biomarkers. Only a limited number of features found to perform well at all statistical tests (Histogram Skewness, Kurtosis, and Excess Kurtosis, GLCM Correlation, and NGLDM Coarseness), while, even less (Histogram Skewness and GLCM Correlation) could provide valuable information to distinguish the mice of the Treated from the Non-Treated group. Furthermore, we are proposing that the robustness of the features is directly associated with the total number of bins – First-Order and Second-Order features tend to be more robust at a higher number of bins, while Higher-Order features show greater robustness at a lower number of bins."],"dc:identifier":["uoadl:2923714","https://pergamos.lib.uoa.gr/uoa/dl/object/2923714"],"dc:language":["English"],"dc:subject":["Επιστήμες Υγείας","Health Sciences"],"dc:title":["Standardization of texture analysis using IQ phantom under preclinical PET imaging"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:39:59Z"}