National and Kapodistrian University of Athens
Μελέτη ακτινομικών παραμέτρων για την αναγνώριση του ιστολογικού τύπου ασθενών με καρκίνο του πνεύμονα
Abstract
dc:descriptionΟ καρκίνος του πνεύμονα αποτελεί την κυριότερη αιτία θανάτων παγκοσμίως. Ο πιο συχνά διαγνωσμένος τύπος καρκίνου του πνεύμονα είναι ο μη- μικροκυτταρικός καρκίνος του πνεύμονα (NSCLC- Non Small Cell Lung Cancer), ο οποίος με βάση τον ιστολογικό φαινότυπο κατηγοριοποιείται ως επί το πλείστων σε αδενοκαρκίνωμα (AC- Adenocarcinoma) και σε καρκίνωμα των πλακωδών κυττάρων (SCC- Squamous Cell Carcinoma). H έγκαιρη κατηγοριοποίηση του καρκίνου του πνεύμονα σε αδενοκαρκίνωμα ή καρκίνωμα των πλακωδών κυττάρων αποτελεί την καλύτερη πρόγνωση. Η πιο διαδεδομένη μέθοδος για απόκτηση παθολογικού ιστού και συνεπώς την αναγνώριση του φαινοτύπου είναι η βιοψία, η οποία είναι μια επεμβατική διαδικασία και δεν λαμβάνει υπόψη όλο το φάσμα της ετερογένειας του όγκου. Η Ακτινομική (Radiomics) αποτελεί ένα αναδυόμενο και ταχέως αναπτυσσόμενο πεδίο έρευνας που στοχεύει στην εξαγωγή ποσοτικών χαρακτηριστικών από τις κλινικές εικόνες και στη δημιουργία μοντέλων λήψης αποφάσεων, τα οποία θα βελτιώσουν την εκτίμηση των προγνώσεων, την ακρίβεια των διαγνώσεων αλλά και των θεραπευτικών διαδικασιών που θα ακολουθηθούν. Στην παρούσα εργασία χρησιμοποιήθηκε ένα σύνολο δεδομένων 102 ασθενών, από την δημόσια συλλογή αρχείων απεικόνισης καρκίνου (TCIA- The Cancer Imaging Archive), που περιέχει προ- θεραπευτικές εικόνες αξονικής τομογραφίας (CT). Στόχος είναι η διερεύνηση της δυνατότητας κατηγοριοποίησης, στους δύο πιο συχνά διαγνωσμένους τύπους του μη- μικροκυτταρικού καρκίνου του πνεύμονα (αδενοκαρκίνωμα ή πλακώδες καρκίνωμα), εφαρμόζοντας διαφορετικές τεχνικές εξαγωγής χαρακτηριστικών και μεθόδων ταξινόμησης. Τα ακτινομικά χαρακτηριστικά που εξάγονται από την περιοχή ενδιαφέροντος, εξαρτώνται από την επιλογή των παραμέτρων που θα εφαρμοστούν. Ενδεικτικά, ο αριθμός των bins που θα χρησιμοποιηθούν στα ιστογράμματα για τον υπολογισμό των χαρακτηριστικών πρώτης τάξης, μπορεί να επηρεάσει τις τιμές αυτών. Στο στάδιο της προ- επεξεργασίας, κατά τη διαδικασία της κβάντισης/ διακριτοποίησης των εντάσεων, ο αριθμός των bins με τον οποίο θα γίνει η ομαδοποίηση των γκρι επιπέδων, μπορεί να επηρεάσει τις ακτινομικές κατηγορίες χαρακτηριστικών δεύτερης και ανώτερης τάξης. Η επίδραση της διακριτοποίησης των εντάσεων αξιολογήθηκε με την χρήση δύο ειδών ταξινομητών, του kNN (k-Nearest Neighbors) και του Naïve Bayes. Κάθε ακτινομική κατηγορία, που περιέχει έναν αριθμό χαρακτηριστικών μελετήθηκε ξεχωριστά. Ο αριθμός των bins που θα οριστούν στο στάδιο της προ- επεξεργασίας των εικόνων, έχει μικρή επίδραση στις αποδόσεις ταξινόμησης και εξασφαλίζεται αναπαραγωγιμότητα των αποτελεσμάτων. Μελετήθηκε η επίδραση της μείωσης των χαρακτηριστικών, με τη χρήση της μεθόδου PCA (Principal Component Analysis), στην βελτίωση της ορθότητας ταξινόμησης των kNN και Naïve Bayes αλγορίθμων. Η μείωση των χαρακτηριστικών, δεν βελτίωσε αλλά ούτε και μείωσε την ικανότητα ταξινόμησης. Τέλος, τα αποτελέσματα από την σύγκριση των περιοχών κάτω από τις καμπύλες ROC (Receiver Operating Characteristics Curve), των AUC (Area Under the Curve) υπέδειξαν και για τους δύο ταξινομητές, σε όλες τις κατηγορίες των ακτινομικών χαρακτηριστικών, τιμές 0,4<AUC<0,7, δηλαδή κακό έως μέτριο επίπεδο ταξινόμησης στο συγκεκριμένο σύνολο δεδομένων. Ο Naïve Bayes παρουσίασε ανώτερη απόδοση από τον kNN.
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- Θάνου Αναστασία
- Thanou Anastasia
Subjects
dc:subject × 2Rights
- Language dc:language
- Ελληνικά, Greek
Identifiers
dc:identifier.*- Identifier
- uoadl:3197904