{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5301767"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5301767","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Ανάπτυξη και εφαρμογή υπολογιστικού εργαλείου αξιολόγησης της γεωμετρικής παραμόρφωσης εικόνων MRI σε εφαρμογές Στερεοτακτικής Ακτινοχειρουργικής","abstract":"Η στερεοτακτική ακτινοχειρουργική (SRS) είναι μια τεχνική ακτινοθεραπείας που χρησιμοποιεί μεθόδους στερεοταξίας για να αντιμετωπίσει ενδοκράνιες βλάβες και όχι μόνο. Η επιτυχία της τεχνικής αυτής βασίζεται στον ακριβή εντοπισμό της περιοχής βλάβης, με απαιτούμενη ακρίβεια μικρότερη από 1 mm. Η χρήση εικόνων MRI για τον εντοπισμό της βλάβης, αν και έχει αρκετά πλεονεκτήματα, όπως την έντονη αντίθεση στους μαλακούς ιστούς, έχει και μειονεκτήματα. Οι απεικονίσεις με MRI είναι αρκετά επιρρεπείς στη γεωμετρική παραμόρφωση, το οποίο σημαίνει ότι μπορεί να εισάγει σφάλμα στον εντοπισμό της περιοχής της βλάβης. Οι κύριες πηγές γεωμετρικής παραμόρφωσης σε ένα μαγνητικό τομογράφο είναι η μη γραμμικότητα των πηνίων βαθμίδας, η ανομοιογένεια του κύριου μαγνητικού πεδίου Bo, η μαγνητική επιδεκτικότητα των υλικών και το φαινόμενο της χημικής μετατόπισης. Η πρώτη πηγή παραμόρφωσης προκαλεί sequence independent distortions τα οποία επηρεάζονται μόνο από παράγοντες του συστήματος απεικόνισης, ενώ οι υπόλοιπες πηγές προκαλούν τα sequence dependent distortions, τα οποία επηρεάζονται τόσο από το σύστημα απεικόνισης όσο και από τον ασθενή. Τα sequence dependent distortions επηρεάζονται από την αλλαγή της πολικότητας της βαθμίδας κωδικοποίησης της συχνότητας, ενώ τα sequence independent distortions δεν επηρεάζονται. Σε αυτό βασίζεται η τεχνική της αντίστροφης βαθμίδας (reversed gradient technique), η οποία, χρησιμοποιώντας δύο εικόνες MRI με αντίθετες βαθμίδες κωδικοποίησης της συχνότητας με κάποιο κατάλληλο ομοίωμα και μία εικόνα αναφοράς (CT ή MRI), μπορεί να διαχωρίσει τα δύο είδη γεωμετρικής παραμόρφωσης και να τα υπολογίσει. Ο σκοπός αυτής της διπλωματικής εργασίας είναι η ανάπτυξη ενός κατάλληλου αλγορίθμου για τον υπολογισμό και την κατηγοριοποίηση της γεωμετρικής παραμόρφωσης χρησιμοποιώντας την τεχνική της αντίστροφης βαθμίδας και κάποιο κατάλληλο ομοίωμα, ο οποίος θα ενσωματωθεί σε γραφικό περιβάλλον, καθιστώντας το εύκολο στη χρήση. Με τη χρήση του συστήματος θα γίνει ανάλυση σε διάφορες εικόνες MRI. Το ομοίωμα (phantom) που χρησιμοποιήθηκε είναι κατασκευασμένο κατάλληλα, περιέχοντας 11 παράλληλες πλάκες από PMMA οι οποίες απέχουν 14 mm και έχουν οπές σε ένα τετραγωνικό πλέγμα 10 mm. Τα σημεία ελέγχου ορίζονται ως τα γεωμετρικά κέντρα των οπών. Ο αλγόριθμος εντοπισμού που χρησιμοποιήθηκε, αναπτύχθηκε σε γλώσσα προγραμματισμού Python και λειτουργεί εφαρμόζοντας κατώφλι στις εικόνες και στη συνέχεια διάφορα γεωμετρικά φίλτρα που εξασφαλίζουν τη διαγραφή αντικειμένων στις εικόνες που δεν αναγνωρίζονται ως οπές. Ο αλγόριθμος επίσης αντιστοιχεί τα κοινά σημεία που ανιχνεύθηκαν στις μαγνητικές και στην εικόνα αναφοράς χρησιμοποιώντας τεχνική binning και πραγματοποιεί ευθυγράμμιση της εικόνας αναφοράς με τις μαγνητικές, ενώ αμέσως μετά γίνεται ο υπολογισμός της γεωμετρικής παραμόρφωσης σε κάθε σημείο που εντοπίστηκε. Ως εικόνα αναφοράς, χρησιμοποιήθηκε εικόνα CT από αξονικό τομογράφο Siemens Somatom Confidence και οι εικόνες MRI αποκτήθηκαν με τη χρήση μαγνητικού τομογράφου Philips Achieva (1.5 Τ) και Siemens Magnetom Vida fit (3 Τ). Σε κάθε μαγνητικό τομογράφο χρησιμοποιήθηκε το ομοίωμα χωρίς στερεοτακτικό πλαίσιο, αλλά και με τη χρήση των στερεοτακτικών πλαισίων Leksell model G και Leksell Vantage. Η ευαισθησία του αλγορίθμου εντοπισμού στην επιλογή κατωφλίου ήταν (0.031 ± 0.001) mm ανά 10 μονάδες έντασης pixel. Η ευαισθησία στην ποιότητα της εικόνας ήταν (0.04 ± 0.001) mm ανά 10% θορύβου. Η σύγκριση του αλγορίθμου με αντίστοιχο αλγόριθμο σε Matlab έδειξε μέγιστη απόκλιση σε 0.15 mm. Η συνολική αβεβαιότητα της μεθόδου ήταν 0.2 mm. Οι τιμές γεωμετρικής παραμόρφωσης που βρέθηκαν στις εικόνες από το μαγνητικό τομογράφο 1.5 Τ, ήταν παρόμοιες στις εικόνες χωρίς τη χρήση στερεοτακτικού πλαισίου και τις αντίστοιχες στις περιπτώσεις που χρησιμοποιήθηκε το πλαίσιο Vantage, ενώ το πλαίσιο model G είχε μεγαλύτερες τιμές οι οποίες έφταναν μέχρι και τα 3 mm σε κάποιες περιπτώσεις. Στα 3 Τ δεν υπήρχε κάποια σημαντική διαφορά, με το model G να έχει ελαφρώς μεγαλύτερη παραμόρφωση, όμως οι τιμές που βρέθηκαν επηρεάστηκαν αρκετά από την έκκεντρη τοποθέτηση του ομοιώματος και επομένως δεν είναι ευθέως συγκρίσιμες. Η ποιότητα του αλγορίθμου ήταν σε γενικές γραμμές ικανοποιητική, αν και θα μπορούσαν να γίνουν κάποιες βελτιώσεις. Τα αποτελέσματα ήταν αναμενόμενα, με το Vantage να επάγει σημαντικά μικρότερη παραμόρφωση από το model G. Τέλος, έγινε αφαίρεση των σημείων που βρίσκονται εκτός της περιοχής θεραπείας για τις εικόνες με τα στερεοτακτικά πλαίσια, όμως η μόνη περίπτωση όπου υπήρξε σημαντική μείωση της μέσης τιμής και του μέγιστου ήταν στα sequence independent distortions στα 1.5 Τ και για τα δύο πλαίσια.","abstract_html":"Η στερεοτακτική ακτινοχειρουργική (SRS) είναι μια τεχνική ακτινοθεραπείας που χρησιμοποιεί μεθόδους στερεοταξίας για να αντιμετωπίσει ενδοκράνιες βλάβες και όχι μόνο. Η επιτυχία της τεχνικής αυτής βασίζεται στον ακριβή εντοπισμό της περιοχής βλάβης, με απαιτούμενη ακρίβεια μικρότερη από 1 mm. Η χρήση εικόνων MRI για τον εντοπισμό της βλάβης, αν και έχει αρκετά πλεονεκτήματα, όπως την έντονη αντίθεση στους μαλακούς ιστούς, έχει και μειονεκτήματα. Οι απεικονίσεις με MRI είναι αρκετά επιρρεπείς στη γεωμετρική παραμόρφωση, το οποίο σημαίνει ότι μπορεί να εισάγει σφάλμα στον εντοπισμό της περιοχής της βλάβης. Οι κύριες πηγές γεωμετρικής παραμόρφωσης σε ένα μαγνητικό τομογράφο είναι η μη γραμμικότητα των πηνίων βαθμίδας, η ανομοιογένεια του κύριου μαγνητικού πεδίου Bo, η μαγνητική επιδεκτικότητα των υλικών και το φαινόμενο της χημικής μετατόπισης. Η πρώτη πηγή παραμόρφωσης προκαλεί sequence independent distortions τα οποία επηρεάζονται μόνο από παράγοντες του συστήματος απεικόνισης, ενώ οι υπόλοιπες πηγές προκαλούν τα sequence dependent distortions, τα οποία επηρεάζονται τόσο από το σύστημα απεικόνισης όσο και από τον ασθενή. Τα sequence dependent distortions επηρεάζονται από την αλλαγή της πολικότητας της βαθμίδας κωδικοποίησης της συχνότητας, ενώ τα sequence independent distortions δεν επηρεάζονται. Σε αυτό βασίζεται η τεχνική της αντίστροφης βαθμίδας (reversed gradient technique), η οποία, χρησιμοποιώντας δύο εικόνες MRI με αντίθετες βαθμίδες κωδικοποίησης της συχνότητας με κάποιο κατάλληλο ομοίωμα και μία εικόνα αναφοράς (CT ή MRI), μπορεί να διαχωρίσει τα δύο είδη γεωμετρικής παραμόρφωσης και να τα υπολογίσει. Ο σκοπός αυτής της διπλωματικής εργασίας είναι η ανάπτυξη ενός κατάλληλου αλγορίθμου για τον υπολογισμό και την κατηγοριοποίηση της γεωμετρικής παραμόρφωσης χρησιμοποιώντας την τεχνική της αντίστροφης βαθμίδας και κάποιο κατάλληλο ομοίωμα, ο οποίος θα ενσωματωθεί σε γραφικό περιβάλλον, καθιστώντας το εύκολο στη χρήση. Με τη χρήση του συστήματος θα γίνει ανάλυση σε διάφορες εικόνες MRI. Το ομοίωμα (phantom) που χρησιμοποιήθηκε είναι κατασκευασμένο κατάλληλα, περιέχοντας 11 παράλληλες πλάκες από PMMA οι οποίες απέχουν 14 mm και έχουν οπές σε ένα τετραγωνικό πλέγμα 10 mm. Τα σημεία ελέγχου ορίζονται ως τα γεωμετρικά κέντρα των οπών. Ο αλγόριθμος εντοπισμού που χρησιμοποιήθηκε, αναπτύχθηκε σε γλώσσα προγραμματισμού Python και λειτουργεί εφαρμόζοντας κατώφλι στις εικόνες και στη συνέχεια διάφορα γεωμετρικά φίλτρα που εξασφαλίζουν τη διαγραφή αντικειμένων στις εικόνες που δεν αναγνωρίζονται ως οπές. Ο αλγόριθμος επίσης αντιστοιχεί τα κοινά σημεία που ανιχνεύθηκαν στις μαγνητικές και στην εικόνα αναφοράς χρησιμοποιώντας τεχνική binning και πραγματοποιεί ευθυγράμμιση της εικόνας αναφοράς με τις μαγνητικές, ενώ αμέσως μετά γίνεται ο υπολογισμός της γεωμετρικής παραμόρφωσης σε κάθε σημείο που εντοπίστηκε. Ως εικόνα αναφοράς, χρησιμοποιήθηκε εικόνα CT από αξονικό τομογράφο Siemens Somatom Confidence και οι εικόνες MRI αποκτήθηκαν με τη χρήση μαγνητικού τομογράφου Philips Achieva (1.5 Τ) και Siemens Magnetom Vida fit (3 Τ). Σε κάθε μαγνητικό τομογράφο χρησιμοποιήθηκε το ομοίωμα χωρίς στερεοτακτικό πλαίσιο, αλλά και με τη χρήση των στερεοτακτικών πλαισίων Leksell model G και Leksell Vantage. Η ευαισθησία του αλγορίθμου εντοπισμού στην επιλογή κατωφλίου ήταν (0.031 ± 0.001) mm ανά 10 μονάδες έντασης pixel. Η ευαισθησία στην ποιότητα της εικόνας ήταν (0.04 ± 0.001) mm ανά 10% θορύβου. Η σύγκριση του αλγορίθμου με αντίστοιχο αλγόριθμο σε Matlab έδειξε μέγιστη απόκλιση σε 0.15 mm. Η συνολική αβεβαιότητα της μεθόδου ήταν 0.2 mm. Οι τιμές γεωμετρικής παραμόρφωσης που βρέθηκαν στις εικόνες από το μαγνητικό τομογράφο 1.5 Τ, ήταν παρόμοιες στις εικόνες χωρίς τη χρήση στερεοτακτικού πλαισίου και τις αντίστοιχες στις περιπτώσεις που χρησιμοποιήθηκε το πλαίσιο Vantage, ενώ το πλαίσιο model G είχε μεγαλύτερες τιμές οι οποίες έφταναν μέχρι και τα 3 mm σε κάποιες περιπτώσεις. Στα 3 Τ δεν υπήρχε κάποια σημαντική διαφορά, με το model G να έχει ελαφρώς μεγαλύτερη παραμόρφωση, όμως οι τιμές που βρέθηκαν επηρεάστηκαν αρκετά από την έκκεντρη τοποθέτηση του ομοιώματος και επομένως δεν είναι ευθέως συγκρίσιμες. Η ποιότητα του αλγορίθμου ήταν σε γενικές γραμμές ικανοποιητική, αν και θα μπορούσαν να γίνουν κάποιες βελτιώσεις. Τα αποτελέσματα ήταν αναμενόμενα, με το Vantage να επάγει σημαντικά μικρότερη παραμόρφωση από το model G. Τέλος, έγινε αφαίρεση των σημείων που βρίσκονται εκτός της περιοχής θεραπείας για τις εικόνες με τα στερεοτακτικά πλαίσια, όμως η μόνη περίπτωση όπου υπήρξε σημαντική μείωση της μέσης τιμής και του μέγιστου ήταν στα sequence independent distortions στα 1.5 Τ και για τα δύο πλαίσια.","abstract_has_math":false,"creators":["Αναγνωστόπουλος Ιωάννης","Anagnostopoulos Ioannis"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2025,"date_issued":"2025","date_published":"2025","updated_at":"2026-11-19T06:37:29Z","subjects":["Επιστήμες Υγείας","Health Sciences"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5301767"],"render_values":[{"text":"uoadl:5301767","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5301767","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5301767","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%3A5301767","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Αναγνωστόπουλος Ιωάννης","Anagnostopoulos Ioannis"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2025"]},{"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":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5301767","https://pergamos.lib.uoa.gr/uoa/dl/object/5301767"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η στερεοτακτική ακτινοχειρουργική (SRS) είναι μια τεχνική ακτινοθεραπείας που χρησιμοποιεί μεθόδους στερεοταξίας για να αντιμετωπίσει ενδοκράνιες βλάβες και όχι μόνο. Η επιτυχία της τεχνικής αυτής βασίζεται στον ακριβή εντοπισμό της περιοχής βλάβης, με απαιτούμενη ακρίβεια μικρότερη από 1 mm. Η χρήση εικόνων MRI για τον εντοπισμό της βλάβης, αν και έχει αρκετά πλεονεκτήματα, όπως την έντονη αντίθεση στους μαλακούς ιστούς, έχει και μειονεκτήματα. Οι απεικονίσεις με MRI είναι αρκετά επιρρεπείς στη γεωμετρική παραμόρφωση, το οποίο σημαίνει ότι μπορεί να εισάγει σφάλμα στον εντοπισμό της περιοχής της βλάβης. Οι κύριες πηγές γεωμετρικής παραμόρφωσης σε ένα μαγνητικό τομογράφο είναι η μη γραμμικότητα των πηνίων βαθμίδας, η ανομοιογένεια του κύριου μαγνητικού πεδίου Bo, η μαγνητική επιδεκτικότητα των υλικών και το φαινόμενο της χημικής μετατόπισης. Η πρώτη πηγή παραμόρφωσης προκαλεί sequence independent distortions τα οποία επηρεάζονται μόνο από παράγοντες του συστήματος απεικόνισης, ενώ οι υπόλοιπες πηγές προκαλούν τα sequence dependent distortions, τα οποία επηρεάζονται τόσο από το σύστημα απεικόνισης όσο και από τον ασθενή. Τα sequence dependent distortions επηρεάζονται από την αλλαγή της πολικότητας της βαθμίδας κωδικοποίησης της συχνότητας, ενώ τα sequence independent distortions δεν επηρεάζονται. Σε αυτό βασίζεται η τεχνική της αντίστροφης βαθμίδας (reversed gradient technique), η οποία, χρησιμοποιώντας δύο εικόνες MRI με αντίθετες βαθμίδες κωδικοποίησης της συχνότητας με κάποιο κατάλληλο ομοίωμα και μία εικόνα αναφοράς (CT ή MRI), μπορεί να διαχωρίσει τα δύο είδη γεωμετρικής παραμόρφωσης και να τα υπολογίσει. Ο σκοπός αυτής της διπλωματικής εργασίας είναι η ανάπτυξη ενός κατάλληλου αλγορίθμου για τον υπολογισμό και την κατηγοριοποίηση της γεωμετρικής παραμόρφωσης χρησιμοποιώντας την τεχνική της αντίστροφης βαθμίδας και κάποιο κατάλληλο ομοίωμα, ο οποίος θα ενσωματωθεί σε γραφικό περιβάλλον, καθιστώντας το εύκολο στη χρήση. Με τη χρήση του συστήματος θα γίνει ανάλυση σε διάφορες εικόνες MRI. Το ομοίωμα (phantom) που χρησιμοποιήθηκε είναι κατασκευασμένο κατάλληλα, περιέχοντας 11 παράλληλες πλάκες από PMMA οι οποίες απέχουν 14 mm και έχουν οπές σε ένα τετραγωνικό πλέγμα 10 mm. Τα σημεία ελέγχου ορίζονται ως τα γεωμετρικά κέντρα των οπών. Ο αλγόριθμος εντοπισμού που χρησιμοποιήθηκε, αναπτύχθηκε σε γλώσσα προγραμματισμού Python και λειτουργεί εφαρμόζοντας κατώφλι στις εικόνες και στη συνέχεια διάφορα γεωμετρικά φίλτρα που εξασφαλίζουν τη διαγραφή αντικειμένων στις εικόνες που δεν αναγνωρίζονται ως οπές. Ο αλγόριθμος επίσης αντιστοιχεί τα κοινά σημεία που ανιχνεύθηκαν στις μαγνητικές και στην εικόνα αναφοράς χρησιμοποιώντας τεχνική binning και πραγματοποιεί ευθυγράμμιση της εικόνας αναφοράς με τις μαγνητικές, ενώ αμέσως μετά γίνεται ο υπολογισμός της γεωμετρικής παραμόρφωσης σε κάθε σημείο που εντοπίστηκε. Ως εικόνα αναφοράς, χρησιμοποιήθηκε εικόνα CT από αξονικό τομογράφο Siemens Somatom Confidence και οι εικόνες MRI αποκτήθηκαν με τη χρήση μαγνητικού τομογράφου Philips Achieva (1.5 Τ) και Siemens Magnetom Vida fit (3 Τ). Σε κάθε μαγνητικό τομογράφο χρησιμοποιήθηκε το ομοίωμα χωρίς στερεοτακτικό πλαίσιο, αλλά και με τη χρήση των στερεοτακτικών πλαισίων Leksell model G και Leksell Vantage. Η ευαισθησία του αλγορίθμου εντοπισμού στην επιλογή κατωφλίου ήταν (0.031 ± 0.001) mm ανά 10 μονάδες έντασης pixel. Η ευαισθησία στην ποιότητα της εικόνας ήταν (0.04 ± 0.001) mm ανά 10% θορύβου. Η σύγκριση του αλγορίθμου με αντίστοιχο αλγόριθμο σε Matlab έδειξε μέγιστη απόκλιση σε 0.15 mm. Η συνολική αβεβαιότητα της μεθόδου ήταν 0.2 mm. Οι τιμές γεωμετρικής παραμόρφωσης που βρέθηκαν στις εικόνες από το μαγνητικό τομογράφο 1.5 Τ, ήταν παρόμοιες στις εικόνες χωρίς τη χρήση στερεοτακτικού πλαισίου και τις αντίστοιχες στις περιπτώσεις που χρησιμοποιήθηκε το πλαίσιο Vantage, ενώ το πλαίσιο model G είχε μεγαλύτερες τιμές οι οποίες έφταναν μέχρι και τα 3 mm σε κάποιες περιπτώσεις. Στα 3 Τ δεν υπήρχε κάποια σημαντική διαφορά, με το model G να έχει ελαφρώς μεγαλύτερη παραμόρφωση, όμως οι τιμές που βρέθηκαν επηρεάστηκαν αρκετά από την έκκεντρη τοποθέτηση του ομοιώματος και επομένως δεν είναι ευθέως συγκρίσιμες. Η ποιότητα του αλγορίθμου ήταν σε γενικές γραμμές ικανοποιητική, αν και θα μπορούσαν να γίνουν κάποιες βελτιώσεις. Τα αποτελέσματα ήταν αναμενόμενα, με το Vantage να επάγει σημαντικά μικρότερη παραμόρφωση από το model G. Τέλος, έγινε αφαίρεση των σημείων που βρίσκονται εκτός της περιοχής θεραπείας για τις εικόνες με τα στερεοτακτικά πλαίσια, όμως η μόνη περίπτωση όπου υπήρξε σημαντική μείωση της μέσης τιμής και του μέγιστου ήταν στα sequence independent distortions στα 1.5 Τ και για τα δύο πλαίσια.","Stereotactic Radiotherapy (SRT) is a radiotherapy technique that uses stereotactic methods to treat intracranial lesions and beyond. The success of this technique relies on the precise localization of the lesion area, with an accuracy requirement of less than 1 mm. The use of MRI images for lesion localization offers several advantages, such as high soft tissue contrast, but also comes with drawbacks. MRI imaging is quite susceptible to geometric distortion, which can introduce errors in lesion localization. The main sources of geometric distortion in an MRI scanner are the nonlinearity of the gradient coils, inhomogeneity of the main magnetic field Bo, magnetic susceptibility of materials, and the chemical shift phenomenon. The first source causes sequence-independent distortions, which are only influenced by factors related to the imaging system. The remaining sources cause sequence-dependent distortions, which are affected by both the imaging system and the patient. Sequence-dependent distortions are influenced by the polarity of the frequency-encoding gradient, while sequence-independent distortions are not. This principle underlies the reversed gradient technique, which, by using two MRI images acquired with opposite frequency-encoding gradients along with an appropriate phantom and a reference image (CT or MRI), can separate and estimate the two types of geometric distortion. The aim of this thesis is to develop a suitable algorithm for calculating and categorizing geometric distortion using the reversed gradient technique and an appropriate phantom. The algorithm will be integrated into a graphical interface to make it user-friendly. The system will be used to analyze various MRI images. The phantom used was specifically designed, containing 11 parallel PMMA plates spaced 14 mm apart, with holes arranged in a 10 mm square grid. Control points are defined as the geometric centers of the holes. The localization algorithm, developed in Python, works by applying a threshold to the images, followed by several geometric filters that eliminate objects not recognized as holes. The algorithm also matches common points detected in the MR images and the reference image using a binning technique, aligns the reference image to the MR images, and subsequently computes the geometric distortion at each detected point. The reference image used was a CT scan acquired with a Siemens Somatom Confidence scanner, and the MRI images were acquired using a Philips Achieva (1.5 T) and a Siemens Magnetom Vida Fit (3 T) MRI scanner. For each MRI scanner, the phantom was used both without a stereotactic frame and with the Leksell Model G and Leksell Vantage stereotactic frames. The algorithm’s sensitivity to threshold selection was (0.031 ± 0.001) mm per 10 pixel intensity units. Sensitivity to image quality was (0.04 ± 0.001) mm per 10% noise. Comparison with a similar algorithm implemented in Matlab showed a maximum deviation of 0.15 mm. The overall uncertainty of the method was 0.2 mm. The geometric distortion values observed in the 1.5 T MRI images were similar between the images without a stereotactic frame and those with the Vantage frame. However, the Model G frame resulted in greater distortion values, reaching up to 3 mm in some cases. In the 3 T images, no significant differences were observed, with Model G showing slightly higher distortion. However, the measured values were considerably affected by the off-center placement of the phantom and are therefore not directly comparable. The algorithm’s performance was generally satisfactory, although some improvements could be made. The results were as expected, with the Vantage stereotactic frame inducing significantly less distortion than Model G. Finally, points located outside the treatable area were excluded from the analysis in the images with stereotactic frames. However, a significant reduction in the mean and maximum distortion was observed only in the sequence-independent distortions at 1.5 T for both frames."]},{"key":"dc:title","label":"Title","values":["Ανάπτυξη και εφαρμογή υπολογιστικού εργαλείου αξιολόγησης της γεωμετρικής παραμόρφωσης εικόνων MRI σε εφαρμογές Στερεοτακτικής Ακτινοχειρουργικής"]}]}],"canonical_facts":{"dc:creator":["Αναγνωστόπουλος Ιωάννης","Anagnostopoulos Ioannis"],"dc:date":["2025"],"dc:description":["Η στερεοτακτική ακτινοχειρουργική (SRS) είναι μια τεχνική ακτινοθεραπείας που χρησιμοποιεί μεθόδους στερεοταξίας για να αντιμετωπίσει ενδοκράνιες βλάβες και όχι μόνο. Η επιτυχία της τεχνικής αυτής βασίζεται στον ακριβή εντοπισμό της περιοχής βλάβης, με απαιτούμενη ακρίβεια μικρότερη από 1 mm. Η χρήση εικόνων MRI για τον εντοπισμό της βλάβης, αν και έχει αρκετά πλεονεκτήματα, όπως την έντονη αντίθεση στους μαλακούς ιστούς, έχει και μειονεκτήματα. Οι απεικονίσεις με MRI είναι αρκετά επιρρεπείς στη γεωμετρική παραμόρφωση, το οποίο σημαίνει ότι μπορεί να εισάγει σφάλμα στον εντοπισμό της περιοχής της βλάβης. Οι κύριες πηγές γεωμετρικής παραμόρφωσης σε ένα μαγνητικό τομογράφο είναι η μη γραμμικότητα των πηνίων βαθμίδας, η ανομοιογένεια του κύριου μαγνητικού πεδίου Bo, η μαγνητική επιδεκτικότητα των υλικών και το φαινόμενο της χημικής μετατόπισης. Η πρώτη πηγή παραμόρφωσης προκαλεί sequence independent distortions τα οποία επηρεάζονται μόνο από παράγοντες του συστήματος απεικόνισης, ενώ οι υπόλοιπες πηγές προκαλούν τα sequence dependent distortions, τα οποία επηρεάζονται τόσο από το σύστημα απεικόνισης όσο και από τον ασθενή. Τα sequence dependent distortions επηρεάζονται από την αλλαγή της πολικότητας της βαθμίδας κωδικοποίησης της συχνότητας, ενώ τα sequence independent distortions δεν επηρεάζονται. Σε αυτό βασίζεται η τεχνική της αντίστροφης βαθμίδας (reversed gradient technique), η οποία, χρησιμοποιώντας δύο εικόνες MRI με αντίθετες βαθμίδες κωδικοποίησης της συχνότητας με κάποιο κατάλληλο ομοίωμα και μία εικόνα αναφοράς (CT ή MRI), μπορεί να διαχωρίσει τα δύο είδη γεωμετρικής παραμόρφωσης και να τα υπολογίσει. Ο σκοπός αυτής της διπλωματικής εργασίας είναι η ανάπτυξη ενός κατάλληλου αλγορίθμου για τον υπολογισμό και την κατηγοριοποίηση της γεωμετρικής παραμόρφωσης χρησιμοποιώντας την τεχνική της αντίστροφης βαθμίδας και κάποιο κατάλληλο ομοίωμα, ο οποίος θα ενσωματωθεί σε γραφικό περιβάλλον, καθιστώντας το εύκολο στη χρήση. Με τη χρήση του συστήματος θα γίνει ανάλυση σε διάφορες εικόνες MRI. Το ομοίωμα (phantom) που χρησιμοποιήθηκε είναι κατασκευασμένο κατάλληλα, περιέχοντας 11 παράλληλες πλάκες από PMMA οι οποίες απέχουν 14 mm και έχουν οπές σε ένα τετραγωνικό πλέγμα 10 mm. Τα σημεία ελέγχου ορίζονται ως τα γεωμετρικά κέντρα των οπών. Ο αλγόριθμος εντοπισμού που χρησιμοποιήθηκε, αναπτύχθηκε σε γλώσσα προγραμματισμού Python και λειτουργεί εφαρμόζοντας κατώφλι στις εικόνες και στη συνέχεια διάφορα γεωμετρικά φίλτρα που εξασφαλίζουν τη διαγραφή αντικειμένων στις εικόνες που δεν αναγνωρίζονται ως οπές. Ο αλγόριθμος επίσης αντιστοιχεί τα κοινά σημεία που ανιχνεύθηκαν στις μαγνητικές και στην εικόνα αναφοράς χρησιμοποιώντας τεχνική binning και πραγματοποιεί ευθυγράμμιση της εικόνας αναφοράς με τις μαγνητικές, ενώ αμέσως μετά γίνεται ο υπολογισμός της γεωμετρικής παραμόρφωσης σε κάθε σημείο που εντοπίστηκε. Ως εικόνα αναφοράς, χρησιμοποιήθηκε εικόνα CT από αξονικό τομογράφο Siemens Somatom Confidence και οι εικόνες MRI αποκτήθηκαν με τη χρήση μαγνητικού τομογράφου Philips Achieva (1.5 Τ) και Siemens Magnetom Vida fit (3 Τ). Σε κάθε μαγνητικό τομογράφο χρησιμοποιήθηκε το ομοίωμα χωρίς στερεοτακτικό πλαίσιο, αλλά και με τη χρήση των στερεοτακτικών πλαισίων Leksell model G και Leksell Vantage. Η ευαισθησία του αλγορίθμου εντοπισμού στην επιλογή κατωφλίου ήταν (0.031 ± 0.001) mm ανά 10 μονάδες έντασης pixel. Η ευαισθησία στην ποιότητα της εικόνας ήταν (0.04 ± 0.001) mm ανά 10% θορύβου. Η σύγκριση του αλγορίθμου με αντίστοιχο αλγόριθμο σε Matlab έδειξε μέγιστη απόκλιση σε 0.15 mm. Η συνολική αβεβαιότητα της μεθόδου ήταν 0.2 mm. Οι τιμές γεωμετρικής παραμόρφωσης που βρέθηκαν στις εικόνες από το μαγνητικό τομογράφο 1.5 Τ, ήταν παρόμοιες στις εικόνες χωρίς τη χρήση στερεοτακτικού πλαισίου και τις αντίστοιχες στις περιπτώσεις που χρησιμοποιήθηκε το πλαίσιο Vantage, ενώ το πλαίσιο model G είχε μεγαλύτερες τιμές οι οποίες έφταναν μέχρι και τα 3 mm σε κάποιες περιπτώσεις. Στα 3 Τ δεν υπήρχε κάποια σημαντική διαφορά, με το model G να έχει ελαφρώς μεγαλύτερη παραμόρφωση, όμως οι τιμές που βρέθηκαν επηρεάστηκαν αρκετά από την έκκεντρη τοποθέτηση του ομοιώματος και επομένως δεν είναι ευθέως συγκρίσιμες. Η ποιότητα του αλγορίθμου ήταν σε γενικές γραμμές ικανοποιητική, αν και θα μπορούσαν να γίνουν κάποιες βελτιώσεις. Τα αποτελέσματα ήταν αναμενόμενα, με το Vantage να επάγει σημαντικά μικρότερη παραμόρφωση από το model G. Τέλος, έγινε αφαίρεση των σημείων που βρίσκονται εκτός της περιοχής θεραπείας για τις εικόνες με τα στερεοτακτικά πλαίσια, όμως η μόνη περίπτωση όπου υπήρξε σημαντική μείωση της μέσης τιμής και του μέγιστου ήταν στα sequence independent distortions στα 1.5 Τ και για τα δύο πλαίσια.","Stereotactic Radiotherapy (SRT) is a radiotherapy technique that uses stereotactic methods to treat intracranial lesions and beyond. The success of this technique relies on the precise localization of the lesion area, with an accuracy requirement of less than 1 mm. The use of MRI images for lesion localization offers several advantages, such as high soft tissue contrast, but also comes with drawbacks. MRI imaging is quite susceptible to geometric distortion, which can introduce errors in lesion localization. The main sources of geometric distortion in an MRI scanner are the nonlinearity of the gradient coils, inhomogeneity of the main magnetic field Bo, magnetic susceptibility of materials, and the chemical shift phenomenon. The first source causes sequence-independent distortions, which are only influenced by factors related to the imaging system. The remaining sources cause sequence-dependent distortions, which are affected by both the imaging system and the patient. Sequence-dependent distortions are influenced by the polarity of the frequency-encoding gradient, while sequence-independent distortions are not. This principle underlies the reversed gradient technique, which, by using two MRI images acquired with opposite frequency-encoding gradients along with an appropriate phantom and a reference image (CT or MRI), can separate and estimate the two types of geometric distortion. The aim of this thesis is to develop a suitable algorithm for calculating and categorizing geometric distortion using the reversed gradient technique and an appropriate phantom. The algorithm will be integrated into a graphical interface to make it user-friendly. The system will be used to analyze various MRI images. The phantom used was specifically designed, containing 11 parallel PMMA plates spaced 14 mm apart, with holes arranged in a 10 mm square grid. Control points are defined as the geometric centers of the holes. The localization algorithm, developed in Python, works by applying a threshold to the images, followed by several geometric filters that eliminate objects not recognized as holes. The algorithm also matches common points detected in the MR images and the reference image using a binning technique, aligns the reference image to the MR images, and subsequently computes the geometric distortion at each detected point. The reference image used was a CT scan acquired with a Siemens Somatom Confidence scanner, and the MRI images were acquired using a Philips Achieva (1.5 T) and a Siemens Magnetom Vida Fit (3 T) MRI scanner. For each MRI scanner, the phantom was used both without a stereotactic frame and with the Leksell Model G and Leksell Vantage stereotactic frames. The algorithm’s sensitivity to threshold selection was (0.031 ± 0.001) mm per 10 pixel intensity units. Sensitivity to image quality was (0.04 ± 0.001) mm per 10% noise. Comparison with a similar algorithm implemented in Matlab showed a maximum deviation of 0.15 mm. The overall uncertainty of the method was 0.2 mm. The geometric distortion values observed in the 1.5 T MRI images were similar between the images without a stereotactic frame and those with the Vantage frame. However, the Model G frame resulted in greater distortion values, reaching up to 3 mm in some cases. In the 3 T images, no significant differences were observed, with Model G showing slightly higher distortion. However, the measured values were considerably affected by the off-center placement of the phantom and are therefore not directly comparable. The algorithm’s performance was generally satisfactory, although some improvements could be made. The results were as expected, with the Vantage stereotactic frame inducing significantly less distortion than Model G. Finally, points located outside the treatable area were excluded from the analysis in the images with stereotactic frames. However, a significant reduction in the mean and maximum distortion was observed only in the sequence-independent distortions at 1.5 T for both frames."],"dc:identifier":["uoadl:5301767","https://pergamos.lib.uoa.gr/uoa/dl/object/5301767"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Επιστήμες Υγείας","Health Sciences"],"dc:title":["Ανάπτυξη και εφαρμογή υπολογιστικού εργαλείου αξιολόγησης της γεωμετρικής παραμόρφωσης εικόνων MRI σε εφαρμογές Στερεοτακτικής Ακτινοχειρουργικής"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:37:29Z"}