Τμηματοποίηση, ευθυγράμμιση και αυτόματη ταξινόμηση ιατρικών δεδομένων μίκρο-τομογραφίας σπογγώδους οστού

Το αντικείμενο της παρούσας διδακτορικής διατριβής είναι η επεξεργασία δεδομένων μίκρο-τομογραφίας οστών μέσω της εφαρμογής εξειδικευμένων υπολογιστικών αλγορίθμων. Στα πλαίσια της διατριβής γίνεται η παρουσίαση καινοτόμων αυτοματοποιημένων μεθοδο-λογιών τμηματοποίησης και ευθυγράμμισης εικόνων μίκρο-τομογραφίας οστών και ταξινόμησης δεδομένων που προκύπτουν από την εξαγωγή ιστομορφολογικών χαρακτηριστικών από τις εικόνες αυτές. Αρχικά, πραγματοποιείται εισαγωγή στα κυριότερα στοιχεία και δυναμικές διαδικασίες που χαρακτηρίζουν το οστό, στις παθογένειες και στις μεθόδους ανάλυσης και απεικόνισης του οστού. Πρώτα, παρουσιάζεται το σύστημα τμηματοποίησης εικόνας, αφού έχει προηγηθεί μια ολοκληρωμένη μελέτη των πλεονεκτημάτων και μειονεκτημάτων της εφαρμογής συγκεκριμένων αλγορίθμων τμηματοποίησης στις εικόνες μίκρο-τομογραφίας σπογγώδους οστού. Το σύστημα τμηματοποίησης εικόνας υλοποιείται από ένα νέο ολοκληρωμένο πλαίσιο τμηματοποίησης εικόνων με το όνομα Τμηματοποίηση Ανεξάρτη-των Ενεργών Περιγραμμάτων που συνδυάζει ένα σύνολο από καινοτόμες τεχνικές τμηματοποίησης βασισμένες στα Ενεργά Περιγράμματα. Η προτεινόμενη μεθοδολογία καθιστά δυνατή την ευρεία χρήση των Ενεργών Περιγραμμάτων σε πλήρη σύνολα δεδομένων μίκρο-τομογραφίας οστών και ταυτόχρονα βελτιώνει αισθητά την επίδοση της τμηματοποίησης σε αντίστοιχα τεχνητά και πραγματικά δεδομένα. Επίσης, επιδεικνύεται η δυνατότητα ευρύτερης εφαρμογής της προτεινόμενης μεθόδου και σε άλλα είδη ιατρικών εικόνων, όπως εικόνες Αξονικής Τομογραφίας (CT) και Ιστολογικών δεδομένων. Στη συνέχεια, παρουσιάζεται το σύστημα ευθυγράμμισης εικόνων μίκρο-τομογραφίας οστών το οποίο εφαρμόζεται στις δυαδικές εικόνες κάθε δείγματος πριν και μετά από τεχνητό σπάσιμο, με σκοπό την ανάπτυξη ενός ποσοτικού κριτηρίου αυτόματης εύρεσης της περιοχής κατάγματος. Στη συγκεκριμένη μελέτη παρουσιάζονται δισδιάστατες και τρισδιάστατες τεχνικές ευθυγράμμισης, ενώ ακολουθούν αποτελέσματα ευθυγράμμισης με βάση τη χρήση κατάλληλων κριτηρίων αξιολόγησης προκειμένου να διερευνηθεί η ακρίβειά τους. Επιπλέον, παρουσιάζεται ένα ολοκληρωμένο σύστημα αυτόματης ταξινόμησης για την αναγνώριση των περιοχών κατάγματος οστού με βάση τις τιμές διαφόρων ιστομορφομετρικών παραμέτρων που έχουν εξαχθεί από Όγκους Ενδιαφέροντος (VOI) των τμηματοποιημένων εικόνων. Η συγκεκριμένη μελέτη συνδυάζει τις τεχνικές Μη-Ισορροπημένης μάθησης και Πολλαπλών Ταξινομητών με δημοφιλείς αλγορίθμους ταξινόμησης, στοχεύοντας στην εύρεση του βέλτιστου συνδυασμού τους. Το τελικό σύστημα ελέγχεται σε ένα εκτενές σύνολο δεδομένων όπου παρουσιάζει πολύ υψηλές επιδόσεις συγκριτικά με τις απλούστερες μεθόδους, δίχως να αυξάνει σημαντικά την πολυπλοκότητα της διαδικασίας και το υπολογιστικό κόστος. Τέλος, ακολουθεί μια αξιολόγηση των σημαντικότερων ιστομορφομετρικών παραμέτρων με χρήση τεχνικών Επιλογής Χαρακτηριστικών σε σύνολα δεδομένων που έχουν υποστεί επεξεργασία με τεχνικές Μη-Ισορροπημένης μάθησης, με στόχο την εξαγωγή πιθανών βιοδεικτών για την περιοχή κατάγματος.