Please use this identifier to cite or link to this item:
https://cuir.car.chula.ac.th/handle/123456789/49901
Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.advisor | นงลักษณ์ โควาวิสารัช | en_US |
| dc.contributor.advisor | สุกัลยา เลิศล้ำ | en_US |
| dc.contributor.advisor | ยุทธชัย ลิขิตเจริญ | en_US |
| dc.contributor.author | วนิดา เจริญสุข | en_US |
| dc.contributor.other | จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์ | en_US |
| dc.date.accessioned | 2016-11-30T05:38:56Z | |
| dc.date.available | 2016-11-30T05:38:56Z | |
| dc.date.issued | 2558 | en_US |
| dc.identifier.uri | http://cuir.car.chula.ac.th/handle/123456789/49901 | |
| dc.description | วิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2558 | en_US |
| dc.description.abstract | โรคสมองขาดเลือดเฉียบพลันสามารถตรวจพบได้เร็วด้วยเทคนิค Diffusion-weighted imaging (DWI) ภายใน 4-6 ชั่วโมงหลังจากเกิดอาการ ผู้ป่วยสามารถหายเป็นปกติหากได้รับการตรวจพบและรักษาที่เร็ว ปริมาตรของเนื้อสมองตาย (Infarct) เป็นหนึ่งในหลายๆ ปัจจัยที่แพทย์ผู้เชี่ยวชาญด้านระบบประสาทใช้ในการตรวจวินิจฉัยและวางแผนการรักษา วิทยานิพนธ์นี้เสนอการหาขอบเขตของเนื้อสมองตายเพื่อคำนวณปริมาตรจากภาพทางการแพทย์ MRI ด้วยเทคนิค DWI โดยประยุกต์ใช้การแบ่งส่วนภาพโดยใช้วิธีแอคทีฟคอนทัวร์แบบใช้บริเวณครอบคลุมทั้งหมดของภาพที่นำเสนอโดย Chan และ Vese และแบบใช้บริเวณโดยใช้ข้อสนเทศบริเวณท้องถิ่นที่นำเสนอโดย Lankton และTannenbaum ขั้นตอนวิธีที่นำเสนอเริ่มจากการแบ่งส่วนภาพเนื้อสมองตายภายในบริเวณที่แพทย์ผู้เชี่ยวชาญเลือกที่ครอบคลุมบริเวณเนื้อสมองตายที่มีขนาดใหญ่ที่สุดและมีความเข้มสัญญาณสูงที่สุดในชุดภาพ จากนั้นมีการสอนระบบให้เรียนรู้ข้อมูลของเนื้อสมองตายจากผลลัพธ์การแบ่งส่วนภาพที่ได้ เพื่อใช้กำหนดเงื่อนไขการเป็นเนื้อสมองตายสำหรับการพิจารณาในสไลซ์อื่นๆ การประเมินประสิทธิภาพการแบ่งส่วนภาพเทียบผลกับแพทย์ผู้เชี่ยวชาญซึ่งถือเป็นผลลัพธ์มาตรฐานโดยอ้างอิงด้วยค่าทางสถิติ 3 ค่าคือค่าความไว (Sensitivity) ค่าความถูกต้อง (Precision) และค่าสัมประสิทธิ์ความเหมือนของไดซ์ (DSC) จากการทดลองกับภาพ MRI ด้วยเทคนิค DWI จำนวน 10 ชุดข้อมูล ชุดภาพละ 30 สไลซ์ พบว่าขั้นตอนวิธีที่นำเสนอให้ผลดีโดยมีค่าความไวเฉลี่ยเท่ากับ 0.83 ค่าความถูกต้องเฉลี่ยเท่ากับ 0.85 และค่าสัมประสิทธิ์ความเหมือนของไดซ์เฉลี่ยเท่ากับ 0.80 ตามลำดับ ปริมาตรรวมของแต่ละชุดข้อมูลมีความคลาดเคลื่อนอยู่ระหว่าง 2.6 เปอร์เซ็นต์ถึง 44.4 เปอร์เซ็นต์ อย่างไรก็ตาม พบว่าขั้นตอนวิธีที่นำเสนออาจให้ผลคลาดเคลื่อนได้ในสไลซ์ต้นหรือสไลซ์ปลายซึ่งเกิดได้จาก 3 สาเหตุคือ เนื้อสมองตายในสไลซ์เหล่านั้นมักมีขนาดเล็กมากและมีความเข้มของสัญญาณใกล้เคียงกับเนื้อสมองข้างเคียง ปัญหาลักษณะทางกายวิภาคศาสตร์ของสมองและความไม่เกี่ยวเนื่องกันของข้อมูลเนื้อสมองตายในสไลซ์ที่ติดกัน วิทยานิพนธ์นี้จึงมีการประเมินประสิทธิภาพของขั้นตอนวิธีที่นำเสนอใหม่อีกครั้งโดยตัดสไลซ์ต้นและสไลซ์ปลายที่เป็นปัญหาทิ้ง พบว่าขั้นตอนวิธีที่นำเสนอมีค่าความไวเฉลี่ยเท่ากับ 0.84 ค่าความถูกต้องเฉลี่ยเท่ากับ 0.94 และค่าสัมประสิทธิ์ความเหมือนของไดซ์เท่ากับ 0.88 ตามลำดับ สำหรับปริมาตรรวมมีความคลาดเคลื่อนอยู่ระหว่าง 4.3 เปอร์เซ็นต์ถึง 25 เปอร์เซ็นต์ นอกจากนี้ ยังพบว่าข้อมูลภาพเทคนิค DWI ที่นำมาใช้มีความละเอียดต่ำและมีความหนามาก ส่งผลให้ผลการแบ่งส่วนภาพและการคำนวณปริมาตรในขั้นตอนวิธีที่นำเสนอมีความคลาดเคลื่อนได้สูง | en_US |
| dc.description.abstractalternative | Acute ischemic stroke can be quickly identified with Diffusion-Weighted Imaging (DWI) within 4-6 hours after symptom onset. A patient’s recovery depends highly on how fast he/she gets medical diagnosis and treated. Brain infarct volume is one of many factors that are used for diagnosis and treatment planning by a neurologist. This thesis proposes to find brain infarct boundaries for volume calculation from a DWI dataset. It is done by applying global region-based active contour, proposed by Chan and Vese, together with localized region-based active contour by Lankton and Tannenbaum. The proposed algorithm starts with segmenting the brain infarct in a region of interest (ROI) identified by a neurologist. This ROI must cover the biggest brain infarct and possess the highest signal intensity among the whole DWI dataset. The system is trained with the knowledge about the particular patient’s brain infarct from the segmented result. This knowledge is used for checking if the segment results in other image slices are brain infarcts. The proposed algorithm is evaluated with 3 statistical measures that are sensitivity, precision and Dice similarity coefficient (DSC). In this thesis, the results from a neurologist are considered as gold standards. The experiments with 10 DWI datasets, each consists of 30 slices, revealed that the proposed algorithm worked well with 0.83 sensitivity, 0.85 precision and 0.80 DSC respectively. The calculated infarct volumes’ errors range from 2.6% to 44.4%. However, it is found that, with the proposed algorithm, incorrect results occur mostly in the beginning and the ending image slices of the infarct. This can be caused by 3 problems. Firstly, the infarct areas in these image slices are very small and possess intensity values close to those of the normal brain tissues of their surroundings. Secondly, unlike a neurologist, brain anatomy knowledge is not applied in the proposed algorithm when deciding whether the suspected areas are infarcts. Lastly, errors occur from the disconnectedness of the suspected infarct areas in two connected slices. Therefore, this thesis re-evaluate the proposed algorithm by neglecting the results from the beginning and the ending slices. The proposed algorithm’s efficiency increases to 0.84 sensitivity, 0.94 precision and 0.88 DSC. The volume errors range from 4.3% to 25%. Moreover, it is noted that DWI datasets in this thesis were taken with low resolution and high slice thickness. Hence, the errors in the segmentation results and calculated volumes can be naturally high. | en_US |
| dc.language.iso | th | en_US |
| dc.publisher | จุฬาลงกรณ์มหาวิทยาลัย | en_US |
| dc.relation.uri | http://doi.org/10.14457/CU.the.2015.1390 | - |
| dc.rights | จุฬาลงกรณ์มหาวิทยาลัย | en_US |
| dc.subject | การประมวลผลภาพ -- เทคนิคดิจิทัล | |
| dc.subject | สมอง -- โรค | |
| dc.subject | การประมวลผลภาพ -- เทคนิคดิจิทัล | |
| dc.subject | Image processing -- Digital techniques | |
| dc.subject | Brain -- Diseases | |
| dc.subject | Image processing -- Digital techniques | |
| dc.title | การประมาณปริมาตรของเนื้อสมองตายจากโรคสมองขาดเลือดเฉียบพลันโดยการใช้การประมวลผลภาพดิจิทัล | en_US |
| dc.title.alternative | Estimation of brain infarct volume in acute ischemic stroke by digital image processing | en_US |
| dc.type | Thesis | en_US |
| dc.degree.name | วิทยาศาสตรมหาบัณฑิต | en_US |
| dc.degree.level | ปริญญาโท | en_US |
| dc.degree.discipline | วิศวกรรมชีวเวช | en_US |
| dc.degree.grantor | จุฬาลงกรณ์มหาวิทยาลัย | en_US |
| dc.email.advisor | Nongluk.C@Chula.ac.th,nongluk.c@chula.ac.th | en_US |
| dc.email.advisor | Sukalaya.L@Chula.ac.th | en_US |
| dc.email.advisor | Yuttachai.L@chula.ac.th | en_US |
| dc.identifier.DOI | 10.14457/CU.the.2015.1390 | - |
| Appears in Collections: | Eng - Theses | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| 5570356821.pdf | 5.91 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.