Image Processing for Enhancement of Ischemic Stroke in Computed Tomography Examinations
Traitement d’images pour le rehaussement de l'AVC ischémique sur des examens de tomographie
Résumé
Stroke is one of the highest causes of death worldwide. Non-enhanced computed tomography (CT) and nuclear magnetic resonance imaging (MRI) are the two main imaging techniques used to detect stroke. CT has a lower cost and greater accessibility of the population, so it is still the main method used. In most cases, the assessment of the compromised brain area is performed subjectively and may lead to difficulties in diagnosis. This research proposes an approach based on a computational algorithm, highlighting regions of ischemic stroke. Different image processing methods were used to enhance ischemic tissues. A set of 41 retrospective CT scans from Botucatu Medical School (Brazil) was used, divided into 25 cases of acute ischemic stroke and 16 normal patients. Stroke cases were obtained within 4.5 h of symptom onset. After selection of CT slices, image averaging was performed to reduce the noise. This was followed by a variational decomposition model and the expectation maximization method was applied to generate enhanced images. We determined a test to evaluate the performance of observers in a clinical environment with and without the aid of enhanced images. The overall sensitivity of the observer’s analysis was 64.5 % and increased to 89.6 % and specificity was 83.3 % and increased to 91.7 %. These results show the importance of a computational tool to assist neuroradiology decisions, especially in critical situations such as the diagnosis of ischemic stroke.
L’Accident Vasculaire Cérébral (AVC) est l'une des principales causes de décès dans le monde. Le scanner et l'Imagerie par Résonance Magnétique (IRM) sont les deux principales techniques d'imagerie utilisées pour détecter les AVC. L’examen par scanner reste donc la principale méthode de diagnostic. Dans la plupart des cas, l'évaluation de la région cérébrale compromise est effectuée de manière subjective et peut entraîner des difficultés pour déterminer la région atteinte. Ce travail de thèse propose une approche basée sur un algorithme permettant de mettre en évidence les régions atteintes d’AVC ischémique dans les examens de scanner rétrospectifs. Différentes méthodes de traitement des images ont été utilisées pour réhausser les régions des tissus ischémiques. Afin de permettre aux médecins moins expérimentés de détecter de manière fiable les signes précoces AVC, une nouvelle approche est proposée pour améliorer la perception visuelle de l’accident ischémique cérébral. Une série de 41 images scanner rétrospectifs ont été utilisées, réparties en 25 cas d’AVC ischémiques et 16 patients normaux. Les cas d'AVC ont été obtenus dans les 4,5 heures suivant l'apparition des symptômes. Après la sélection des coupes importantes, une moyenne d'image est effectuée pour réduire le bruit. Ensuite, un modèle de décomposition variationnelle est appliqué afin de conserver la composante pertinente de l'image. Enfin, un algorithme d’espérance-maximisation est appliqué. Un test est proposé afin d’évaluer la performance des observateurs dans un environnement clinique avec et sans l'aide d'images rehaussées. La sensibilité globale de l'analyse de l'observateur a été améliorée de 64,5% à 89,6% et la spécificité de 83,3% à 91,7%. Ces résultats montrent l'importance d'un outil informatique d'aide à la décision en neuroradiologie, notamment dans les situations critiques telles que le diagnostic d'accident ischémique cérébral.
Origine : Version validée par le jury (STAR)
Loading...