Ανάλυση ιατρικής εικόνας καρδιάς με τεχνικές μηχανικής μάθησης και νευρωνικά δίκτυα βαθιάς μάθησης/Medical Heart Image Analysis with Machine Learning Techniques and Deep Learning Neural Networks

Author nameΠερικλής Μπουζάνης
Title
Ανάλυση ιατρικής εικόνας καρδιάς με τεχνικές μηχανικής μάθησης και νευρωνικά δίκτυα βαθιάς μάθησης/Medical Heart Image Analysis with Machine Learning Techniques and Deep Learning Neural Networks
Year2020-2021
Supervisor

Michael Filippakis

MichaelFilippakis

Summary

Η ανθρώπινη καρδιά θεωρείται ένα από τα πιο σημαντικά όργανα του ανθρώπινου σώματος, αφού η δουλειά της είναι να παρέχει αίμα στον οργανισμό. Μία από τις μεθόδους που χρησιμοποιούν οι κλινικοί γιατροί, για να εξετάσουν την καρδιά και την κατάσταση της εσωτερικής δομής της, είναι το Διαθωρακικό Ηχοκαρδιογράφημα (TTE), το οποίο είναι η πιο χρησιμοποιούμενη, ευέλικτη και οικονομικά αποδοτική μέθοδος καρδιακής απεικόνισης. Οι τεχνικές μηχανικής μάθησης και τα νευρωνικά δίκτυα βαθιάς μάθησης, που εφαρμόζονται σε εικόνες TTE, μπορούν να προσφέρουν εξαιρετικά ακριβή και αυτοματοποιημένη ερμηνεία της κλινικής κατάστασης της καρδιάς, η οποία μπορεί να βοηθήσει σημαντικά τους καρδιολόγους στην αξιολόγηση της ανωμαλίας της καρδιάς ή όχι. Στην τρέχουσα μεταπτυχιακή διατριβή, ένας αλγόριθμος βαθιάς μάθησης θα εξεταστεί σε διάφορες αναλύσεις δεδομένων και θα συγκριθεί η απόδοσή του στο έργο της ταξινόμησης της διεύρυνσης του αριστερού κόλπου της ανθρώπινης καρδιάς, με τη χρήση εικόνων TTE από ασθενείς ενός Ελληνικό Νοσοκομείο, θα μελετηθεί. Ο βασικός αλγόριθμος είναι ένας συνδυασμός ενός Unet και ενός Συνελικτικού Νευρωνικού Δικτύου (CNN). Η Unet θα τμηματοποιήσει τις εικόνες A4C TTE πάνω από τον καρδιακό αριστερό κόλπο (LA) και το CNN θα ταξινομήσει τις τμηματοποιημένες εικόνες για κανονικό ή μη φυσιολογικό μέγεθος του LA. Επιπλέον, ένας ημι-εποπτευόμενος GAN θα εκπαιδευτεί και θα αξιολογηθεί στην ταξινόμηση του καρδιακού LA ως φυσιολογικού ή μη φυσιολογικού.