< Terug naar vorige pagina

Project

Classificatie van tumor types - analyse van eigenschappen van microcalcificaties in 3D hoog resolutie micro-CT beelden (FWOSB65)

Borstkanker is een van de meest voorkomende kankers bij vrouwen wereldwijd. De belangrijkste indicatoren voor een vroege borstkanker zijn microcalcificaties (MC's) die worden gevonden tijdens een mammografiescreening. Ze zijn niet altijd beperkt tot maligniteiten zoals ze ook voorkomen in gezonde borsten. Naast het bekendmaken als de patiënt kanker heeft of niet, kunnen hun kenmerken meer zeggen over de overlevingskans, patiëntentherapie, uitkomst en prognose. Omdat mammografie echter een projectiebeeld is, kan het zich verbergen en het uiterlijk van MCS aanzienlijk laten variëren. Dus het onderscheid tussen goedaardige en kwaadaardige MC's is in veel gevallen moeilijk.

Om radiologen bij te staan, zijn Computer Aided Detection and Diagnosis (CAD) -systemen ontwikkeld om de locatie en grenzen van de regio van belang (ROI) te detecteren en te labelen als goedaardig of kwaadaardig. Tijdens mijn masterscriptie werd een CAD-systeem met een laag aantal valse negatieven en vals-positieve waarden bedacht bij het analyseren van 3D-hoge resolutie micro-Ct-afbeeldingen. Gezien het bewijs voor de link tussen beeldkenmerken van MC's, maligniteit en tumortype, is het belangrijkste doel van mijn onderzoek om een ​​CAD-systeem voor borstkanker te ontwikkelen door gebruik te maken van MC's individuele eigenschappen. We veronderstellen dat Deep Learning-methoden (DL) die zijn verrijkt met handgemaakte functies, beter presteren dan elk van deze methoden, kwaadaardige MC's in verschillende borsttumortypen classificeren en onderscheid maken tussen gezonde personen en personen die lijden aan borstkanker.
Datum:1 jan 2019 →  31 dec 2022
Trefwoorden:3D beelden
Disciplines:Artificiële intelligentie niet elders geclassificeerd, Biomedische beeldverwerking, Machine learning en besluitvorming, Datavisualisatie en beeldvorming
Project type:Samenwerkingsproject