Tanszékcsoporti szeminárium

Az emberi szervezetben levő tumoros régiók detektálása  a Nukleáris Medicina egyik
legnagyobb kihívásainak egyike. A napi rutinban általában PET-CT hibrid képalkotó
berendezésekből eredő képpárosokon szoktak léziókat detektálni manuálisan. Ez a
folyamat nagyban függ a kiértékelést végző orvos tapasztalatától. Annak érdekében,
hogy a kiértékelés minél standardizáltabb legyen, egy automatikus szegmentáló és
tumor klasszifikáló algoritmus került kifejlesztésre. Az algoritmus a PET képen egy
küszöb felett minden egyes lokális maximum pozíciót detektál, majd azok körül
automatikus isocount VOI-kat generál. Az isocount VOI-k határainak meghatározása
gradiens maximalizálással történik. A CT-k feldolgozása fuzzy szegmentációs
módszerekkel megy végbe, ahol négy fuzzy kappa scene kerül legenerálásra a levegő,
zsír, izom és csont régiók elkülönítésének érdekében. A szegmentált PET régiókból
ezután PET és CT kappa scene paraméterek kerülnek kiszámításra, melyek felett egy
klasszifikáló függvény lefutása eredményezi minden egyes lézió tumor valószínűségi
alapú klasszifikálását. A fenti algoritmus függvény minimalizáló módszerekkel
öntanulásra is képes, melynek eredményeképp a klasszifikáló függvény paraméterei
hangolhatók. Az algoritmus tüdő PET-CT képek felett a tumorok 97%-át képes
detektálni.