Automatic emphysema quantification within a lung cancer screening program
- Ceresa, Mario
- Arrate Muñoz Barrutia Directeur/trice
- Carlos Ortiz de Solórzano Aurusa Co-directeur
Université de défendre: Universidad de Navarra
Fecha de defensa: 29 juin 2012
- Javier Zulueta Frances President
- Diego Borro Yagüez Secrétaire
- Bram Van Ginneken Rapporteur
- María Jesús Ledesma Carbayo Rapporteur
- Juan José Vaquero López Rapporteur
Type: Thèses
Résumé
Los fumadores y ex-fumadores con enfisema pulmonar pueden ser la población con mayor riesgo de desarrollar cáncer de pulmón, según estudios preliminares de detección precoz de cáncer de pulmón mediante tomografía computarizada (TAC). La confirmación de esta hipótesis requiere estudios longitudinales cuantitativos basados en análisis de imágenes TAC. En el contexto del programa internacional de prevención del cáncer de pulmón I-ELCAP, se colabora con la Clínica Universidad de Navarra (CUN) para desarrollar una plataforma totalmente automática, capaz de gestionar y analizar longitudinalmente los datos de los sujetos inscritos en el Programa. Esta plataforma, internamente llamada "Robust Automatic onLine Pulmonar Helper" (Ralph), gestiona la manipulación y el almacenamiento de las imágenes TAC de baja dosis de radiación procedentes del hospital. Además, el sistema facilita la definición de procesos de análisis de imágenes, coordina su ejecución en un clúster distribuido y combina automáticamente las pruebas clínicas y los resultados provenientes del análisis automático de las imágenes. Por último, asegura la calidad de las análisis de imágenes detectando la presencia de los errores más comunes. El análisis, destinado a cuantificar con precisión la cantidad y la extensión del enfisema en las imágenes TAC de baja dosis, comienza con la segmentación y la separación del parénquima pulmonar y de las vías aéreas. Con este fin, se han desarrollado unas rutinas de segmentación que, junto con los métodos de detección de falsos positivos, representan la primera contribución de esta tesis. Estos métodos suponen un avance en la precisión y detalle de las segmentaciones de las vías aéreas. A menudo, en estudios longitudinales como I-ELCAP, los protocolos de adquisición y reconstrucción de las imágenes cambian con el tiempo, lo cual limita la comparación de cuantificaciones de enfisema realizadas en instantes de tiempo diferentes. En esta dirección, otra aportación de esta tesis es la caracterización y compensación de los efectos que esos cambios suponen en la cuantificación de enfisema. Así, los datos obtenidos utilizando diferentes protocolos de imagen pueden ser combinados en un análisis conjunto. Los programas de detección precoz de cáncer de pulmón se realizan generalmente con adquisiciones TAC de baja dosis para reducir la cantidad de radiación ionizante que reciben los sujetos. Desafortunadamente, esas imágenes contienen más ruido que las convencionales y, como resultado, las cuantificaciones automáticas se ajustan peor a la evaluación visual realizada por el radiólogo. Nuestra siguiente contribución es un clasificador que, una vez entrenado en un conjunto apropiado de descriptores de enfisema derivados por imagen, se ajusta muy bien a la clasificación de los radiólogos. Por último, se realizó un estudio retrospectivo de progresión del enfisema en el grupo I-ELCAP reclutado en la CUN. En este estudio, se comparó la sensibilidad de las pruebas estándar de función pulmonar con la de las medidas derivadas por TAC. Finalmente, se analizó el grado de afectación por enfisema en una población de pacientes con cáncer de pulmón. El trabajo desarrollado en la tesis contiene importantes contribuciones metodológicas que facilitan la realización de estudios longitudinales basados en imágenes. En particular, se ha demostrado que es posible detectar y evaluar el enfisema en las imágenes de baja dosis y seguir la progresión de dicha enfermedad a lo largo de una década en un conjunto de datos heterogéneos. Este es sólo un ejemplo de otros muchos problemas clínicos que podrían ser tratados utilizando nuestra plataforma.