PET/CT-vel detektált mellkasi halmozások automatikus karakterizálásához kidolgozandó szakértői rendszer tesztadatbázisának kialakítása

Bevezetés: A Nukleáris Medicina Intézet munkatársai egy FP7-es projekt keretében olyan multimodális képfeldolgozó szoftverrendszert fejlesztenek, amely hatékonyan alkalmazható korszerű technológiát igénylő módszerek kidolgozásában. Az egyik ilyen projekt egy PET/CT diagnosztikai szakértői rendszer kialakításának előkészítése: FDG-PET felvételeken látható mellkasi halmozódások automatikus karakterizálása. Az összetett fejlesztési tevékenység algoritmus implementációból és tesztelésből áll, amelyekhez egy tesztadatbázis adatait használják.
Célkitűzés: A TDK munka keretében a tesztadatbázis kialakítása valamint a szoftvertesztek eredményeinek ellenőrzése volt a cél. Mivel a képfeldolgozáshoz használt szoftver folyamatos fejlesztés alatt állt, feladat volt még a szoftverhibák jelzése és a javítások ellenőrzése.
Módszer: A tesztadatbázis kialakításához 16 beteg FDG-PET/CT képanyagát használtuk fel. Szakorvosi segítséggel a mellkasi halmozásokat három osztályba (tumor, gyulladás, ismeretlen) soroltuk és a környezetükben 10 és 20 mm-es gömb VOI-kat, valamint régiónövelő eljárással a halmozás formájához illeszkedő VOI-kat alakítottunk ki. A lowdose CT felvételek felhasználásával betegenként meghatároztuk a máj, a szív, a tüdő, a légcső és a mellkas csontváz felületmodelljeit.
Eredmények: A munka során 3 komolyabb szoftverhibát találtunk, amelyek javítása után a képfeldolgozási munkát el lehetett kezdeni. A kialakított teszt-adatbázis 56 FDG kategorizált halmozás VOI paramétereit, és a halmozásokhoz rendelt szöveti hisztogrammokat valamint a CT alapján meghatározott anatómiai képletek felületmodelljeit tartalmazza. A felületmodellek kézi kijelölése során rögzítettük azokat a paramétereket, amelyekkel ezek automatikus meghatározása megoldható lesz.
Megbeszélés: A VOI-kat és felületmodelleket tartalmazó adatbázis felhasználásával elvégezték a tesztfuttatásokat, amely segítségével a halmozások tumor, gyulladás vagy ismeretlen besorolását 70%-os biztonsággal lehetett megbecsülni. A feldolgozás teljes automatizálását 6 beteg esetében sikerült megoldani, a többi esetében a szegmentáció manuális indítására volt szükség, amihez a TDK munka keretében írtunk le pontos protokollt.