Deze presentatie

The ARGOS study
Automatic Recognition of irreGularities
in the OesophaguS
Fons van der Sommen1
Sveta Zinger1
Peter de With1
Erik Schoon2
1) Eindhoven
12-sep-14
University of Technology, 2) Catharina Hospital
{f.v.d.sommen; s.zinger; p.h.n.de.with} @tue.nl
[email protected]
1
Doel van het onderzoek
• Kunnen we het herkennen van vroege kanker in de
slokdarm automatiseren?
• Ontwikkelen computer algoritme dat afwijkingen leert
herkennen en real-time met de arts “meekijkt”.
Arts gaat met een
endoscoop de slokdarm in…
12-sep-14
Systeem: “verdachte plek gevonden…”
2
Hoe kunnen we afwijkingen kwantificeren?
• Een beeld is een verzameling getallen.
=
00
0
00
0
…
…
…
…
…
…
…
0
…
00
…
0
…
00
0
00
…
0
0
00
…
00
0
00
…
0
0
0
0
…
075 014 037 0
… …
0 0 0 0 0 0 0 0 0 0 075 014 037 0
0
0
0
10 50 41 60
… …
0 0 0 0 0 0 0 0 010 050 7541 1460 37
0
0
80 80 104 100 75
… …
0 0 0 0 0 0 080 080 10
50
41
60
0
34 77 107 111 104
116 100
85 75… …
0 0 0 0 034 077 80
80 104
100 75
25 33 101 140 107
121 111
90 116
12 85… …
0 0 025 033 34
77 107
111 116 85
55 120 187 101
100 140
140 121
10 9010 12… …
0 0 055 25
120 33
187 101
100 140
140 121
10 9010 12…
0
0
55 120 187 100 140 10 10
0
00
…
0
0
00
…
0
…
…
…
…
…
…
…
…
…
…
…
…
…
…
…
…
…
…
…
Picture element: pixel
12-sep-14
3
Hoe kunnen we afwijkingen kwantificeren?
• Een beeld is een verzameling getallen/pixels.
• Uit de literatuur/praktijk: Waarneembaar verschil in
kleur en textuur in het weefsel.
200
200
100
100
0
12-sep-14
50
100
150
200
200
100
100
0
Vroege kanker
0
0
0
50
100
0
150
0
50
100
150
0
50
100
150
Gezond weefsel
4
Hoe kunnen we afwijkingen kwantificeren?
• Een beeld is een verzameling getallen/pixels.
• Uit de literatuur/praktijk: Waarneembaar verschil in
kleur en textuur in het weefsel.
• Kleur = pixel waarden.
 Neem het lokaal gemiddelde en de standaard deviatie!
• Textuur = lokale veranderingen in pixel waarden.
 Gebruik selectieve filters om de patronen te vinden!
12-sep-14
5
Hoe kunnen we afwijkingen kwantificeren?
• Welk filter gebruiken om vroege kanker te vinden?
Uit onderzoek blijkt:
Gabor filters
Orienteerbaar
Schaalbaar
12-sep-14
6
Hoe kunnen we afwijkingen kwantificeren?
Neem het lokale gemiddelde en de std deviatie van de
I. pixel waarden (kleur);
II. gefilterde pixel waarden (textuur).
12-sep-14
7
Hoe gebruiken we dit in een lerend systeem?
• Na kwantificatie: voor elk stukje beeld een set getallen:
123
85
176
10
12
22
Gemiddelde Std. dev.
kleur
kleur
85
43
92
30
75
84
10
33
8
3
2
Gemiddelde
textuur
7
6
4
5
4
Std. dev.
textuur
Vroege kanker
Niet dysplastisch textuur
12-sep-14
Nieuw stukje weefsel
geeft punt in vlak
Scheidslijn tussen wel
en geen kanker,
geleerd uit voorbeelden.
kleur
kleur
• Welke getallen duiden op kanker?
Nieuw punt, rechts van
de “geleerde” scheidslijn:
vroege kanker
?
=
textuur
8
Hoe gebruiken we dit in een lerend systeem?
12-sep-14
9
Hoe gebruiken we dit in een lerend systeem?
123 85 176 … 12
88 71 22 … 84
25 163 12 … 24
158 23 185 … 201
4
12-sep-14
42
78 62 … 10
74 67 …
2
10
Resultaten
Geannoteerd door een medisch specialist
Geannoteerd door het getrainde computer algoritme
12-sep-14
11