Publicação
Deteção de cancro da próstata em imagens de ressonância magnética bi-paramétrica
| Resumo: | Atualmente, o cancro da próstata é o tipo de cancro mais prevalente e o segundo mais comum em homens, em todo o mundo. Um diagnóstico precoce de lesões clinicamente significativas é fundamental e aumenta consideravelmente a probabilidade de um tratamento bem-sucedido. Mesmo em casos mais avançados, a segmentação destas lesões tem também relevo para um correto planeamento médico do tratamento e respetiva monitorização. A Ressonância Magnética Multi-paramétrica tem assumido um papel relevante crescente no diagnóstico precoce deste tipo de cancro, sendo recomendada pela Associação Europeia de Urologia como primeira opção de diagnóstico antes de recorrer à biópsia. Assim sendo, a deteção precoce de cancro de próstata em imagens de ressonância magnética oferece uma ferramenta valiosa na luta contra esta doença, permitindo diagnósticos mais precisos e tratamentos mais eficazes, ao mesmo tempo que ajuda a evitar procedimentos invasivos desnecessários. No entanto, a interpretação da ressonância magnética é desafiadora devido às características subtis inerentes da imagem e, além de ser um procedimento moroso, a segmentação manual sofre de ampla variabilidade intra e interobservador. Além disto, a Ressonância Magnética Bi-paramétrica tem surgido como uma alternativa à Multiparamétrica que, ao não incluir aquisições Dynamic Contrast-Enhanced, elimina os potenciais riscos associados à utilização de agentes contrastivos, tornando este protocolo mais eficiente e económico. Métodos de Deep Learning têm vindo a fornecer soluções interessantes com boa precisão no contexto da segmentação de imagens médicas e, como tal, são vistos como fundamentais para futuras aplicações no setor da saúde. Tendo isto em conta, muitos algoritmos de Deep Learning têm, recentemente, sido desenvolvidos para a deteção e segmentação de cancro da próstata em imagens de ressonância magnética, procurando substituir a segmentação manual e as suas desvantagens associadas. A presente dissertação tem como objetivo o desenvolvimento de um método automático baseado em Deep Learning que detete, faça a delineação de lesões clinicamente significativas a partir de imagens de Ressonância Magnética Bi-paramétrica e apresente a probabilidade dessa lesão ser clinicamente significativa, bem como uma pontuação geral do paciente abrigar cancro da próstata clinicamente significativo. O método proposto nesta dissertação é baseado em duas etapas, onde na primeira etapa é feita a segmentação anatómica da próstata e na segunda é feita a deteção, segmentação e classificação das lesões clinicamente significativas a partir de imagens de Ressonância Magnética Bi-paramétrica. O método proposto foi avaliado no Grand Challenge on Artificial Intelligence and Radiologists at Prostate Cancer Detection in MRI (PI-CAI 2022), onde obteve resultados positivos em comparação com outros métodos estado de arte, no diagnóstico e na segmentação de lesões clinicamente significativas da próstata. |
|---|---|
| Autores principais: | Ferreira, Márcia |
| Assunto: | Deteção de Cancro da Próstata Ressonância Magnética Bi-paramétrica Deep Learning Prostate Cancer Detection Biparametric MRI |
| Ano: | 2024 |
| País: | Portugal |
| Tipo de documento: | dissertação de mestrado |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | Universidade do Minho |
| Idioma: | português |
| Origem: | RepositóriUM - Universidade do Minho |
| Resumo: | Atualmente, o cancro da próstata é o tipo de cancro mais prevalente e o segundo mais comum em homens, em todo o mundo. Um diagnóstico precoce de lesões clinicamente significativas é fundamental e aumenta consideravelmente a probabilidade de um tratamento bem-sucedido. Mesmo em casos mais avançados, a segmentação destas lesões tem também relevo para um correto planeamento médico do tratamento e respetiva monitorização. A Ressonância Magnética Multi-paramétrica tem assumido um papel relevante crescente no diagnóstico precoce deste tipo de cancro, sendo recomendada pela Associação Europeia de Urologia como primeira opção de diagnóstico antes de recorrer à biópsia. Assim sendo, a deteção precoce de cancro de próstata em imagens de ressonância magnética oferece uma ferramenta valiosa na luta contra esta doença, permitindo diagnósticos mais precisos e tratamentos mais eficazes, ao mesmo tempo que ajuda a evitar procedimentos invasivos desnecessários. No entanto, a interpretação da ressonância magnética é desafiadora devido às características subtis inerentes da imagem e, além de ser um procedimento moroso, a segmentação manual sofre de ampla variabilidade intra e interobservador. Além disto, a Ressonância Magnética Bi-paramétrica tem surgido como uma alternativa à Multiparamétrica que, ao não incluir aquisições Dynamic Contrast-Enhanced, elimina os potenciais riscos associados à utilização de agentes contrastivos, tornando este protocolo mais eficiente e económico. Métodos de Deep Learning têm vindo a fornecer soluções interessantes com boa precisão no contexto da segmentação de imagens médicas e, como tal, são vistos como fundamentais para futuras aplicações no setor da saúde. Tendo isto em conta, muitos algoritmos de Deep Learning têm, recentemente, sido desenvolvidos para a deteção e segmentação de cancro da próstata em imagens de ressonância magnética, procurando substituir a segmentação manual e as suas desvantagens associadas. A presente dissertação tem como objetivo o desenvolvimento de um método automático baseado em Deep Learning que detete, faça a delineação de lesões clinicamente significativas a partir de imagens de Ressonância Magnética Bi-paramétrica e apresente a probabilidade dessa lesão ser clinicamente significativa, bem como uma pontuação geral do paciente abrigar cancro da próstata clinicamente significativo. O método proposto nesta dissertação é baseado em duas etapas, onde na primeira etapa é feita a segmentação anatómica da próstata e na segunda é feita a deteção, segmentação e classificação das lesões clinicamente significativas a partir de imagens de Ressonância Magnética Bi-paramétrica. O método proposto foi avaliado no Grand Challenge on Artificial Intelligence and Radiologists at Prostate Cancer Detection in MRI (PI-CAI 2022), onde obteve resultados positivos em comparação com outros métodos estado de arte, no diagnóstico e na segmentação de lesões clinicamente significativas da próstata. |
|---|