logo SBA

ETD

Archivio digitale delle tesi discusse presso l’Università di Pisa

Tesi etd-01112024-102110


Tipo di tesi
Tesi di laurea magistrale
Autore
CAFORIO, GAETANO
URN
etd-01112024-102110
Titolo
Contrast-enhanced ultrasound per la classificazione di tumori della mammella
Dipartimento
INGEGNERIA DELL'INFORMAZIONE
Corso di studi
INGEGNERIA BIOMEDICA
Relatori
relatore Prof. Vanello, Nicola
Parole chiave
  • breast
  • CEUS
  • quantitative
  • classification
  • benign
  • malignant
  • registration
  • fitting
  • LDRW
  • correlation
  • mutual
  • ,information
  • cancer
Data inizio appello
14/02/2024
Consultabilità
Non consultabile
Data di rilascio
14/02/2094
Riassunto
Lo scopo di questo studio è quello di sfruttare contrast-enhanced ultrasound (CEUS) per la classificazione di tumori benigni e maligni della mammella. Lo studio include 109 donne (range età: 18-82 anni).
Abbiamo valutato la cinetica dell’ultrasound contrast agent (UCA) all’interno delle lesioni tramite fitting delle time-intensity curves (TICs) con local density random walk (LDRW) model e abbiamo analizzato l’eterogeneità della microvascolatura tramite analisi spaziotemporale delle TICs di pixel vicini. Alcuni dei parametri ricavati sono mutua informazione (MI), coefficiente di correlazione, coerenza spettrale e parametri basati sul fitting quali k, wash-in time (WIT), appearance-time (AT), mean transit time (MTT). Inoltre, abbiamo eseguito la registrazione per valutare l’effetto del movimento sulla classificazione e sul fitting con l’LDRW model.
Poiché la stima dei parametri nell’ analisi spaziotemporale è affidabile solo nelle lesioni ben perfuse, le lesioni sono state suddivise in quattro gruppi in base all’aumento di intensità di segnale (grado di enhancement) durante la perfusione all’interno della lesione e in base alla percentuale di pixel perfusi all’interno della lesione.
Per valutare le prestazioni dei parametri, abbiamo utilizzato il Kolmogorov-Smirnov (KS) test a livello di singolo pixel e le curve receiver operator characteristic (ROC) a livello dell’intera lesione. Considerando solo le lesioni incluse in gruppo 1 (ottimo enhancement) o in gruppo 1 e 2 (buon enhancement), la MI ha dato i risultati migliori, sia a livello di singolo pixel che a livello di lesione. I parametri ricavati tramite fitting, invece, non sembrano essere promettenti per la differenziazione delle lesioni. La registrazione ha permesso di migliorare le prestazioni del fitting, ma non quelle dell’analisi spaziotemporale, che si è rivelata robusta alla registrazione.

File