A carregar...
Publicação
Semi-automatic approach for epicardial fat segmentation and quantification on non-contrast cardiac CT
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 5.16 MB | Adobe PDF |
Autores
Orientador(es)
Resumo(s)
Epicardial fat is the adipose tissue surrounding the heart, located between the myocardium and the visceral pericardium. Epicardial Fat Volume (EFV) represents a valuable predictor of cardio- and cerebro-vascular events, regardless of other risk factors. In clinical practice, the procedures to quantify EFV are mainly manual, requiring a high time cost for technicians and physicians and often involve intra- or inter-observer variances. In order to improve the repeatability of results and reduce the processing time, this thesis proposed a computer assisted tool that automatically performs epicardial fat segmentation and volume quantification on non-contrast cardiac Computed Tomography (CT).
To this purpose, two methods were developed. Both methods prioritize the use of basic image techniques that do not require a training phase and promote lower computational complexity. The two methods performance was assessed, and the more accurate one was integrated into a prototype software (HARTA) also developed, which allows human intervention for adjustments.
A set of 20 non-contrast cardiac CT scans (878 images in total) was used to validate the algorithm. The time to segment epicardial fat on a CT was about 8.8±1.1 seconds. While for exclusively manual segmentation of one exam, 10 to 26 minutes would be required. Epicardial fat segmentation was evaluated, obtaining an accuracy of 98.83% and a Dice Similarity Coefficient of 0.7888. EFV automatic quantification presented Pearson and Spearman correlation coefficients of 0.9366 and 0.8773, respectively.
The results suggest that the proposed tool has potential to be used in clinical contexts, assisting cardiologists to achieve faster and accurate EFV, leading towards personalized diagnosis and therapy. The human intervention component can also improve the automatic results and ensure the credibility of this diagnostic support system. In addition, the presented software was made available for public access.
A gordura epicárdica corresponde ao tecido adiposo que envolve o coração, localizado entre o miocárdio e o pericárdio visceral. O volume de gordura epicárdica (do inglês Epicardial Fat Volume, EFV) representa um valioso indicador de eventos cardio e cerebrovasculares, sem considerar outros fatores de risco. Na prática clínica, os procedimentos para a quantificação de EFV são essencialmente manuais, exigindo elevados custos temporais para os técnicos e médicos e envolvendo frequentemente variabilidade intra- e inter-observadores. A fim de melhorar a repetibilidade dos resultados e reduzir o tempo de processamento, esta tese pretende criar uma ferramenta assistida por computador que realiza automaticamente a segmentação da gordura epicárdica e a quantificação do volume em imagens cardíacas de Tomografia Computadorizada (TC) sem contraste. Para este propósito, foram desenvolvidos dois métodos. Ambos priveligiam a utilização de técnicas básicas de processamento de imagem que não requerem fase de treino de dados, promovendo uma menor complexidade computacional. A performance dos dois métodos foi avaliada e o método que se mostrou mais preciso foi integrado num protótipo de software (HARTA) igualmente desenvolvido, que permite a intervenção humana em caso de ajustes. Foram utilizados 20 exames de TC sem contraste (878 imagens no total) para validar o algoritmo. O tempo para segmentar a gordura epicárdica de um exame foi de 8,8±1,1 segundos. Enquanto que para a segmentação exclusivamente manual de um exame, 10 a 26 minutos seriam necessários. A segmentação da gordura epicárdica foi avaliada, obtendo-se uma precisão de 98,83% e um coeficiente de similaridade de 0,7888. A quantificação automática do EFV apresentou coeficientes de correlação de Pearson e Spearman de 0,9366 e 0,8773, respectivamente. Os resultados obtidos sugerem que a ferramenta proposta tem potencial para ser implementada em contextos clínicos, ajudando os cardiologistas a alcançar um EFV de modo mais rápido e preciso, permitindo um diagnóstico e terapia mais personalizados. A componente de intervenção humana pode também melhorar os resultados automáticos e reforçar a credibilidade deste sistema de apoio ao diagnóstico. Mais se acrescenta que o software foi disponibilizado publicamente.
A gordura epicárdica corresponde ao tecido adiposo que envolve o coração, localizado entre o miocárdio e o pericárdio visceral. O volume de gordura epicárdica (do inglês Epicardial Fat Volume, EFV) representa um valioso indicador de eventos cardio e cerebrovasculares, sem considerar outros fatores de risco. Na prática clínica, os procedimentos para a quantificação de EFV são essencialmente manuais, exigindo elevados custos temporais para os técnicos e médicos e envolvendo frequentemente variabilidade intra- e inter-observadores. A fim de melhorar a repetibilidade dos resultados e reduzir o tempo de processamento, esta tese pretende criar uma ferramenta assistida por computador que realiza automaticamente a segmentação da gordura epicárdica e a quantificação do volume em imagens cardíacas de Tomografia Computadorizada (TC) sem contraste. Para este propósito, foram desenvolvidos dois métodos. Ambos priveligiam a utilização de técnicas básicas de processamento de imagem que não requerem fase de treino de dados, promovendo uma menor complexidade computacional. A performance dos dois métodos foi avaliada e o método que se mostrou mais preciso foi integrado num protótipo de software (HARTA) igualmente desenvolvido, que permite a intervenção humana em caso de ajustes. Foram utilizados 20 exames de TC sem contraste (878 imagens no total) para validar o algoritmo. O tempo para segmentar a gordura epicárdica de um exame foi de 8,8±1,1 segundos. Enquanto que para a segmentação exclusivamente manual de um exame, 10 a 26 minutos seriam necessários. A segmentação da gordura epicárdica foi avaliada, obtendo-se uma precisão de 98,83% e um coeficiente de similaridade de 0,7888. A quantificação automática do EFV apresentou coeficientes de correlação de Pearson e Spearman de 0,9366 e 0,8773, respectivamente. Os resultados obtidos sugerem que a ferramenta proposta tem potencial para ser implementada em contextos clínicos, ajudando os cardiologistas a alcançar um EFV de modo mais rápido e preciso, permitindo um diagnóstico e terapia mais personalizados. A componente de intervenção humana pode também melhorar os resultados automáticos e reforçar a credibilidade deste sistema de apoio ao diagnóstico. Mais se acrescenta que o software foi disponibilizado publicamente.
Descrição
Palavras-chave
Epicardial fat Automatic segmentation Non-contrast cardiac CT Basic image techniques Computer-assisted tool