Obecnie stosowane procedury diagnostyczne w kierunku wykrycia bądź wykluczenia raka prostaty u mężczyzn są niewystarczające i często bywają zawodne. Nadzieję na zwiększenie skuteczności diagnozy w szczególnie trudnych przypadkach daje technika perfuzyjnej tomografii komputerowej. Metoda ta, będąca wciąż w fazie rozwoju, pozwala na pomiar parametrów przepływu krwi przez badaną tkankę, co uwidaczniane jest na barwnych dwuwymiarowych obrazach, tzw. „mapach parametrycznych".
Przedmiotem niniejszej pracy jest niezależna i deterministyczna interpretacja otrzymanych w ten sposób map pochodzących od kilkudziesięciu pacjentów, zarówno chorych, jak i zdrowych.
W pracy wykorzystano techniki znane z dziedziny przetwarzania i rozpoznawania obrazów oraz eksploracji danych, co umożliwiło skonstruowanie i przetestowanie szeregu autorskich algorytmów, cechujących się wysoką skutecznością rozpoznania, zarówno w ujęciu całościowym (odpowiedź na pytanie czy pacjent ma raka, czy też nie) jak i w szczegółowym wskazaniu prawdopodobnej lokalizacji nowotworu.
"Research on usefulness of selected image processing methods in perfusion CT diagnostics of prostate cancer"
The increasing frequency and difficulties in detecting prostate cancer (PCa) in early stage makes it an important problem in medicine. The perfusion computed tomography (p-CT) is supposed to avoid such difficulties even in particularly hard cases.
The purpose of this work is to verify the usefulness of the p-CT method and to invent algorithms enabling automatically detection and indication of the cancerous lesions. The research on large set of p-CT images concentrated on selection of proper preprocessing procedures, optimal feature space and the best decision function. A serious problem was also to choose regions of interest -especially important areas in the gland.
The conclusion is that it is possible to improve the detectability of PCa by creating dedicated computational system to CT scanners, that could point out the cancerous lesions automatically, faster, more reliable than in traditional methods.
