| dc.description.abstract | Formål: I moderne DCE-MRI bildeanalyse er AIF avgjørende for å få korrekte farmakokinetiske verdier. AIF kan ekstraheres enten halvautomatisk eller manuelt. Uansett metode er det imidlertid dårlig reproduserbarhet og risiko for operatør bias. Denne studien har som mål å skape en arbeidsflyt for automatisk ekstraksjon av den arterielle inputfunksjonen som brukes i cerebral DCE-MRI på en repeterbar og reproduserbar måte. Metoder: Dynamiske kontrastforsterkede T1-vektede MRI-bilder av 59 pasienter ble brukt til å trene en DenseNet-modell for å identifisere skiver med synlig arteria cerebri media (ACM). To metoder blir foreslått for å velge en eller flere aksiale skiver innenfor en DCE-MRI-serie som sannsynligvis inneholder ACM. Disse skivene blir deretter brukt til å estimere voxelene som sannsynligvis representerer AIF ved hjelp av en etablert metode. Metode A brukte en enkeltskive som modellen ga høyest sannsynlighet for å inneholde ACM. Metode B brukte alle skiver der modellen hadde tildelt en sannsynlighet høyere enn 0,5. Disse metodene ble sammenlignet med baseline-metode C, som brukte alle skiver. Intra-variabiliteten til 5 pasienter som ble avbildet over en kort periode (uker) ble målt ved å vurdere forskjeller i AUC, TTP, PTB og signalkorrelasjon for å evaluere repeterbarhet. Til slutt ble det gjort en kvalitativ undersøkelse av de beste og verste resultatene for metode B. Resultater: MCA-deteksjonsmodellen testet på 831 prøver av usett heterogen data oppnådde en nøyaktighet på 94,9%, presisjon på 87,1% og dekning på 96,6%. Ved sammenligning av de ulike metodene presterte metode A dårligst med gjennomsnittlige forskjeller og standardavvik for AUC -10,51 (185,82), TTP 0,63 (2,94), PTB -0,39 (5,13) og en gjennomsnittlig korrelasjon mellom seriene på 0,90. Metode B presterte nest best med gjennomsnittlige forskjeller og standardavvik for AUC 28,74 (128,04), TTP 0,70 (2,32), PTB 0,69 (3,96) og en gjennomsnittlig korrelasjon mellom seriene på 0,92. Den beste modellen var modell C, som oppnådde gjennomsnittlige forskjeller og standardavvik for AUC 5,09 (54,70), TTP 0,59 (3,41), PTB 0,06 (1,74) og en gjennomsnittlig korrelasjon mellom seriene på 0,91. AIF-er ekstrahert med metode A og B hadde en gjennomsnittlig TTP som var 2,67 sekunder tidligere enn metode C. Konklusjon: Gjennom denne avhandlingen har det blitt definert en modulær og enkelt tilpasningsdyktig arbeidsflyt for ekstraksjon av AIF-er. Metode C ga den laveste gjennomsnittlige variansen. Med noen unntak viser metode B lovende resultater og bør utforskes videre. | |
