kth.sePublikationer
Ändra sökning
Avgränsa sökresultatet
1234567 1 - 50 av 321
RefereraExporteraLänk till träfflistan
Permanent länk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Träffar per sida
  • 5
  • 10
  • 20
  • 50
  • 100
  • 250
Sortering
  • Standard (Relevans)
  • Författare A-Ö
  • Författare Ö-A
  • Titel A-Ö
  • Titel Ö-A
  • Publikationstyp A-Ö
  • Publikationstyp Ö-A
  • Äldst först
  • Nyast först
  • Skapad (Äldst först)
  • Skapad (Nyast först)
  • Senast uppdaterad (Äldst först)
  • Senast uppdaterad (Nyast först)
  • Disputationsdatum (tidigaste först)
  • Disputationsdatum (senaste först)
  • Standard (Relevans)
  • Författare A-Ö
  • Författare Ö-A
  • Titel A-Ö
  • Titel Ö-A
  • Publikationstyp A-Ö
  • Publikationstyp Ö-A
  • Äldst först
  • Nyast först
  • Skapad (Äldst först)
  • Skapad (Nyast först)
  • Senast uppdaterad (Äldst först)
  • Senast uppdaterad (Nyast först)
  • Disputationsdatum (tidigaste först)
  • Disputationsdatum (senaste först)
Markera
Maxantalet träffar du kan exportera från sökgränssnittet är 250. Vid större uttag använd dig av utsökningar.
  • 1.
    Adler, Jonas
    et al.
    KTH, Skolan för teknikvetenskap (SCI), Matematik (Inst.), Matematik (Avd.).
    Lunz, Sebastian
    Univ Cambridge, Dept Appl Math & Theoret Phys, Cambridge, England..
    Banach Wasserstein GAN2018Ingår i: Advances in Neural Information Processing Systems 31 (NIPS 2018) / [ed] Bengio, S Wallach, H Larochelle, H Grauman, K CesaBianchi, N Garnett, R, Neural Information Processing Systems (NIPS) , 2018Konferensbidrag (Refereegranskat)
    Abstract [en]

    Wasserstein Generative Adversarial Networks (WGANs) can be used to generate realistic samples from complicated image distributions. The Wasserstein metric used in WGANs is based on a notion of distance between individual images, which induces a notion of distance between probability distributions of images. So far the community has considered l(2) as the underlying distance. We generalize the theory of WGAN with gradient penalty to Banach spaces, allowing practitioners to select the features to emphasize in the generator. We further discuss the effect of some particular choices of underlying norms, focusing on Sobolev norms. Finally, we demonstrate a boost in performance for an appropriate choice of norm on CIFAR-10 and CelebA.

  • 2.
    Adler, Jonas
    et al.
    KTH, Skolan för teknikvetenskap (SCI), Matematik (Inst.), Matematik (Avd.). Elekta, Box 7593, 103 93 Stockholm, Sweden.
    Ringh, Axel
    KTH, Skolan för teknikvetenskap (SCI), Matematik (Inst.), Optimeringslära och systemteori.
    Öktem, Ozan
    KTH, Skolan för teknikvetenskap (SCI), Matematik (Inst.), Matematik (Avd.).
    Karlsson, Johan
    KTH, Skolan för teknikvetenskap (SCI), Matematik (Inst.), Optimeringslära och systemteori.
    Learning to solve inverse problems using Wasserstein lossManuskript (preprint) (Övrigt vetenskapligt)
    Abstract [en]

    We propose using the Wasserstein loss for training in inverse problems. In particular, we consider a learned primal-dual reconstruction scheme for ill-posed inverse problems using the Wasserstein distance as loss function in the learning. This is motivated by miss-alignments in training data, which when using standard mean squared error loss could severely degrade reconstruction quality. We prove that training with the Wasserstein loss gives a reconstruction operator that correctly compensates for miss-alignments in certain cases, whereas training with the mean squared error gives a smeared reconstruction. Moreover, we demonstrate these effects by training a reconstruction algorithm using both mean squared error and optimal transport loss for a problem in computerized tomography.

  • 3.
    Afkham, Heydar Maboudi
    et al.
    KTH, Skolan för bioteknologi (BIO), Genteknologi.
    Ek, Carl Henrik
    KTH, Skolan för datavetenskap och kommunikation (CSC), Datorseende och robotik, CVAP.
    Carlsson, Stefan
    KTH, Skolan för datavetenskap och kommunikation (CSC), Datorseende och robotik, CVAP.
    Gradual improvement of image descriptor quality2014Ingår i: ICPRAM 2014 - Proceedings of the 3rd International Conference on Pattern Recognition Applications and Methods, 2014, s. 233-238Konferensbidrag (Refereegranskat)
    Abstract [en]

    In this paper, we propose a framework for gradually improving the quality of an already existing image descriptor. The descriptor used in this paper (Afkham et al., 2013) uses the response of a series of discriminative components for summarizing each image. As we will show, this descriptor has an ideal form in which all categories become linearly separable. While, reaching this form is not feasible, we will argue how by replacing a small fraction of these components, it is possible to obtain a descriptor which is, on average, closer to this ideal form. To do so, we initially identify which components do not contribute to the quality of the descriptor and replace them with more robust components. Here, a joint feature selection method is used to find improved components. As our experiments show, this change directly reflects in the capability of the resulting descriptor in discriminating between different categories.

  • 4.
    Agerskov, Niels
    et al.
    KTH, Skolan för teknik och hälsa (STH).
    Carrizo, Gabriel
    KTH, Skolan för teknik och hälsa (STH).
    Application for Deriving 2D Images from 3D CT Image Data for Research Purposes2016Självständigt arbete på grundnivå (kandidatexamen), 10 poäng / 15 hpStudentuppsats (Examensarbete)
    Abstract [sv]

    På Karolinska universitetssjukhuset, Huddinge har man länge önskat möjligheten att utföra mallningar av höftproteser med hjälp av data från datortomografiundersökningar (DT). Detta har hittills inte varit möjligt eftersom programmet som används för mallning av höftproteser enbart accepterar traditionella slätröntgenbilder. Därför var syftet med detta projekt att skapa en mjukvaru-applikation som kan användas för att generera 2D-bilder för mallning av proteser från DT-data.

    För att skapa applikationen användes huvudsakligen Python-kodbiblioteken NumPy och The Visualization Toolkit (VTK) tillsammans med användargränssnittsbiblioteket PyQt4. I applikationen ingår ett grafiskt användargränssnitt och metoder för optimering av bilderna i mallningssammanhang.

    Applikationen fungerar men bildernas kvalitet måste utvärderas med en större urvalsgrupp. 

    Ladda ner fulltext (pdf)
    fulltext
  • 5.
    Ahmed, Mohamed
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning.
    Medical Image Segmentation using Attention-Based Deep Neural Networks2020Självständigt arbete på avancerad nivå (masterexamen), 20 poäng / 30 hpStudentuppsats (Examensarbete)
    Abstract [en]

    During the last few years, segmentation architectures based on deep learning achieved promising results. On the other hand, attention networks have been invented years back and used in different tasks but rarely used in medical applications. This thesis investigated four main attention mechanisms; Squeeze and Excitation, Dual Attention Network, Pyramid Attention Network, and Attention UNet to be used in medical image segmentation. Also, different hybrid architectures proposed by the author were tested. Methods were tested on a kidney tumor dataset and against UNet architecture as a baseline. One version of Squeeze and Excitation attention outperformed the baseline. Original Dual Attention Network and Pyramid Attention Network showed very poor performance, especially for the tumor class. Attention UNet architecture achieved close results to the baseline but not better. Two more hybrid architectures achieved better results than the baseline. The first is a modified version of Squeeze and Excitation attention. The second is a combination between Dual Attention Networks and UNet architecture. Proposed architectures outperformed the baseline by up to 3% in tumor Dice coefficient. The thesis also shows the difference between 2D architectures and their 3D counterparts. 3D architectures achieved more than 10% higher tumor Dice coefficient than 2D architectures.

    Ladda ner fulltext (pdf)
    fulltext
  • 6.
    Alagic, Z.
    et al.
    Functional Unit for Musculoskeletal Radiology Function Imaging and Physiology, Karolinska University Hospital, Karolinska Vägen Solna, 17176 Stockholm, Sweden.
    Bujila, Robert
    KTH, Skolan för teknikvetenskap (SCI), Fysik, Medicinsk bildfysik.
    Enocson, A.
    Department of Molecular Medicine and Surgery, Karolinska University Hospital, Karolinska Institutet, Stockholm, Sweden.
    Srivastava, S.
    Functional Unit for Musculoskeletal Radiology Function Imaging and Physiology, Karolinska University Hospital, Karolinska Vägen Solna, 17176 Stockholm, Sweden.
    Koskinen, S. K.
    Functional Unit for Musculoskeletal Radiology Function Imaging and Physiology, Karolinska University Hospital, Karolinska Vägen Solna, 17176 Stockholm, Sweden.
    Ultra-low-dose CT for extremities in an acute setting: initial experience with 203 subjects2020Ingår i: Skeletal Radiology, ISSN 0364-2348, E-ISSN 1432-2161, Vol. 49, nr 4, s. 531-539Artikel i tidskrift (Refereegranskat)
    Abstract [en]

    Objective

    The purpose of this study was to assess if ultra-low-dose CT is a useful clinical alternative to digital radiographs in the evaluation of acute wrist and ankle fractures.

    Materials and methods

    An ultra-low-dose protocol was designed on a 256-slice multi-detector CT. Patients from the emergency department were evaluated prospectively. After initial digital radiographs, an ultra-low-dose CT was performed. Two readers independently analyzed the images. Also, the radiation dose, examination time, and time to preliminary report was compared between digital radiographs and CT.

    Results

    In 207 extremities, digital radiography and ultra-low-dose CT detected 73 and 109 fractures, respectively (p < 0.001). The odds ratio for fracture detection with ultra-low-dose CT vs. digital radiography was 2.0 (95% CI, 1.4–3.0). CT detected additional fracture-related findings in 33 cases (15.9%) and confirmed or ruled out suspected fractures in 19 cases (9.2%). The mean effective dose was comparable between ultra-low-dose CT and digital radiography (0.59 ± 0.33 μSv, 95% CI 0.47–0.59 vs. 0.53 ± 0.43 μSv, 95% CI 0.54–0.64). The mean combined examination time plus time to preliminary report was shorter for ultra-low-dose CT compared to digital radiography (7.6 ± 2.5 min, 95% CI 7.1–8.1 vs. 9.8 ± 4.7 min, 95% CI 8.8–10.7) (p = 0.002). The recommended treatment changed in 34 (16.4%) extremities.

    Conclusions

    Ultra-low-dose CT is a useful alternative to digital radiography for imaging the peripheral skeleton in the acute setting as it detects significantly more fractures and provides additional clinically important information, at a comparable radiation dose. It also provides faster combined examination and reporting times.

  • 7.
    Altuni, Bestun
    et al.
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem.
    Aman Ali, Jasin
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem.
    Segmentering av medicinska bilder med inspiration från en quantum walk algoritm2023Självständigt arbete på grundnivå (kandidatexamen), 10 poäng / 15 hpStudentuppsats (Examensarbete)
    Abstract [sv]

    För närvarande utforskas quantum walk som en potentiell metod för att analysera medicinska bilder. Med inspiration från Gradys random walk-algoritm för bildbehandling har vi utvecklat en metod som bygger på de kvantmekaniska fördelar som quantum walk innehar för att detektera och segmentera medicinska bilder. Vidare har de segmenterade bilderna utvärderats utifrån klinisk relevans. Teoretiskt sett kan quantum walk-algoritmer erbjuda en mer effektiv metod för bildanalys inom medicin jämfört med traditionella metoder för bildsegmentering som exempelvis klassisk random walk, som inte bygger på kvantmekanik. Inom området finns omfattande potential för utveckling, och det är av yttersta vikt att fortsätta utforska och förbättra metoder. För närvarande kan det konstateras att det är en lång väg att vandra innan detta är något som kan appliceras i en klinisk miljö.

    Ladda ner fulltext (pdf)
    fulltext
  • 8. Andrews, B.
    et al.
    Chang, J. -B
    Collinson, L.
    Li, D.
    Lundberg, Emma
    KTH, Centra, Science for Life Laboratory, SciLifeLab. KTH, Skolan för bioteknologi (BIO), Centra, Albanova VinnExcellence Center for Protein Technology, ProNova. KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Proteinvetenskap, Cellulär och klinisk proteomik.
    Mahamid, Julia
    Manley, S.
    Mhlanga, M.
    Nakano, A.
    Schöneberg, J.
    Van Valen, D.
    Wu, T. ‘C. -T
    Zaritsky, A.
    Imaging cell biology2022Ingår i: Nature Cell Biology, ISSN 1465-7392, E-ISSN 1476-4679, Vol. 24, nr 8, s. 1180-1185Artikel i tidskrift (Refereegranskat)
  • 9.
    Andstén, Björn
    et al.
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Hälsoinformatik och logistik.
    Taha, Sava
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Hälsoinformatik och logistik.
    En jämförelse mellan Apples djupkamerateknik och goniometern2021Självständigt arbete på grundnivå (kandidatexamen), 10 poäng / 15 hpStudentuppsats (Examensarbete)
    Abstract [sv]

    Idag görs rörelsemätningar manuellt i vården med hjälp av en goniometer. Mätningarna är ofta tidskrävande och kräver utbildade utövare samt är beroende av utövarens ögonmått. Det har introducerats ny teknik för att göra samma mätningar med hjälp av externa sensorer, vilket har nackdelen att de kan vara kostsamma och utrymmeskrävande. På senare tid har djupkameratekniken introducerats som en alternativ lösning för att effektivisera för både patienter och vårdpersonal. Syftet med den här studien är att undersöka om Apples djupkamerateknik kan ersätta nuvarande teknik genom att kunna utföra rörelsemätningar med endast en Ipad/Iphone med inbyggd djupkamera. För detta har en prototyp utvecklats för att automatiskt kunna beräkna medicinskt relevanta vinklar genom att filma en person. Olika rörelsemätningar har sedan utförts och mätresultaten har analyserats. Resultaten av analysen visar att Apples djupkamera har hög precision i mätvärdena. Dock behöver en större undersökning utföras för att kunna konstatera om Apples djupkamera helt skulle kunna ersätta nuvarande teknik.

    Ladda ner fulltext (pdf)
    fulltext
  • 10.
    Angelopoulos, A.
    et al.
    -.
    Apostolakis, A.
    -.
    Aslanides, E.
    -.
    Backenstoss, G.
    -.
    Bargassa, P.
    -.
    Behnke, O.
    -.
    Benelli, A.
    -.
    Bertin, V.
    -.
    Blanc, F.
    -.
    Bloch, P.
    -.
    Danielsson, Mats
    KTH, Tidigare Institutioner (före 2005), Fysik.
    K 0–K̄0 mass and decay-width differences: CPLEAR evaluation1999Ingår i: Physics Letters B, ISSN 0370-2693, E-ISSN 1873-2445, Vol. 471, nr 2, s. 332-338Artikel i tidskrift (Refereegranskat)
    Abstract [en]

    The CPT-violation parameters Re(δ) and Im(δ) determined recently by CPLEAR are used to evaluate the K0 mass and decay-width differences, as given by the difference between the diagonal elements of the neutral-kaon mixing matrix (M−iΓ/2). The results – GeV and GeV – are consistent with CPT invariance. The CPT invariance is also shown to hold within a few times 10−3–10−4 for many of the amplitudes describing neutral-kaon decays to different final states.

  • 11.
    Angelopoulos, Angelos
    et al.
    -.
    Locher, M P
    -.
    Markushin, V E
    -.
    Danielsson, Mats
    KTH, Tidigare Institutioner (före 2005), Fysik.
    Dispersion relation analysis of the neutral kaon regeneration amplitude in carbon1999Ingår i: European Physical Journal C, ISSN 1434-6044, E-ISSN 1434-6052, Vol. 10, nr 1, s. 19-25Artikel i tidskrift (Refereegranskat)
    Abstract [en]

    We apply a forward dispersion relation to the regeneration amplitude for kaon scattering on 12" style="position: relative;" tabindex="0" id="MathJax-Element-1-Frame" class="MathJax">12C using all available data. The CPLEAR data at low energies allow the determination of the net contribution from the subthreshold region which turns out to be much smaller than earlier evaluations, solving a long standing puzzle.

  • 12.
    Apostolakis, A.
    et al.
    -.
    Aslanides, E.
    -.
    Backenstoss, G.
    -.
    Bargassa, P.
    -.
    Behnke, O.
    -.
    Benelli, A.
    -.
    Bertin, V.
    -.
    Blanc, F.
    -.
    Bloch, P.
    -.
    Carlson, P.
    Danielsson, Mats
    KTH, Tidigare Institutioner (före 2005), Fysik.
    Measurement of the energy dependence of the form factor f+ in K 0 e3 decay2000Ingår i: Physics Letters B, ISSN 0370-2693, E-ISSN 1873-2445, Vol. 473, nr 1, s. 186-192Artikel i tidskrift (Refereegranskat)
    Abstract [en]

    Neutral-kaon decays to πeν were analysed to determine the q2 dependence of the K0e3 electroweak form factor f+. Based on 365612 events, this form factor was found to have a linear dependence on q2 with a slope λ+=0.0245±0.0012stat±0.0022syst.

  • 13.
    Ardal, Sunna
    et al.
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH).
    Karlgren, Melina
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH).
    Interaction Chain Sorting for Gamma Radiation Detector2024Självständigt arbete på grundnivå (kandidatexamen), 10 poäng / 15 hpStudentuppsats (Examensarbete)
    Abstract [sv]

    Idag använder moderna Single Photon Emission Computed Tomography (SPECT) system en kollimator som endast släpper igenom fotoner som når detektorn med en vinkel på cirka 90° som sedan kan detekteras. Källans position bestäms sedan baserat på de räta linjerna av inkommande gammastrålning till detektorn. Effektiviteten hos SPECT är låg, i storleksordningen 10-6. En orsak till ineffektiviteten är att kollimatorn blockerar en stor del av fotonerna. Det som nu betraktas som nästa generation av SPECT-system är baserat på Comptonavbildningsdetektorer, vilka inte kräver en kollimator för bildrekonstruktion. Denna rapport utvärderar prestandan av en interaktionskedjesorteringsalgoritm för en Comptonavbildningsdetektor för medicinskt bruk och undersöker hur gränser för den tillåtna Figure of Merit (FOM) och Rayleigh- spridning påverkar noggrannheten och effektiviteten av algoritmen vid olika källenergier. Algoritmen applicerad på simulationen i rapporten hade en effektivitet i storleksordningen 10-1 vilket var en signifikant ökning från dagens moderna SPECT. Baserat på en avvägning mellan noggrannhet och effektivitet var det inte fördelaktigt att sätta en gräns för den högsta tillåtna FOM för att optimera algoritmen. Rayleigh-spridning hade en minimal påverkan på noggrannheten vilket ledde till slutsatsen att algoritmen inte behöver modifieras med avseende på Rayleigh-spridning.

    Ladda ner fulltext (pdf)
    fulltext
  • 14.
    Arslan, M. Tunc
    et al.
    Bilkent Univ, Dept Elect & Elect Engn, Natl Magnet Resonance Res Ctr UMRAM, TR-06800 Ankara, Turkey..
    Ozaslan, A. Alper
    Bilkent Univ, Dept Elect & Elect Engn, Natl Magnet Resonance Res Ctr UMRAM, TR-06800 Ankara, Turkey..
    Kurt, Semih
    KTH, Centra, Science for Life Laboratory, SciLifeLab. KTH, Skolan för elektroteknik och datavetenskap (EECS), Datavetenskap, Beräkningsvetenskap och beräkningsteknik (CST).
    Muslu, Yavuz
    Univ Wisconsin Madison, Dept Biomed Engn, Madison, WI 53706 USA.;Univ Wisconsin Madison, Dept Radiol, Madison, WI 53706 USA..
    Saritas, Emine Ulku
    Bilkent Univ, Dept Elect & Elect Engn, Natl Magnet Resonance Res Ctr UMRAM, TR-06800 Ankara, Turkey.;Bilkent Univ, Neurosci Program, Sabuncu Brain Res Ctr, TR-06800 Ankara, Turkey..
    Rapid TAURUS for Relaxation-Based Color Magnetic Particle Imaging2022Ingår i: IEEE Transactions on Medical Imaging, ISSN 0278-0062, E-ISSN 1558-254X, Vol. 41, nr 12, s. 3774-3786Artikel i tidskrift (Refereegranskat)
    Abstract [en]

    Magnetic particle imaging (MPI) is a rapidly developing medical imaging modality that exploits the non- linear response of magnetic nanoparticles (MNPs). Color MPI widens the functionality of MPI, empowering it with the capability to distinguish differentMNPs and/orMNP environments. The system function approach for color MPI relies on extensive calibrations that capture the differences in the harmonic responses of the MNPs. An alternative calibration-free x-space-basedmethod called TAURUS estimates amap of the relaxation time constant, tau, by recovering the underlyingmirror symmetry in the MPI signal. However, TAURUS requires a back and forth scanning of a given region, restricting its usage to slow trajectories with constant or piecewise constant focus fields (FFs). In this work, we propose a novel technique to increase the performance of TAURUS and enable tau map estimation for rapid andmultidimensional trajectories. The proposed technique is based on correcting the distortions on mirror symmetry induced by time-varying FFs. We demonstrate via simulations and experiments in our in-house MPI scanner that the proposed method successfully estimates high-fidelity tau maps for rapid trajectories that provide orders of magnitude reduction in scanning time (over 300 fold for simulations and over 8 fold for experiments) while preserving the calibration-free property of TAURUS.

  • 15.
    Astaraki, Mehdi
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning. Karolinska Institutet.
    Advanced Machine Learning Methods for Oncological Image Analysis2022Doktorsavhandling, sammanläggning (Övrigt vetenskapligt)
    Abstract [sv]

    Cancer är en global hälsoutmaning som uppskattas ansvara för cirka 10 miljoner dödsfall i hela världen, bara under året 2020. Framsteg inom medicinsk bildtagning och hårdvaruutveckling de senaste tre decennierna har banat vägen för moderna medicinska bildgivande system vars upplösningsförmåga tillåter att fånga information om tumörers anatomi, fysiologi, funktion samt metabolism. Medicinsk bildanalys har därför fått en mer betydelserik roll i klinikers dagliga rutiner inom onkologin, för bland annat screening, diagnostik, uppföljning av behandling samt icke-invasiv utvärdering av sjukdomsprognoser. Sjukvårdens behov av medicinska bilder har lett till att det nu på sjukhusen finns en enorm mängd medicinska bilder på alla moderna sjukhus. Med hänsyn till den viktiga roll medicinsk bilddata spelar i dagens sjukvård, samt den mängd manuellt arbete som behöver göras för att analysera den mängd data som genereras varje dag, så har utvecklingen av digitala verktyg för att för att automatiskt eller semi-automatiskt analysera  bilddatan alltid haft stort intresse. Därför har en rad maskininlärningsverktyg utvecklats för analys av onkologisk data, för att gripa sig an läkares repetitiva vardagssysslor.

    Den här avhandlingen syftar att bidra till fältet “onkologisk bildanalys” genom att föreslå nya sätt att kvantifiera tumörers egenskaper från medicinsk bilddata. Specifikt, är denna avhandling baserad på sex artiklar där de första två har fokus att presentera nya metoder för segmentering av tumörer, och de resterande fyra ämnar att utveckla kvantitativa biomarkörer för cancerdiagnostik och prognos.

    Huvudsyftet för “Studie I” har varit att utveckla en djupinlärnings-pipeline vars syfte är att fånga lungpatalogiers anatomier (inklusive lungtumörer) samt integrera detta med djupa neurala nätverk för segmentering för att nyttja det första nätverkets utfall för att förbättra segmenteringskvalitén. Den föreslagna pipelinen testades på flertalet dataset och numeriska analyser visar en överlägsna resultat för den föreslagna “prior-medvetna” djupinlärningsmetoden. “Studie II” ämnar att ta sig an ett viktig problem som övervakade segmenteringsmetoder ställs inför: ett beroende av enorma annoterade dataset. I denna studie föreslås en icke-övervakad segmenteringsmetod som baseras på konceptet “ifyllnad” (“inpainting”) för att segmentera tumörer i områdena: lungor samt huvud och hals i bilder från olika modaliteter. Den föreslagna metoden lyckas bättre än en familj väletablerade icke-oövervakade segmenteringsmodeller.

    “Studie III” och “Studie IV” försöker automatiskt diskriminera benigna lungtumörer från maligna tumörer genom att analysera bilder från LDCT (lågdos-CT). I “Studie III“ föreslås ett djupt neuralt nätverk för klassificering vars grafstruktur tillåter lokal analys av tumörens inbördes heterogeniteter samt en helhetsbild från global kontextuell information. “Studie IV” försöker utvärdera noggrant utvalda metoder som grundar sig på att extrahera anatomiska särdrag från medicinska bilder. I studien jämförs konventionella “radiomics”-metoder med särdrag från neurala nätverk samt en kombination av båda på samma dataset. Resultat från studien visar att en kombination av särdrag från djupa neurala nätverk samt “radiomics” kan ge bättre resultat i klassificeringsproblemet.

    “Studie V” har fokus på tidig bedömning av lungtumörers respons på behandling genom att utveckla ett set nya fysiologisk observerbara särdrag. Den presenterade metoden har använts för att kvantifiera förändringar i tumörers karaktär i PET-CT-undersökningar för att predicera patienters prognos två år efter senaste behandling. Metoden jämförts mot konventionella “radiomics” och utvärderingen visar att den föreslagna metoden ger förbättrade resultat. Till skilnad från “Studie V”, som fokuserar på att lösa ett binärt klassificeringsproblem, så försöker “Studie VI” predicera överlevnadsgraden hos patienter med lung- samt huvud och hals-cancer genom att undersöka neurala nätverk med sfäriska faltningsoperationer. Metoden jämförs mot, bland annat, “radiomics” och visar liknande resultat för analys på samma dataset, men bättre resultat för analys på olika dataset.

    Sammanfattningsvis så utnyttjar de sex studierna olika medicinska bildgivande system samt en mängd olika bildbehandling- och maskininlärningstekniker för att utveckla verktyg för att kvantifierar tumörers egenskaper, som kan underlätta fastställande av diagnos och prognos.

    Ladda ner fulltext (pdf)
    Astaraki_Kappa
  • 16. Astaraki, Mehdi
    et al.
    Aslian, Hossein
    Brain tumor target volume segmentation: local region based approach2015Ingår i: World Congress on Medical Physics and Biomedical Engineering, June 7-12, 2015, Toronto, Canada, 2015, s. 195-198Konferensbidrag (Refereegranskat)
  • 17. Astaraki, Mehdi
    et al.
    Aslian, Hossein
    Hamedi, Mahyar
    A modified fast local region based method for image segmentation2015Ingår i: 2015 IEEE International Conference on Signal and Image Processing Applications (ICSIPA), 2015, s. 378-382Konferensbidrag (Refereegranskat)
  • 18.
    Astaraki, Mehdi
    et al.
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning. Karolinska Institutet, Department of Oncology-Pathology, SE-17176 Stockholm, Sweden .
    De Benetti, Francesca
    Yeganeh, Yousef
    Toma-Dasu, Iuliana
    Smedby, Örjan
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning.
    Wang, Chunliang
    Navab, Nassir
    Wendler, Thomas
    Unsupervised Tumor SegmentationManuskript (preprint) (Övrigt vetenskapligt)
  • 19.
    Astaraki, Mehdi
    et al.
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning.
    Severgnini, Mara
    Milan, Vittorino
    Schiattarella, Anna
    Ciriello, Francesca
    de Denaro, Mario
    Beorchia, Aulo
    Aslian, Hossein
    Evaluation of localized region-based segmentation algorithms for CT-based delineation of organs at risk in radiotherapy2018Ingår i: Physics and Imaging in Radiation Oncology, E-ISSN 2405-6316, Vol. 5, s. 52-57Artikel i tidskrift (Refereegranskat)
  • 20.
    Astaraki, Mehdi
    et al.
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning. Department of Oncology-Pathology, Karolinska Institutet Karolinska Universitetssjukhuset Stockholm Sweden.
    Toma-Dasu, Iuliana
    Smedby, Örjan
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning.
    Wang, Chunliang
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning.
    Normal appearance autoencoder for lung cancer detection and segmentation2019Ingår i: International Conference on Medical Image Computing and Computer-Assisted Intervention, Springer Nature , 2019, s. 249-256Konferensbidrag (Refereegranskat)
    Abstract [en]

    One of the major differences between medical doctor training and machine learning is that doctors are trained to recognize normal/healthy anatomy first. Knowing the healthy appearance of anatomy structures helps doctors to make better judgement when some abnormality shows up in an image. In this study, we propose a normal appearance autoencoder (NAA), that removes abnormalities from a diseased image. This autoencoder is semi-automatically trained using another partial convolutional in-paint network that is trained using healthy subjects only. The output of the autoencoder is then fed to a segmentation net in addition to the original input image, i.e. the latter gets both the diseased image and a simulated healthy image where the lesion is artificially removed. By getting access to knowledge of how the abnormal region is supposed to look, we hypothesized that the segmentation network could perform better than just being shown the original slice. We tested the proposed network on the LIDC-IDRI dataset for lung cancer detection and segmentation. The preliminary results show the NAA approach improved segmentation accuracy substantially in comparison with the conventional U-Net architecture. 

  • 21.
    Astaraki, Mehdi
    et al.
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning. Karolinska Institutet, Department of Oncology-Pathology, Karolinska Universitetssjukhuset, Solna, SE-17176 Stockholm, Sweden.
    Wang, Chunliang
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning.
    Buizza, Giulia
    Toma-Dasu, Iuliana
    Lazzeroni, Marta
    Smedby, Örjan
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning.
    Early survival prediction in non-small cell lung cancer from PET/CT images using an intra-tumor partitioning method2019Ingår i: Physica medica (Testo stampato), ISSN 1120-1797, E-ISSN 1724-191X, Vol. 60, s. 58-65Artikel i tidskrift (Refereegranskat)
  • 22.
    Astaraki, Mehdi
    et al.
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning. Karolinska Inst, Dept Oncol Pathol, Stockholm, Sweden.
    Wang, Chunliang
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning.
    Buizza, Giulia
    Toma-Dasu, Iuliana
    Lazzeroni, Marta
    Smedby, Örjan
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning.
    OC-0406 Early survival prediction in non-small cell lung cancer with PET/CT size aware longitudinal pattern2019Ingår i: Radiotherapy and Oncology, ISSN 0167-8140, Vol. 133, s. S208-S209Artikel i tidskrift (Refereegranskat)
  • 23.
    Astaraki, Mehdi
    et al.
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning. Karolinska Institutet, Department of Oncology-Pathology Karolinska Universitetssjukhuset Solna Sweden.
    Wang, Chunliang
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning.
    Carrizo, Garrizo
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning.
    Toma-Dasu, Iuliana
    Karolinska Institutet, Department of Oncology-Pathology Karolinska Universitetssjukhuset Solna Sweden.
    Smedby, Örjan
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning.
    Multimodal brain tumor segmentation with normal appearance autoencoder2019Ingår i: International MICCAI Brainlesion Workshop, Springer Nature , 2019, s. 316-323Konferensbidrag (Refereegranskat)
    Abstract [en]

    We propose a hybrid segmentation pipeline based on the autoencoders’ capability of anomaly detection. To this end, we, first, introduce a new augmentation technique to generate synthetic paired images. Gaining advantage from the paired images, we propose a Normal Appearance Autoencoder (NAA) that is able to remove tumors and thus reconstruct realistic-looking, tumor-free images. After estimating the regions where the abnormalities potentially exist, a segmentation network is guided toward the candidate region. We tested the proposed pipeline on the BraTS 2019 database. The preliminary results indicate that the proposed model improved the segmentation accuracy of brain tumor subregions compared to the U-Net model. 

  • 24.
    Astaraki, Mehdi
    et al.
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning. Karolinska Institutet, Department of Oncology-Pathology, Karolinska Universitetssjukhuset, Solna, SE-17176 Stockholm, Sweden.
    Zakko, Yousuf
    Karolinska University Hospital, Imaging and Function, Radiology Department, Solna, SE-17176 Stockholm, Sweden.
    Dasu, Iuliana Toma
    Karolinska Institutet, Department of Oncology-Pathology, Karolinska Universitetssjukhuset, Solna, SE-17176 Stockholm, Sweden ; Stockholm University, Department of Physics, SE-106 91 Stockholm, Sweden.
    Smedby, Örjan
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning.
    Wang, Chunliang
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning.
    Benign-malignant pulmonary nodule classification in low-dose CT with convolutional features2021Ingår i: Physica medica (Testo stampato), ISSN 1120-1797, E-ISSN 1724-191X, Vol. 83, s. 146-153Artikel i tidskrift (Refereegranskat)
    Abstract [en]

    Purpose: Low-Dose Computed Tomography (LDCT) is the most common imaging modality for lung cancer diagnosis. The presence of nodules in the scans does not necessarily portend lung cancer, as there is an intricate relationship between nodule characteristics and lung cancer. Therefore, benign-malignant pulmonary nodule classification at early detection is a crucial step to improve diagnosis and prolong patient survival. The aim of this study is to propose a method for predicting nodule malignancy based on deep abstract features.

    Methods: To efficiently capture both intra-nodule heterogeneities and contextual information of the pulmonary nodules, a dual pathway model was developed to integrate the intra-nodule characteristics with contextual attributes. The proposed approach was implemented with both supervised and unsupervised learning schemes. A random forest model was added as a second component on top of the networks to generate the classification results. The discrimination power of the model was evaluated by calculating the Area Under the Receiver Operating Characteristic Curve (AUROC) metric. Results: Experiments on 1297 manually segmented nodules show that the integration of context and target supervised deep features have a great potential for accurate prediction, resulting in a discrimination power of 0.936 in terms of AUROC, which outperformed the classification performance of the Kaggle 2017 challenge winner.

    Conclusion: Empirical results demonstrate that integrating nodule target and context images into a unified network improves the discrimination power, outperforming the conventional single pathway convolutional neural networks.

  • 25.
    Azami Ghadim, Sohrab
    KTH, Skolan för teknik och hälsa (STH), Medicinsk teknik, Medicinsk bildteknik.
    Utilizing Multi-Core for Optimized Data Exchange Via VoIP2016Självständigt arbete på avancerad nivå (masterexamen), 20 poäng / 30 hpStudentuppsats (Examensarbete)
    Abstract [en]

    In contemporary IT industry, Multi-tasking solutions are highly regarded as optimal solutions, because hardware is equipped with multi-core CPUs.  With Multi-Core technology, CPUs run with lower frequencies while giving same or better performance as a whole system of processing. This thesis work takes advantage of multi-threading architecture in order to run different tasks under different cores such as SIP signaling and messaging to establish one or more SIP calls, capture voice, medical data, and packetize them to be streamed over internet to other SIP agents. VoIP is designed to stream voice over IP. There is inter-protocol communication and cooperation such as between the SIP, SDP, RTP, and RTCP protocols in order to establish a SIP connection and- afterwards- stream media over the internet. We use the Microsoft COM technology in order to better the C++ component design. It allows us to design and develop code once and run it anywhere on different platforms. Using VC++ helps us reduce software design time and development time. Moreover, we follow software design standards setup by software engineers’ society. VoIP technology uses protocols such as the SIP signaling protocol to locate the user agents that communicate with each other. Pjsip is a library that allows developers to extend their design with SIP capability. We use the PJSIP library in order to sign up our own developed VoIP module to a SIP server over the Internet and locate other user agents. We implement and use the already-designed iRTP protocol instead of the RTP to stream media over the Internet. Thus, we can improve RTP packet delays and improve Quality of Service (QoS). Since medical data is critical and must not be lost, the iRTP guarantees no loss of medical data. If we want to stream voice only, we would not need iRTP, because RTP is a good protocol for voice applications. Due to the increasing Internet traffic, we need to use a reliable protocol that can detect packet loss of medical data. iRTP resolves the issue and leverages QoS. This thesis work focuses on streaming medical data and medical voice-calls using VoIP, even over small bandwidths and in high traffic periods. The main contribution of this thesis is in the parallel design of iRTP and the implementation of this very design in order to be used with Multi-Core technology. We do so via multi-threading technology to speed up the streaming of medical data and medical voice-calls. According to our tests, measurements, and result analyses, the parallel design of iRTP and the multithreaded implementation on VC++ leverage performance to a level where the average decrease in delay is 71.1% when using iRTP for audio and medical data instead of the nowadays applied case of using an RTP stream for audio and multiple TCPs streams for medical data .

    Ladda ner fulltext (pdf)
    thesis-outline-v5.9.4---2015-05-23
  • 26. Azar, J.C.
    et al.
    Hamid Muhammed, Hamed
    KTH, Skolan för teknik och hälsa (STH), Medicinsk teknik.
    Automated Tracking of the Carotid Artery in Ultrasound Image Sequences Using a Self Organizing Neural Network2010Ingår i: Proceedings of 20th International Conference on Pattern Recognition (ICPR 2010), Istanbul, Turkey, Istanbul, Turkey, 2010, s. 2548-2551Konferensbidrag (Refereegranskat)
    Abstract [en]

    An automated method for the segmentation and tracking of moving vessel walls in 2D ultrasound image sequences is introduced. The method was tested on simulated and real ultrasound image sequences of the carotid artery. Tracking was achieved via a self organizing neural network known as Growing Neural Gas. This topology-preserving algorithm assigns a net of nodes connected by edges that distributes itself within the vessel walls and adapts to changes in topology with time. The movement of the nodes was analyzed to uncover the dynamics of the vessel wall. By this way, radial and longitudinal strain and strain rates have been estimated. Finally, wave intensity signals were computed from these measurements. The method proposed improves upon wave intensity wall analysis, WIWA, and opens up a possibility for easy and efficient analysis and diagnosis of vascular disease through noninvasive ultrasonic examination.

  • 27.
    Baranowski, Jacek
    et al.
    Linköping Heart Centre, University Hospital, Linköping University.
    Ahn, Henrik
    Linköping Heart Centre, University Hospital, Linköping University.
    Freter, Wolfgang
    Linköping Heart Centre, University Hospital, Linköping University.
    Nielsen, Niels-Erik
    Linköping Heart Centre, University Hospital, Linköping University.
    Nylander, Eva
    Linköping Heart Centre, University Hospital, Linköping University.
    Janerot-Sjöberg, Birgitta
    Linköping Heart Centre, University Hospital, Linköping University.
    Sandborg, Michael
    Linköping Heart Centre, University Hospital, Linköping University.
    Wallby, Lars
    Linköping Heart Centre, University Hospital, Linköping University.
    Echo-guided presentation of the aortic valve minimises contrast exposure in transcatheter valve recipients2011Ingår i: Catheterization and cardiovascular interventions, ISSN 1522-1946, E-ISSN 1522-726X, Vol. 77, nr 2, s. 272-275Artikel i tidskrift (Refereegranskat)
    Abstract [en]

    OBJECTIVES: We have developed a method using transthoracic echocardiography in establishing optimal visualization of the aortic root, to reduce the amount of contrast medium used in each patient.

    BACKGROUND: During transcatheter aortic valve implantation, it is necessary to obtain an optimal fluoroscopic projection for deployment of the valve showing the aortic ostium with the three cusps aligned in the beam direction. This may require repeat aortic root angiograms at this stage of the procedure with a high amount of contrast medium with a risk of detrimental influence on renal function.

    METHODS: We studied the conventional way and an echo guided way to optimize visualisation of the aortic root. Echocardiography was used initially allowing easier alignment of the image intensifier with the transducer's direction.

    RESULTS: Contrast volumes, radiation/fluoroscopy exposure times, and postoperative creatinine levels were significantly less in patients having the echo-guided orientation of the optimal fluoroscopic angles compared with patients treated with the conventional approach.

    CONCLUSION: We present a user-friendly echo-guided method to facilitate fluoroscopy adjustment during transcatheter aortic valve implantation. In our series, the amounts of contrast medium and radiation have been significantly reduced, with a concomitant reduction in detrimental effects on renal function in the early postoperative phase.

  • 28.
    Bashar, Nour
    et al.
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Hälsoinformatik och logistik.
    Alsaid Suliman, MRami
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Hälsoinformatik och logistik.
    Vitiligo image classification using pre-trained Convolutional Neural Network Architectures, and its economic impact on health care2022Självständigt arbete på grundnivå (högskoleexamen), 10 poäng / 15 hpStudentuppsats (Examensarbete)
    Abstract [sv]

    Vitiligo är en hudsjukdom där pigmentcellerna som producerar melanin dör eller slutar fungera, vilket får vita fläckar att dyka upp på kroppen. Även om Vitiligo inte betraktas som en allvarlig sjukdom, det finns fortfarande risk att något är fel på en persons immun. Under de senaste åren har användningen av medicinska bildbehandlingstekniker vuxit och forskning fortsätter att utveckla nya tekniker för att analysera och bearbeta medicinska bilder. I många medicinska bildklassificeringsuppgifter har djupa konvolutionella neurala nätverk bevisat sin effektivitet, vilket innebär att den också kan fungera bra i Vitiligo klassificering. Vår studie använder fyra djupa konvolutionella neurala nätverk för att klassificera bilder av vitiligo och normal hud. De valda arkitekturerna är VGG-19, RESNEXT101, InceptionResNetV2 och Inception V3. ROC- och AUC mätvärden används för att bedöma varje modells prestanda. Dessutom undersöker författarna de ekonomiska fördelarna som denna teknik kan ge till sjukvårdssystemet och patienterna. För att träna och utvärdera CNN modellerna använder vi ett dataset som innehåller totalt 1341 bilder. Eftersom datasetet är begränsat används också 5-faldigt korsvalidering för att förbättra modellens förutsägelse. Resultaten visar att InceptionV3 uppnår bästa prestanda i klassificeringen av Vitiligo, med ett AUC -värde på 0,9111, och InceptionResNetV2 har det lägsta AUC -värdet på 0,8560.

    Ladda ner fulltext (pdf)
    Vitiligo image classification
  • 29. Bassan, Gioia
    et al.
    Larsson, David
    KTH, Skolan för teknik och hälsa (STH), Medicinsk teknik, Medicinsk bildteknik.
    Nordenfur, Tim
    KTH, Skolan för teknik och hälsa (STH), Medicinsk teknik, Medicinsk bildteknik.
    Bjällmark, Anna
    KTH, Skolan för teknik och hälsa (STH), Medicinsk teknik, Medicinsk bildteknik.
    Larsson, Matilda
    KTH, Skolan för teknik och hälsa (STH), Medicinsk teknik, Medicinsk bildteknik.
    Acquisition of multiple mode shear wave propagation in transversely isotropic medium using dualprobe setup2015Konferensbidrag (Refereegranskat)
    Ladda ner fulltext (pdf)
    fulltext
  • 30.
    Batool, Nazre
    et al.
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning.
    Chowdhury, Manish
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning.
    Smedby, Örjan
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning.
    Moreno, Rodrigo
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning.
    Estimation of trabecular bone thickness in gray scale: a validation study2017Ingår i: International Journal of Computer Assisted Radiology and Surgery, ISSN 1861-6410, Vol. 12, nr Supplement 1Artikel i tidskrift (Refereegranskat)
  • 31.
    Bendazzoli, Simone
    et al.
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem.
    Brusini, Irene
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning.
    Astaraki, Mehdi
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning.
    Persson, Mats
    KTH, Skolan för teknikvetenskap (SCI), Fysik, Medicinsk bildfysik.
    Yu, Jimmy
    Connolly, Bryan
    Nyrén, Sven
    Strand, Fredrik
    Smedby, Örjan
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning.
    Wang, Chunliang
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning.
    Development and evaluation of a 3D annotation software for interactive COVID-19 lesion segmentation in chest CT2020Manuskript (preprint) (Övrigt vetenskapligt)
  • 32.
    Bergenstråhle, Joseph
    et al.
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Genteknologi. KTH, Centra, Science for Life Laboratory, SciLifeLab.
    Larsson, Ludvig
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Genteknologi. KTH, Centra, Science for Life Laboratory, SciLifeLab.
    Lundeberg, Joakim
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Genteknologi. KTH, Centra, Science for Life Laboratory, SciLifeLab.
    Seamless integration of image and molecular analysis for spatial transcriptomics workflows2020Ingår i: BMC Genomics, E-ISSN 1471-2164, Vol. 21, nr 1, artikel-id 482Artikel i tidskrift (Refereegranskat)
    Abstract [en]

    Background: Recent advancements in in situ gene expression technologies constitute a new and rapidly evolving field of transcriptomics. With the recent launch of the 10x Genomics Visium platform, such methods have started to become widely adopted. The experimental protocol is conducted on individual tissue sections collected from a larger tissue sample. The two-dimensional nature of this data requires multiple consecutive sections to be collected from the sample in order to construct a comprehensive three-dimensional map of the tissue. However, there is currently no software available that lets the user process the images, align stacked experiments, and finally visualize them together in 3D to create a holistic view of the tissue. Results: We have developed an R package named STUtility that takes 10x Genomics Visium data as input and provides features to perform standardized data transformations, alignment of multiple tissue sections, regional annotation, and visualizations of the combined data in a 3D model framework. Conclusions: STUtility lets the user process, analyze and visualize multiple samples of spatially resolved RNA sequencing and image data from the 10x Genomics Visium platform. The package builds on the Seurat framework and uses familiar APIs and well-proven analysis methods. An introduction to the software package is available at https://ludvigla.github.io/STUtility_web_site/.

  • 33.
    Berggren, Karl
    et al.
    KTH, Skolan för teknikvetenskap (SCI), Fysik, Medicinsk bildfysik. Philips Healthcare, Sweden.
    Danielsson, Mats
    KTH, Skolan för teknikvetenskap (SCI), Fysik, Medicinsk bildfysik.
    Fredenberg, Erik
    Philips Healthcare, Sweden.
    Rayleigh imaging in spectral mammography2016Ingår i: MEDICAL IMAGING 2016: PHYSICS OF MEDICAL IMAGING, 2016, artikel-id 97830AKonferensbidrag (Refereegranskat)
    Abstract [en]

    Spectral imaging is the acquisition of multiple images of an object at different energy spectra. In mammography, dual-energy imaging (spectral imaging with two energy levels) has been investigated for several applications, in particular material decomposition, which allows for quantitative analysis of breast composition and quantitative contrast-enhanced imaging. Material decomposition with dual-energy imaging is based on the assumption that there are two dominant photon interaction effects that determine linear attenuation: the photoelectric effect and Compton scattering. This assumption limits the number of basis materials, i.e. the number of materials that are possible to differentiate between, to two. However, Rayleigh scattering may account for more than 10% of the linear attenuation in the mammography energy range. In this work, we show that a modified version of a scanning multi-slit spectral photon-counting mammography system is able to acquire three images at different spectra and can be used for triple-energy imaging. We further show that triple-energy imaging in combination with the efficient scatter rejection of the system enables measurement of Rayleigh scattering, which adds an additional energy dependency to the linear attenuation and enables material decomposition with three basis materials. Three available basis materials have the potential to improve virtually all applications of spectral imaging.

  • 34.
    Bergholm, Fredrik
    et al.
    KTH, Skolan för teknik och hälsa (STH), Medicinsk teknik.
    Hamid Muhammed, Hamed
    KTH, Skolan för teknik och hälsa (STH), Medicinsk teknik.
    Larsolle, A.
    Acquiring instantaneous multispectral imagery using a single image sensor with multiple filter mosaic2007Konferensbidrag (Övrigt vetenskapligt)
  • 35. Bernard, Olivier
    et al.
    Bosch, J G
    Heyde, Brecht
    Alessandrini, Martino
    Barbosa, Daniel
    Camarasu-Pop, S
    Cervenansky, F
    Valette, S
    Mirea, O
    Bernier, M
    Jodoin, P M
    Domingos, J S
    Stebbing, R V
    Keraudren, K
    Oktay, O
    Caballero, J
    Shi, W
    Rueckert, D
    Milletari, F
    Ahmadi, S A
    Smistad, E
    Lindseth, F
    van Stralen, M
    Wang, Chunliang
    KTH, Skolan för teknik och hälsa (STH), Medicinsk teknik, Medicinsk bildbehandling och visualisering.
    Smedby, Örjan
    KTH, Skolan för teknik och hälsa (STH), Medicinsk teknik, Medicinsk bildbehandling och visualisering.
    Donal, E
    Monaghan, M
    Papachristidis, A
    Geleijnse, M L
    Galli, E
    Dhooge, Jan
    Standardized evaluation system for left ventricular segmentation algorithms in 3D echocardiography.2016Ingår i: IEEE Transactions on Medical Imaging, ISSN 0278-0062, E-ISSN 1558-254X, Vol. 35, nr 4, s. 967-977Artikel i tidskrift (Refereegranskat)
    Abstract [en]

    Real-time 3D Echocardiography (RT3DE) has been proven to be an accurate tool for left ventricular (LV) volume assessment. However, identification of the LV endocardium remains a challenging task, mainly because of the low tissue/blood contrast of the images combined with typical artifacts. Several semi and fully automatic algorithms have been proposed for segmenting the endocardium in RT3DE data in order to extract relevant clinical indices, but a systematic and fair comparison between such methods has so far been impossible due to the lack of a publicly available common database. Here, we introduce a standardized evaluation framework to reliably evaluate and compare the performance of the algorithms developed to segment the LV border in RT3DE. A database consisting of 45 multivendor cardiac ultrasound recordings acquired at different centers with corresponding reference measurements from 3 experts are made available. The algorithms from nine research groups were quantitatively evaluated and compared using the proposed online platform. The results showed that the best methods produce promising results with respect to the experts' measurements for the extraction of clinical indices, and that they offer good segmentation precision in terms of mean distance error in the context of the experts' variability range. The platform remains open for new submissions.

  • 36.
    Björklund, Tomas
    KTH, Skolan för teknik och hälsa (STH).
    Automatic evaluation of breast density in mammographic images2012Självständigt arbete på avancerad nivå (masterexamen), 20 poäng / 30 hpStudentuppsats (Examensarbete)
    Abstract [en]

    The goal of this master thesis is to develop a computerized method for automatic estimation of the mammographic density of mammographic images from 5 different types of mammography units.

     

    Mammographic density is a measurement of the amount of fibroglandular tissue in a breast. This is the single most attributable risk factor for breast cancer; an accurate measurement of the mammographic density can increase the accuracy of cancer prediction in mammography. Today it is commonly estimated through visual inspection by a radiologist, which is subjective and results in inter-reader variation.

     

    The developed method estimates the density as a ratio of #pixels-containing-dense-tissue over #pixels-containing-any-breast-tissue and also according to the BI-RADS density categories. To achieve this, each mammographic image is:

    • corrected for breast thickness and normalized such that some global threshold can separate dense and non-dense tissue.
    • iteratively thresholded until a good threshold is found.  This process is monitored and automatically stopped by a classifier which is trained on sample segmentations using features based on different image intensity characteristics in specified image regions.
    • filtered to remove noise such as blood vessels from the segmentation.
    • Finally, the ratio of dense tissue is calculated and a BI-RADS density class is assigned based on a calibrated scale (after averaging the ratings of both craniocaudal images for each patient). The calibration is based on resulting density ratio estimations of over 1300 training samples against ratings by radiologists of the same images.

     

    The method was tested on craniocaudal images (not included in the training process) acquired with different mammography units of 703 patients which had also been rated by radiologists according to the BI-RADS density classes. The agreement with the radiologist rating in terms of Cohen’s weighted kappa is substantial (0.73). In 68% of the cases the agreement is exact, only in 1.2% of the cases the disagreement is more than 1 class.

    Ladda ner fulltext (pdf)
    Tomas_Björklund_MSc_Thesis
  • 37. Blystad, Ida
    et al.
    Warntjes, J. B. Marcel
    Smedby, Örjan
    KTH, Skolan för teknik och hälsa (STH), Medicinsk teknik, Medicinsk bildbehandling och visualisering. Linköping University, Sweden.
    Lundberg, Peter
    Larsson, Elna-Marie
    Tisell, Anders
    Quantitative MRI for analysis of peritumoral edema in malignant gliomas2017Ingår i: PLOS ONE, E-ISSN 1932-6203, Vol. 12, nr 5, artikel-id e0177135Artikel i tidskrift (Refereegranskat)
    Abstract [en]

    Background and purpose Damage to the blood-brain barrier with subsequent contrast enhancement is a hallmark of glioblastoma. Non-enhancing tumor invasion into the peritumoral edema is, however, not usually visible on conventional magnetic resonance imaging. New quantitative techniques using relaxometry offer additional information about tissue properties. The aim of this study was to evaluate longitudinal relaxation R-1, transverse relaxation R-2, and proton density in the peritumoral edema in a group of patients with malignant glioma before surgery to assess whether relaxometry can detect changes not visible on conventional images. Methods In a prospective study, 24 patients with suspected malignant glioma were examined before surgery. A standard MRI protocol was used with the addition of a quantitative MR method (MAGIC), which measured R-1, R-2, and proton density. The diagnosis of malignant glioma was confirmed after biopsy/surgery. In 19 patients synthetic MR images were then created from the MAGIC scan, and ROIs were placed in the peritumoral edema to obtain the quantitative values. Dynamic susceptibility contrast perfusion was used to obtain cerebral blood volume (rCBV) data of the peritumoral edema. Voxel-based statistical analysis was performed using a mixed linear model. Results R-1, R-2, and rCBV decrease with increasing distance from the contrast-enhancing part of the tumor. There is a significant increase in R1 gradient after contrast agent injection (P<.0001). There is a heterogeneous pattern of relaxation values in the peritumoral edema adjacent to the contrast-enhancing part of the tumor. Conclusion Quantitative analysis with relaxometry of peritumoral edema in malignant gliomas detects tissue changes not visualized on conventional MR images. The finding of decreasing R-1 and R-2 means shorter relaxation times closer to the tumor, which could reflect tumor invasion into the peritumoral edema. However, these findings need to be validated in the future.

  • 38.
    Boltshauser, Rasmus
    et al.
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem.
    Zheng, Jimmy
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem.
    Automatisering av skjuvvågselastografidata för kärldiagnostisk applikation.2018Självständigt arbete på grundnivå (kandidatexamen), 10 poäng / 15 hpStudentuppsats (Examensarbete)
    Abstract [sv]

    Sammanfattning

     

    Hjärt- och kärlsjukdommar är den ledande dödsorsaken i världen. En av det vanligaste hjärt- och kärlsjukdomarna är åderförkalkning. Sjukdomen kännetecknas av förhårdning samt plackansamling i kärl och bidrar till stroke och hjärtinfarkt. Information om kärlväggens styvhet kan spela en viktig roll vid diagnostiseringen av bland annat åderförkalkning. Skjuvvågselastografi (SWE) är en noninvasiv ultraljudsbaserad metod som idag används för att mäta elasticitet och styvhet av större mjuka vävnader som lever- och bröstvävnad. Dock används inte metoden inom kärlapplikationer, då få genomgående studier har utförts på SWE för kärl. Målet med projektet är att automatisera kvantifieringen av skjuvvågshastigheten för SWE och undersöka hur automatiseringens förmåga och begränsningar beror av automatiseringsinställningar. Med verktyg erhållna från CBH (skolan för kemi, bioteknologi och hälsa) skapades ett MATLAB-program med denna förmåga. Programmet applicerades på två fantommodeller. Automatiseringsinställningarna påverkade automatiseringen av dessa modeller olika, vilket innebar att generella optimala inställningar inte kunde finnas. Optimala inställningar beror på vad automatiseringen skall undersöka.

     

    Ladda ner fulltext (pdf)
    fulltext
  • 39.
    Bornefalk, Hans
    KTH, Skolan för teknikvetenskap (SCI), Fysik, Medicinsk bildfysik.
    Task-based weights for photon counting spectral x-ray imaging2011Ingår i: Medical physics (Lancaster), ISSN 0094-2405, Vol. 38, nr 11, s. 6065-6073Artikel i tidskrift (Refereegranskat)
    Abstract [en]

    Purpose: To develop a framework for taking the spatial frequency composition of an imaging taskinto account when determining optimal bin weight factors for photon counting energy sensitivex-ray systems. A second purpose of the investigation is to evaluate the possible improvement comparedto using pixel based weights.Methods: The Fourier based approach of imaging performance and detectability index d0 is appliedto pulse height discriminating photon counting systems. The dependency of d0 on the bin weightfactors is made explicit, taking into account both differences in signal and noise transfer characteristicsacross bins and the spatial frequency dependency of interbin correlations from reabsorbedscatter. Using a simplified model of a specific silicon detector, d0 values for a high and a low frequencyimaging task are determined for optimal weights and compared to pixel based weights.Results: The method successfully identifies bins where a large point spread function degradesdetection of high spatial frequency targets. The method is also successful in determining how todownweigh highly correlated bins. Quantitative predictions for the simplified silicon detectormodel indicate that improvements in the detectability index when applying task-based weightsinstead of pixel based weights are small for high frequency targets, but could be in excess of 10%for low frequency tasks where scatter-induced correlation otherwise degrade detectability.Conclusions: The proposed method makes the spatial frequency dependency of complex correlationstructures between bins and their effect on the system detective quantum efficiency easier toanalyze and allows optimizing bin weights for given imaging tasks. A potential increase in detectabilityof double digit percents in silicon detector systems operated at typical CT energies (100kVp) merits further evaluation on a real system. The method is noted to be of higher relevancefor silicon detectors than for cadmium (zink) telluride detectors.

  • 40.
    Broomé, Michael
    et al.
    KTH, Skolan för teknik och hälsa (STH), Medicinsk teknik, Medicinsk bildteknik.
    Frenckner, Björn
    Broman, Mikaeö
    Bjällmark, Anna
    KTH, Skolan för teknik och hälsa (STH), Medicinsk teknik, Medicinsk bildteknik.
    Recirculation during veno-venous extra-corporeal membrane oxygenation: a simulation study2015Ingår i: International Journal of Artificial Organs, ISSN 0391-3988, E-ISSN 1724-6040, Vol. 38, nr 1, s. 23-30Artikel i tidskrift (Refereegranskat)
    Abstract [en]

    PURPOSE:

    Veno-venous ECMO is indicated in reversible life-threatening respiratory failure without life-threatening circulatory failure. Recirculation of oxygenated blood in the ECMO circuit decreases efficiency of patient oxygen delivery but is difficult to measure. We seek to identify and quantify some of the factors responsible for recirculation in a simulation model and compare with clinical data.

    METHODS:

    A closed-loop real-time simulation model of the cardiovascular system has been developed. ECMO is simulated with a fixed flow pump 0 to 5 l/min with various cannulation sites - 1) right atrium to inferior vena cava, 2) inferior vena cava to right atrium, and 3) superior+inferior vena cava to right atrium. Simulations are compared to data from a retrospective cohort of 11 consecutive adult veno-venous ECMO patients in our department.

    RESULTS:

    Recirculation increases with increasing ECMO-flow, decreases with increasing cardiac output, and is highly dependent on choice of cannulation sites. A more peripheral drainage site decreases recirculation substantially.

    CONCLUSIONS:

    Simulations suggest that recirculation is a significant clinical problem in veno-venous ECMO in agreement with clinical data. Due to the difficulties in measuring recirculation and interpretation of the venous oxygen saturation in the ECMO drainage blood, flow settings and cannula positioning should rather be optimized with help of arterial oxygenation parameters. Simulation may be useful in quantification and understanding of recirculation in VV-ECMO.

  • 41.
    Broomé, Michael
    et al.
    KTH, Skolan för teknik och hälsa (STH), Medicinsk teknik, Medicinsk avbildning.
    Maksuti, Elira
    KTH, Skolan för teknik och hälsa (STH), Medicinsk teknik, Medicinsk avbildning.
    Bjällmark, Anna
    KTH, Skolan för teknik och hälsa (STH), Medicinsk teknik, Medicinsk avbildning.
    Frenckner, Björn
    Janerot-Sjöberg, Birgitta
    KTH, Skolan för teknik och hälsa (STH), Medicinsk teknik, Medicinsk avbildning.
    Closed-loop real-time simulation model of hemodynamics and oxygen transport in the cardiovascular system2013Ingår i: Biomedical engineering online, E-ISSN 1475-925X, Vol. 12, nr 1, s. 69-Artikel i tidskrift (Refereegranskat)
    Abstract [en]

    Background: Computer technology enables realistic simulation of cardiovascular physiology. The increasing number of clinical surgical and medical treatment options imposes a need for better understanding of patient-specific pathology and outcome prediction. Methods: A distributed lumped parameter real-time closed-loop model with 26 vascular segments, cardiac modelling with time-varying elastance functions and gradually opening and closing valves, the pericardium, intrathoracic pressure, the atrial and ventricular septum, various pathological states and including oxygen transport has been developed. Results: Model output is pressure, volume, flow and oxygen saturation from every cardiac and vascular compartment. The model produces relevant clinical output and validation of quantitative data in normal physiology and qualitative directions in simulation of pathological states show good agreement with published data. Conclusion: The results show that it is possible to build a clinically relevant real-time computer simulation model of the normal adult cardiovascular system. It is suggested that understanding qualitative interaction between physiological parameters in health and disease may be improved by using the model, although further model development and validation is needed for quantitative patient-specific outcome prediction.

  • 42.
    Brusini, Irene
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning.
    Methods for the analysis and characterization of brain morphology from MRI images2022Doktorsavhandling, sammanläggning (Övrigt vetenskapligt)
    Abstract [sv]

    Magnetresonansbilder (MR-bilder) används för att framställa detaljerade bilder av hjärnan utan joniserande strålning. Från en strukturell MR-bild är det möjligt att extrahera morfologiska egenskaper hos hjärnans olika regioner, såsom deras volym och form. Dessa egenskaper kan ge bättre förståelse för förändringar som hjärnan utsätts för på grund av en mängd faktorer (exempelvis miljö eller sjukdom) samt bidra till att identifiera nya bildbaserade biomarkörer för neurologiska och psykiatriska sjukdomar. Den här avhandlingens huvudsakliga mål är att bidra till kunskapen om hur bildbehandling av MR-bilder kan användas för att analysera och karaktärisera hjärnstrukturer.

    De två första delarbetena som ingår i avhandlingen är djurstudier som primärt avser att använda MR-data för att analysera skillnaderna mellan två kohorter. I Artikel I behandlas MR-bilder från domesticerade och vilda kaniner för att identifiera skillnader i hjärnstruktur mellan de två grupperna. Domesticering visade sig förändra hjärnstrukturen signifikant, både den gråa hjärnsubstansens volym och den vita hjärnsubstansens integritet. I Artikel II användes MR-bilder på råttor för att träna en datadriven modell att predicera hjärnålder. Modellen testades sedan på en kontrollgrupp och en grupp råttor som under flera månader utsattes för en mer stimulerande miljö samt fick en diet med restriktioner. Den mer hälsosamma livsstilen visade sig bidra till en lägre predicerad hjärnålder genom att sakta ner råttornas åldringsprocess, jämfört med kontrollgruppen. Hjärnåldern hos unga, vuxna råttor visade sig signifikant påverka råttornas överlevnad.

    Artikel III, IV och V är människostudier som föreslår djupinlärningsbaserade metoder för att segmentera (avgränsa) hjärnstrukturer som kan påverkas av neurodegeneration. Artikel III och IV i synnerhet fokuserar på U-Net-baserad 2D-segmentering av corpus callosum (CC) hos patienter med multipel skleros. I båda studierna uppmättes god träffsäkerhet för segmenteringsalgoritmen och signifikant korrelation mellan CC:s area och patientens kognitiva och fysiska nedsättning. Utöver detta visar Artikel IV genom geometrisk analys av den segmenterade CC ett signifikant samband mellan sjukdom och CC:s tjocklek och böjvinkel. I Artikel V introduceras en ny metod för automatisk segmentering av hippocampus. Metoden kombinerar U-Net-baserad segmentering med en inbyggd statistisk representation av hippocampus’ form. Metoden visade sig ge en signifikant förbättring av segmenteringskvaliteten när metoden utvärderades på en ny, tidigare osedd, kohort. Goda resultat uppmättes även i tre olika diagnosgrupper (en frisk kontrollgrupp, patienter med milda kognitiva symptom och en grupp patienter med Alzheimers sjukdom) som särskilde sig genom tre olika nivåer av atrofi av hippocampus.

    Sammanfattningsvis bidrar studierna som ingår i avhandlingen till att förstärka värdet av MR-bildanalys för framsteg inom neurovetenskapen, och detta på två sätt. Genom att applicera väletablerade bildbehandlingsmetoder på dataset som ännu inte utforskats i litteraturen var det möjligt att karaktärisera specifika förändringar i hjärnans geometri och därmed lösa relevanta kliniska eller biologiska utmaningar. Vidare har studierna  bidragit till den teknologiska metodutvecklingen genom att modifiera och utvidga existerande bildbehandlingsmetoder för hjärnbilder för att uppnå goda resultat på nya dataset.

    Ladda ner fulltext (pdf)
    Kappa_IreneBrusini
  • 43.
    Brusini, Irene
    et al.
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning.
    Jörgens, Daniel
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning.
    Smedby, Örjan
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning.
    Moreno, Rodrigo
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning.
    Dependency of neural tracts'€™ curvature estimations on tractography methods2017Konferensbidrag (Refereegranskat)
  • 44.
    Brusini, Irene
    et al.
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning.
    Jörgens, Daniel
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning.
    Smedby, Örjan
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning.
    Moreno, Rodrigo
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning.
    Influence of Tractography Algorithms and Settings on Local Curvature Estimations2017Konferensbidrag (Refereegranskat)
  • 45.
    Brusini, Irene
    et al.
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning.
    Jörgens, Daniel
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning.
    Smedby, Örjan
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning.
    Moreno, Rodrigo
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning.
    Voxel-Wise Clustering of Tractography Data for Building Atlases of Local Fiber Geometry2019Konferensbidrag (Refereegranskat)
    Abstract [en]

    This paper aims at proposing a method to generate atlases of white matter fibers’ geometry that consider local orientation and curvature of fibers extracted from tractography data. Tractography was performed on diffusion magnetic resonance images from a set of healthy subjects and each tract was characterized voxel-wise by its curvature and Frenet–Serret frame, based on which similar tracts could be clustered separately for each voxel and each subject. Finally, the centroids of the clusters identified in all subjects were clustered to create the final atlas. The proposed clustering technique showed promising results in identifying voxel-wise distributions of curvature and orientation. Two tractography algorithms (one deterministic and one probabilistic) were tested for the present work, obtaining two different atlases. A high agreement between the two atlases was found in several brain regions. This suggests that more advanced tractography methods might only be required for some specific regions in the brain. In addition, the probabilistic approach resulted in the identification of a higher number of fiber orientations in various white matter areas, suggesting it to be more adequate for investigating complex fiber configurations in the proposed framework as compared to deterministic tractography.

  • 46.
    Brusini, Irene
    et al.
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning. Department of Neurobiology Care Sciences and Society, Karolinska Institutet Stockholm Sweden.
    Platten, Michael
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH). Department of Neuroradiology Karolinska University Hospital Stockholm Sweden;Department of Clinical Neuroscience Karolinska Institutet Stockholm Sweden.
    Ouellette, Russell
    Department of Neuroradiology Karolinska University Hospital Stockholm Sweden;Department of Clinical Neuroscience Karolinska Institutet Stockholm Sweden.
    Piehl, Fredrik
    Department of Clinical Neuroscience Karolinska Institutet Stockholm Sweden;Department of Neurology Karolinska University Hospital Stockholm Sweden;Center for Neurology, Academic Specialist Center Stockholm Health Services Stockholm Sweden.
    Wang, Chunliang
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning.
    Granberg, Tobias
    Department of Neuroradiology Karolinska University Hospital Stockholm Sweden;Department of Clinical Neuroscience Karolinska Institutet Stockholm Sweden.
    Automatic deep learning multicontrast corpus callosum segmentation in multiple sclerosis2022Ingår i: Journal of Neuroimaging, ISSN 1051-2284, E-ISSN 1552-6569Artikel i tidskrift (Refereegranskat)
  • 47.
    Buddenkotte, Thomas
    et al.
    Univ Cambridge, Dept Appl Math & Theoret Phys, Cambridge, England.;Univ Cambridge, Dept Radiol, Box 218,Cambridge Biomed Campus, Cambridge CB2 0QQ, England.;Univ Hosp Hamburg Eppendorf, Dept Diagnost & Intervent Radiol & Nucl Med, Hamburg, Germany.;Jung Diagnost GmbH, Hamburg, Germany..
    Rundo, Leonardo
    Univ Cambridge, Dept Radiol, Box 218,Cambridge Biomed Campus, Cambridge CB2 0QQ, England.;Univ Cambridge, Canc Res UK Cambridge Ctr, Cambridge, England.;Univ Salerno, Dept Informat & Elect Engn & Appl Math, Fisciano, Italy..
    Woitek, Ramona
    Univ Cambridge, Dept Radiol, Box 218,Cambridge Biomed Campus, Cambridge CB2 0QQ, England.;Univ Cambridge, Canc Res UK Cambridge Ctr, Cambridge, England.;Danube Private Univ, Dept Med, Krems, Austria..
    Sanchez, Lorena Escudero
    Univ Cambridge, Dept Radiol, Box 218,Cambridge Biomed Campus, Cambridge CB2 0QQ, England.;Univ Cambridge, Canc Res UK Cambridge Ctr, Cambridge, England..
    Beer, Lucian
    Univ Cambridge, Dept Radiol, Box 218,Cambridge Biomed Campus, Cambridge CB2 0QQ, England.;Univ Cambridge, Canc Res UK Cambridge Ctr, Cambridge, England.;Med Univ Vienna, Dept Biomed Imaging & Image Guided Therapy, Vienna, Austria..
    Crispin-Ortuzar, Mireia
    Univ Cambridge, Canc Res UK Cambridge Ctr, Cambridge, England.;Univ Cambridge, Canc Res UK Cambridge Inst, Cambridge, England.;Univ Cambridge, Dept Oncol, Cambridge, England..
    Etmann, Christian
    Univ Cambridge, Dept Appl Math & Theoret Phys, Cambridge, England..
    Mukherjee, Subhadip
    Univ Cambridge, Dept Appl Math & Theoret Phys, Cambridge, England..
    Bura, Vlad
    Univ Cambridge, Dept Radiol, Box 218,Cambridge Biomed Campus, Cambridge CB2 0QQ, England.;Univ Cambridge, Canc Res UK Cambridge Ctr, Cambridge, England.;Cty Clin Emergency Hosp, Dept Radiol & Med Imaging, Cluj Napoca, Romania..
    McCague, Cathal
    Univ Cambridge, Dept Radiol, Box 218,Cambridge Biomed Campus, Cambridge CB2 0QQ, England.;Univ Cambridge, Canc Res UK Cambridge Ctr, Cambridge, England..
    Sahin, Hilal
    Univ Cambridge, Dept Radiol, Box 218,Cambridge Biomed Campus, Cambridge CB2 0QQ, England.;Univ Cambridge, Canc Res UK Cambridge Ctr, Cambridge, England.;Tepecik Training & Res Hosp, Dept Radiol, Izmir, Turkiye..
    Pintican, Roxana
    Cty Clin Emergency Hosp, Dept Radiol & Med Imaging, Cluj Napoca, Romania.;Iuliu Hatieganu Univ Med & Pharm, Dept Radiol, Cluj Napoca 400012, Romania..
    Zerunian, Marta
    Sapienza Univ Rome, St Andrea Hosp, Dept Med Surg & Translat Med, Radiol Unit, Rome, Italy..
    Allajbeu, Iris
    Univ Cambridge, Dept Radiol, Box 218,Cambridge Biomed Campus, Cambridge CB2 0QQ, England..
    Singh, Naveena
    Dept Clin Pathol, Barts Hlth NHS Trust, London, England..
    Sahdev, Anju
    Barts Hlth NHS Trust, Dept Radiol, London, England..
    Havrilesky, Laura
    Duke Univ, Med Ctr, Durham, NC USA..
    Cohn, David E.
    Ohio State Univ, Coll Med, Div Gynecol Oncol, Dept Obstet & Gynecol,Comprehens Canc Ctr, Columbus, OH USA..
    Bateman, Nicholas W.
    Uniformed Serv Univ Hlth Sci, Dept Obstet & Gynecol, Gynecol Canc Ctr Excellence, Walter Reed Natl Mil Med Ctr, Bethesda, MD USA.;Walter Reed Natl Mil Med Ctr, John P Murtha Canc Ctr, Bethesda, MD USA..
    Conrads, Thomas P.
    Uniformed Serv Univ Hlth Sci, Dept Obstet & Gynecol, Gynecol Canc Ctr Excellence, Walter Reed Natl Mil Med Ctr, Bethesda, MD USA.;Walter Reed Natl Mil Med Ctr, John P Murtha Canc Ctr, Bethesda, MD USA.;Dept Obstet & Gynecol, Inova Fairfax Med Campus, Falls Church, VA USA.;Inova Ctr Personalized Hlth, Inova Schar Canc Inst, Falls Church, VA USA..
    Darcy, Kathleen M.
    Uniformed Serv Univ Hlth Sci, Dept Obstet & Gynecol, Gynecol Canc Ctr Excellence, Walter Reed Natl Mil Med Ctr, Bethesda, MD USA.;Walter Reed Natl Mil Med Ctr, John P Murtha Canc Ctr, Bethesda, MD USA..
    Maxwell, G. Larry
    Uniformed Serv Univ Hlth Sci, Dept Obstet & Gynecol, Gynecol Canc Ctr Excellence, Walter Reed Natl Mil Med Ctr, Bethesda, MD USA.;Walter Reed Natl Mil Med Ctr, John P Murtha Canc Ctr, Bethesda, MD USA.;Dept Obstet & Gynecol, Inova Fairfax Med Campus, Falls Church, VA USA..
    Freymann, John B.
    Frederick Natl Lab Canc Res, Canc Imaging Informat Lab, Frederick, MD USA..
    Öktem, Ozan
    KTH, Skolan för teknikvetenskap (SCI), Matematik (Inst.), Matematik (Avd.).
    Brenton, James D.
    Univ Cambridge, Canc Res UK Cambridge Ctr, Cambridge, England.;Univ Cambridge, Canc Res UK Cambridge Inst, Cambridge, England..
    Sala, Evis
    Univ Cambridge, Dept Radiol, Box 218,Cambridge Biomed Campus, Cambridge CB2 0QQ, England.;Univ Cambridge, Canc Res UK Cambridge Ctr, Cambridge, England.;Univ Cattolica Sacro Cuore, Dipartimento Sci Radiol & Ematol, Rome, Italy.;Policlin Univ A Gemelli IRCCS, Dipartimento Diagnost Immagini Radioterapia Oncol, Rome, Italy..
    Schonlieb, Carola-Bibiane
    Univ Cambridge, Dept Appl Math & Theoret Phys, Cambridge, England..
    Deep learning-based segmentation of multisite disease in ovarian cancer2023Ingår i: EUROPEAN RADIOLOGY EXPERIMENTAL, ISSN 2509-9280, Vol. 7, nr 1, artikel-id 77Artikel i tidskrift (Refereegranskat)
    Abstract [en]

    Purpose: To determine if pelvic/ovarian and omental lesions of ovarian cancer can be reliably segmented on computed tomography (CT) using fully automated deep learning-based methods.

    Methods: A deep learning model for the two most common disease sites of high-grade serous ovarian cancer lesions (pelvis/ovaries and omentum) was developed and compared against the well-established “no-new-Net” framework and unrevised trainee radiologist segmentations. A total of 451 CT scans collected from four different institutions were used for training (n = 276), evaluation (n = 104) and testing (n = 71) of the methods. The performance was evaluated using the Dice similarity coefficient (DSC) and compared using a Wilcoxon test.

    Results: Our model outperformed no-new-Net for the pelvic/ovarian lesions in cross-validation, on the evaluation and test set by a significant margin (p values being 4 × 10–7, 3 × 10–4, 4 × 10–2, respectively), and for the omental lesions on the evaluation set (p = 1 × 10–3). Our model did not perform significantly differently in segmenting pelvic/ovarian lesions (p = 0.371) compared to a trainee radiologist. On an independent test set, the model achieved a DSC performance of 71 ± 20 (mean ± standard deviation) for pelvic/ovarian and 61 ± 24 for omental lesions.

    Conclusion: Automated ovarian cancer segmentation on CT scans using deep neural networks is feasible and achieves performance close to a trainee-level radiologist for pelvic/ovarian lesions.

    Relevance statement: Automated segmentation of ovarian cancer may be used by clinicians for CT-based volumetric assessments and researchers for building complex analysis pipelines.

    Key points:

    • The first automated approach for pelvic/ovarian and omental ovarian cancer lesion segmentation on CT images has been presented.
    • Automated segmentation of ovarian cancer lesions can be comparable with manual segmentation of trainee radiologists.
    • Careful hyperparameter tuning can provide models significantly outperforming strong state-of-the-art baselines. Graphical Abstract: [Figure not available: see fulltext.]
  • 48.
    Burke, Molly
    et al.
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem.
    Gustafsson, Linnéa
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem.
    En bildkvalitésutvärdering av två datortomografer i syfte att rättfärdiga ett inköp av en ny datortomograf: En fantomstudie2022Självständigt arbete på grundnivå (kandidatexamen), 10 poäng / 15 hpStudentuppsats (Examensarbete)
    Abstract [sv]

    Antal datortomografiundersökningar har ökat under flera år i Sverige tack vare tekniska utvecklingar och ökad tillgänglighet på sjukvård. Södertälje sjukhus röntgenavdelningen är i behov av att byta ut en utdaterad datortomograf (eng: Computed tomography, CT) och avdelningen för medicinsk teknik har föreslagit ett inköp av en CT med fotonräknande-detektor.

    Bilddata framställdes genom en fantomstudie för att påvisa förhållandet mellanstråldosparametern CTDIvol och kontrast-brus-förhållandet (CNR) hos CT-systemen: SOMATOM Drive och NAEOTOM Alpha. Den genererade datan påvisade att det finns en väsentlig skillnad i CNR-CTDIvol-förhållandet mellan SOMATOM Drive och NAEOTOM Alpha. Resultaten tydliggör att NAEOTOM Alpha kan producera bilder med betydligt mindre brus vid lägre stråldoser. Ett inköp av en fotonräknande detektor CT skulle kunna rättfärdigas utifrån bildkvalitéförbättringen som systemet kan erbjuda.

    Ladda ner fulltext (pdf)
    En bildkvalitésutvärdering
  • 49.
    Bäcklin, Emelie
    et al.
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning. Department of Clinical Science, Intervention & Technology Karolinska Institutet Stockholm Sweden; Department of Biomedical Engineering Karolinska University Hospital Stockholm Sweden.
    Gonon, Adrian
    Department of Clinical Science, Intervention & Technology Karolinska Institutet Stockholm Sweden;Department of Clinical Physiology Karolinska University Hospital Stockholm Sweden.
    Sköld, Magnus
    Department of Medicine Solna Karolinska Institutet Stockholm Sweden;Department of Respiratory Medicine and Allergy Karolinska University Hospital Stockholm Sweden.
    Smedby, Örjan
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning.
    Breznik, Eva
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Medicinsk avbildning.
    Janerot Sjöberg, Birgitta
    Department of Clinical Science, Intervention & Technology Karolinska Institutet Stockholm Sweden;Department of Clinical Physiology Karolinska University Hospital Stockholm Sweden.
    Pulmonary volumes and signs of chronic airflow limitation in quantitative computed tomography2024Ingår i: Clinical Physiology and Functional Imaging, ISSN 1475-0961, E-ISSN 1475-097X, Vol. 44, nr 4, s. 340-348Artikel i tidskrift (Refereegranskat)
    Abstract [en]

    Background

    Computed tomography (CT) offers pulmonary volumetric quantification but is not commonly used in healthy individuals due to radiation concerns. Chronic airflow limitation (CAL) is one of the diagnostic criteria for chronic obstructive pulmonary disease (COPD), where early diagnosis is important. Our aim was to present reference values for chest CT volumetric and radiodensity measurements and explore their potential in detecting early signs of CAL.

    Methods

    From the population-based Swedish CArdioPulmonarybioImage Study (SCAPIS), 294 participants aged 50–64, were categorized into non-CAL (n = 258) and CAL (n = 36) groups based on spirometry. From inspiratory and expiratory CT images we compared lung volumes, mean lung density (MLD), percentage of low attenuation volume (LAV%) and LAV cluster volume between groups, and against reference values from static pulmonary function test (PFT).

    Results

    The CAL group exhibited larger lung volumes, higher LAV%, increased LAV cluster volume and lower MLD compared to the non-CAL group. Lung volumes significantly deviated from PFT values. Expiratory measurements yielded more reliable results for identifying CAL compared to inspiratory. Using a cut-off value of 0.6 for expiratory LAV%, we achieved sensitivity, specificity and positive/negative predictive values of 72%, 85% and 40%/96%, respectively.

    Conclusion

    We present volumetric reference values from inspiratory and expiratory chest CT images for a middle-aged healthy cohort. These results are not directly comparable to those from PFTs. Measures of MLD and LAV can be valuable in the evaluation of suspected CAL. Further validation and refinement are necessary to demonstrate its potential as a decision support tool for early detection of COPD.

  • 50.
    Cabrera Gil, Blanca
    KTH, Skolan för kemi, bioteknologi och hälsa (CBH).
    Deep Learning Based Deformable Image Registration of Pelvic Images2020Självständigt arbete på avancerad nivå (masterexamen), 20 poäng / 30 hpStudentuppsats (Examensarbete)
    Abstract [en]

    Deformable image registration is usually performed manually by clinicians,which is time-consuming and costly, or using optimization-based algorithms, which are not always optimal for registering images of different modalities. In this work, a deep learning-based method for MR-CT deformable image registration is presented. In the first place, a neural network is optimized to register CT pelvic image pairs. Later, the model is trained on MR-CT image pairs to register CT images to match its MR counterpart. To solve the unavailability of ground truth data problem, two approaches were used. For the CT-CT case, perfectly aligned image pairs were the starting point of our model, and random deformations were generated to create a ground truth deformation field. For the multi-modal case, synthetic CT images were generated from T2-weighted MR using a CycleGAN model, plus synthetic deformations were applied to the MR images to generate ground truth deformation fields. The synthetic deformations were created by combining a coarse and fine deformation grid, obtaining a field with deformations of different scales. Several models were trained on images of different resolutions. Their performance was benchmarked with an analytic algorithm used in an actual registration workflow. The CT-CT models were tested using image pairs created by applying synthetic deformation fields. The MR-CT models were tested using two types of test images. The first one contained synthetic CT images and MR ones deformed by synthetically generated deformation fields. The second test set contained real MR-CT image pairs. The test performance was measured using the Dice coefficient. The CT-CT models obtained Dice scores higherthan 0.82 even for the models trained on lower resolution images. Despite the fact that all MR-CT models experienced a drop in their performance, the biggest decrease came from the analytic method used as a reference, both for synthetic and real test data. This means that the deep learning models outperformed the state-of-the-art analytic benchmark method. Even though the obtained Dice scores would need further improvement to be used in a clinical setting, the results show great potential for using deep learning-based methods for multi- and mono-modal deformable image registration.

    Ladda ner fulltext (pdf)
    fulltext
1234567 1 - 50 av 321
RefereraExporteraLänk till träfflistan
Permanent länk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf