Promotie A. (Antonio) Garcia-Uceda Juarez

Proefschrift in het kort:

In dit proefschrift hebben we automatische beeldverwerking methoden ontwikkeld om de luchtwegboom te segmenteren uit CT-scans van de borstkas en vervolgens luchtwegmetingen te extraheren. Ten eerste hebben we een volledig automatische luchtwegsegmentatiemethode ontwikkeld op basis van state-of-the-art deep learning algoritmen. Deze methode kan kwalitatief goede en volledige luchtwegsegmentaties verkrijgen op CT-scans met verschillende kenmerken en inclusief ernstige luchtwegafwijkingen. We bouwden software rond deze methode en stelden die ter beschikking van het publiek, zodat zij voor toekomstig onderzoek kan worden gebruikt. Vervolgens hebben wij twee uitbreidingen van deze methode voorgesteld om de gevoeligheid ervan te verbeteren, met name het aantal gesegmenteerde perifere luchtwegen. Deze zijn 1) een nieuwe methode die de typische segmentatiefouten van onze deep learning methode corrigeert door gebruik te maken van synthetische labels, aangevuld met fouten, en 2) een combinatie van onze deep learning methode met grafische neurale netwerken, die efficiënt zijn om boomachtige structuren zoals de luchtwegboom te verwerken. Vervolgens hebben wij onze deep learning methode aangevuld met twee nuttige hulpmiddelen, namelijk 1) een methode om efficiënt annotaties van luchtwegen te genereren die nodig zijn voor de training van deep learning, en 2) een methode om zowel het lumen als de wand van de luchtwegboom automatisch te segmenteren. Tenslotte bestudeerden wij de toepassing van geautomatiseerde biomarkers voor de kwantitatieve beoordeling van structurele afwijkingen van de luchtwegen aan de hand van CT-scans bij patiënten met longziekten. Deze biomarkers zijn de verandering in luchtwegdiameter, luchtweg-arterie verhouding en luchtwegwand-arterie verhouding. Met deze ontwikkelde methoden willen we bijdragen tot de ontwikkeling van geautomatiseerde hulpmiddelen voor clinici om longaandoeningen die de luchtwegen aantasten nauwkeurig en efficiënt te beoordelen.