Chulalongkorn University Theses and Dissertations (Chula ETD)
Other Title (Parallel Title in Other Language of ETD)
การประเมินปริมาณรังสีจำเพาะตามขนาดของผู้ป่วยด้วยการแก้ค่าเส้นผ่านศูนย์กลางยังผลจากการตรวจเอกซเรย์คอมพิวเตอร์ทรวงอกโดยใช้โครงข่ายประสาทแบบคอนโวลูชัน
Year (A.D.)
2022
Document Type
Thesis
First Advisor
Kitiwat Khamwan
Second Advisor
Punnarai Siricharoen
Faculty/College
Faculty of Medicine (คณะแพทยศาสตร์)
Department (if any)
Department of Radiology (fac. Medicine) (ภาควิชารังสีวิทยา (คณะแพทยศาสตร์))
Degree Name
Master of Science
Degree Level
Master's Degree
Degree Discipline
Medical Physics
DOI
10.58837/CHULA.THE.2022.1178
Abstract
This study aimed to automatically determine the corrected effective diameter (Deffcorr) using convolutional neural network (CNN) for simplified SSDE calculation in thoracic CT. Transaxial images of 108 adult patients underwent thoracic CT without contrast at King Chulalongkorn Memorial Hospital (KCMH) were collected. To calculate the Deffcorr according to Mihailidis et al., the average relative electron densities for lung tissue (ρelung=0.3), for other tissues (ρetissue=1.0) and for bone (ρebone=1.2) were employed to correct the lateral and anteroposterior dimension. The CNN network architecture based on the U-Net algorithm was used for automated image segmentation. The 108 thoracic CT images and generated segmentation masks were used for the network training data. Then image processing was used for automated measurement and calculation of the Deffcorr. The SSDEDeffcorr was computed by multiplying CTDIvol with fsize that derived from Deffcorr and compared the results with SSDEDw using Pearson correlation, linear regression analysis, statistically significant (p
Other Abstract (Other language abstract of ETD)
งานวิจัยนี้มีวัตถุประสงค์เพื่อการประเมินปริมาณรังสีจำเพาะตามขนาดของผู้ป่วยด้วยการแก้ค่าเส้นผ่านศูนย์กลางยังผลจากการตรวจเอกซเรย์คอมพิวเตอร์ทรวงอกแบบอัตโนมัติโดยใช้โครงข่ายประสาทแบบคอนโวลูชัน โดยเก็บข้อมูลภาพตัดขวางทรวงอกย้อนหลังในผู้ป่วยจำนวน 108 ราย ซึ่งได้รับการตรวจเอกซเรย์คอมพิวเตอร์ส่วนช่องอกแบบไม่ฉีดสารทึบรังสีที่โรงพยาบาลจุฬาลงกรณ์ สภากาชาดไทย และประเมินปริมาณรังสีจำเพาะตามขนาดของผู้ป่วย ด้วยการคำนวณขนาดเส้นผ่านศูนย์กลางยังผลจากการแก้ค่าความยาวที่วัดในภาพตัดขวางด้านหน้า-หลัง (AP) และความยาวที่วัดในภาพตัดขวางด้านข้าง (LAT) ตามรายงานของ Mihailidis และคณะ โดยใช้ค่าเฉลี่ยความหนาแน่นของอิเล็กตรอนสำหรับเนื้อเยื่อปอด (ρelung=0.3), สำหรับเนื้อเยื่อ (ρetissue=1.0) และสำหรับกระดูก (ρebone=1.2) โดยใช้โครงข่ายประสาทแบบคอนโวลูชัน (CNN) ซึ่งมีสถาปัตยกรรมโครงข่ายแบบ U-Net สำหรับการแบ่งภาพของแต่ละเนื้อเยื่อแบบอัตโนมัติ โดยใช้ภาพตัดขวางทรวงอกและภาพที่ทำการแบ่งแต่ละเนื้อเยื่อจากการวาดด้วยมือ จำนวน 108 ภาพ ในการให้โครงข่ายเรียนรู้ แล้วใช้กระบวนการจัดการและประมวลผลภาพด้วยคอมพิวเตอร์สำหรับการวัดและคำนวณขนาดเส้นผ่านศูนย์กลางยังผลที่มีการแก้ค่าแบบอัตโนมัติ จากนั้นคำนวณปริมาณรังสีจำเพาะตามขนาดของผู้ป่วย (SSDE) ซึ่งเป็นผลคูณของค่าดัชนีรังสีเครื่องเอกซเรย์คอมพิวเตอร์เชิงปริมาตรและค่าแก้จำเพาะขนาดของผู้ป่วยที่คำนวณมาจากเส้นผ่านศูนย์กลางยังผลที่มีการแก้ค่า (Deffcorr) แล้วเปรียบเทียบกับปริมาณรังสีจำเพาะตามขนาดของผู้ป่วย (SSDE) ที่คำนวณมาจากค่าแก้ของขนาดตัวผู้ป่วยจากรายงานของ AAPM 220 (Dw) โดยใช้สหสัมพันธ์แบบเพียร์สัน (Pearson correlation), การวิเคราะห์การถดถอยเชิงเส้น (linear regression analysis), นัยสำคัญทางสถิติ (statistically significant) (p
Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-No Derivative Works 4.0 International License.
Recommended Citation
Ruenjit, Sakultala, "Automated method of corrected effective diameter for SSDE in thoracic imaging CT using CNN" (2022). Chulalongkorn University Theses and Dissertations (Chula ETD). 11322.
https://digital.car.chula.ac.th/chulaetd/11322
