Data Science Tools for Dosimetry in Nuclear Medicine; Adattudományi oklevél,
megkönnyíti: Pedro Pérez
Motiváció
A nukleáris orvostudomány diagnosztikai képeit a szervezetbe beépített radionuklidok által kibocsátott röntgensugarak detektálásával állítják elő. Ezek a radionuklidok olyan molekulákhoz kapcsolódnak, amelyeket hordozónak neveznek, amelyek a radioaktív elemet az általuk tervezett érdeklődésre számot tartó területekre szállítják. Így például vannak olyan hordozómolekulák, amelyek olyan területekre jutnak, ahol magasabb a glükóz koncentrációja. Ezeket a radionuklidokat két általános célra használják: a különböző patológiák, köztük a rák diagnosztizálására és kezelésére.
A radionuklidok eloszlása az emberi testben több tényezőtől függ, elsősorban a beteg anyagcseréjétől és a hordozómolekulától. Saját elemeinek köszönhetően ez az eloszlás nem homogén, és nem is teljesen koncentrálódik a test azon területén, ahová besugározni kívánják, sőt az idő függvényében változik. Így például egy radionuklidot koncentrálhatunk egy tumor területén, 4: 1 arányban, a test többi részében lévő koncentrációval.
Ez a technika és alkalmazásai folyamatosan bővülnek, és egyre inkább alkalmazzák őket minden életkorban és jellemzőben. A diagnózishoz hagyományosan használt radionuklid röntgensugarak nem jelentenek nagy veszélyt a betegre, ha alkalmi tanulmányokhoz használják őket. De ezeknek a sugaraknak a kezelésére (nagyobb energia és más részecskék, például elektronok vagy alfa-részecskék) vagy időszakos rutinellenőrzésekben történő alkalmazása nagy dózislerakódásokkal járhat a beteg testében, ami nem kívánt következményeket okozhat a szervekben vagy az érzékenyebb szövetekben, és ezek nem kell kezelni. Ehhez a dozimetria a nukleáris orvostudományban ma alapvető eszköz az egyes szervek/szövetek energiájának megismerésére, és ezáltal a kockázatok felmérésére.
Ez a projekt a klaszteranalízis alkalmazását javasolja a 3D-s dozimetriában történő alkalmazásokhoz, mint automatizálási módszert az inhomogenitások azonosítására. A Voxeleket funkcionális tulajdonságaik szerint hozzákapcsolják az érdeklődő mennyiségekhez, és ehhez klaszterezési technikákat fognak használni, hogy ezután meghatározhassák a 2D és 3D dozimetriai számítások elvégzéséhez szükséges felhalmozott aktivitási térképeket.
Bevezető bibliográfia
a probléma leírása
Szükség van a térbeli dóziseloszlások becslésére voxel-alapú 3D közelítések alkalmazásával. A 3D-s dozimetriás alkalmazásokhoz olyan klaszterelemzésre van szükség, amely automatizálja az inhomogenitások azonosításának módját azáltal, hogy a voxeleket csoportosítja az érdeklődésre számot tartó térfogaton belül, funkcionalitásuk szerint.
A k-mean módszertant kezdetben alkalmazzák, a betegek 3D és 4D képeire alkalmazzák és szimulálják. Az érdekelt régión belüli olyan kistérségeket, amelyeknek voxeljei bizonyos jellemzőkkel rendelkeznek, megkeresjük, hogy a halmozott centrumok beállításával és a fürtözött kép térképként történő felhasználásával elkészítsük a felhalmozott tevékenység térképeit. Hasonlóképpen azonosítják a felvételi hibák által okozott túlzott zajterületeket. Végül elemzik a javasolt módszer előnyeit és korlátait, és tanulmányozzák azokat a más gépi tanulási technikákat, amelyek képesek kezelni az első által felvetett korlátokat.