dc.contributor.author	Pozaruk, Andrii
dc.date.accessioned	2024-04-02T11:40:36Z
dc.date.available	2024-04-02T11:40:36Z
dc.date.issued	2024-04-25
dc.description	Promotor: prof. dr hab. Marian Cholewa - 85 s.
dc.description.abstract	Dokładne, specyficzne dla pacjenta mapy korekcji tłumienia (AC) w jednoczesnym obrazowaniu PET-MR stanowią wyzwanie ze względu na brak kontrastu kość-powietrze w obrazach MRI, szczególnie w obszarze miednicy. Chociaż obrazowanie Dixona poprawia kontrast tkanek miękkich, obecne metody segmentacji często błędnie klasyfikują kość. Celem tego badania jest udoskonalenie rekonstrukcji obrazu PET w przypadku raka prostaty poprzez wykorzystanie dokładnych map AC z obrazów Dixon-MR i CT przy użyciu nadzorowanej, wzmocnionej, generatywnej sieci kontradyktoryjnej (GAN). Ocena obejmowała obrazy CT i PET-MR pacjentów z rakiem prostaty, ocenę błędów na mapach AC i obrazach PET oraz badanie skuteczności metod głębokiego uczenia się. Metody MR oparte na DL wykazały większą dokładność segmentacji kości i lepszą rekonstrukcję obrazu PET w porównaniu z technikami konwencjonalnymi. Dodatkowo zaobserwowano silną odwrotną korelację pomiędzy wartościami ADC i SUV w strefach raka prostaty, co wskazuje na potencjał metod opartych na DL w poprawie obrazowania raka prostaty.	pol
dc.description.abstract	Accurate patient-specific attenuation correction (AC) maps in simultaneous PET-MR imaging are challenging due to the lack of bone-air contrast in MRI images, particularly in the pelvic region. Although Dixon imaging improves soft tissue contrast, current segmentation methods often misclassify bone. This study aims to enhance PET image reconstruction for prostate cancer by leveraging accurate AC maps from Dixon-MR and CT images using a supervised augmented generative adversarial network (GAN). Evaluation involved CT and PET-MR images from prostate cancer patients, assessing errors in AC maps and PET images, and exploring deep learning methods' performance. The DL-based MR methods exhibited higher accuracy in bone segmentation and improved PET image reconstruction compared to conventional techniques. Additionally, a strong inverse correlation between ADC and SUV values in prostate cancer zones was observed, indicating the potential of DL-based methods to enhance prostate cancer imaging.	eng
dc.identifier.uri	https://repozytorium.ur.edu.pl/handle/item/10382
dc.language.iso	eng
dc.publisher	Uniwersytet Rzeszowski
dc.rights	Attribution-NonCommercial-NoDerivs 3.0 Poland	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/pl/	*
dc.subject	prostate-specific membrane antige
dc.subject	Generative Adversarial Networks
dc.subject	positron emission tomography and magnetic resonance
dc.subject	computer tomography
dc.subject	attenuation correction
dc.subject	antygen błonowy specyficzny dla prostaty
dc.subject	generatywne sieci przeciwstawne
dc.subject	pozytonowa tomografia emisyjna i rezonans magnetyczny
dc.subject	tomografia komputerowa
dc.subject	korekcja tłumienia
dc.title	PSMA PET-MRI scanning for prostate cancer diagnosis
dc.title.alternative	Skanowanie PSMA PET-MRI w diagnostyce raka prostaty
dc.type	doctoralThesis

PSMA PET-MRI scanning for prostate cancer diagnosis

Pliki

Oryginalny pakiet

Pakiet licencji

Kolekcje