| dc.contributor.author | Cedergård, Emil | |
| dc.date.accessioned | 2021-05-03T08:23:53Z | |
| dc.date.available | 2021-05-03T08:23:53Z | |
| dc.date.issued | 2021-05-03 | |
| dc.identifier.uri | http://hdl.handle.net/2077/68369 | |
| dc.description | Segmentering av ryggdiskar – en jämförelse av preoperativa MR bilder med resultatet 1 år
efter diskbråcksoperation
Diskbråck är en vanlig åkomma som skapar problem med framförallt smärta i benen för den
drabbade patienten. Det beror på att en disk mellan ryggradens kotor kollapsar och trycker på
den bakomliggande ryggmärgen. Diskbråck kan behandlas med kirurgi där det som trycker
på ryggmärgen tas bort. Inför en eventuell operation undersöks ryggen med en s.k.
magnetkamera (MR) som ger en bild av disken. Bilden används för ställningstagande till om
diskbråcket ska opereras eller ej.
Operation av diskbråck förbättrar ofta patienternas bensmärta avsevärt men tyvärr kvarstår
problem med ryggvärk hos vissa patienter, möjligen kopplat till grad av diskdegeneration
(åldrande). Denna degeneration kan mätas med hjälp av MR, redan före operation. Studien
syftar till att undersöka diskars utseende på MR bilder innan diskbråcksoperation och jämföra
dem med utfallet 1 år efter operation.
218st diskbråcksopererade patienter hämtades ur det svenska ryggregistret. Patienternas MR
bilder från före operationen togs fram och den sjuka disken på varje patient studerades. Detta
gjordes genom segmentering av diskens mittersta del, vilket betyder att disken ringas in i MR
bilden. Diskens utseende i form av signalintensitet analyseras, d.v.s. hur starkt disken lyser i
bilden och skillnaden av denna signal mellan olika områden av disken beräknades. Det är ett
mått på hur disken mår och graden av dess degeneration. Därefter jämfördes om det fanns en
skillnad i signalintensitet i den sjuka disken mellan patienter med lyckat resp. mindre lyckat,
operationsresultat.
Emil Cedergårdh
2
Den statistiska analysen visar att det inte är någon statistisk skillnad i utseende
(signalintensitet) av den sjuka disken mellan patienter med lyckat respektive mindre lyckat
operationsresultat. Studien kan därför inte påvisa någon koppling mellan den sjuka diskens
utseende före operation och resultatet 1 år efter operation. Det finns många faktorer,
oberoende av diskens utseende, som påverkar operationsresultatet och som i studien inte
tagits hänsyn till. Uppgifter om hur själva operationen gick, kirurgens erfarenhet och hur
patienten skött sin rehabilitering hade varit önskvärt för att kunna justera för dessa faktorer. I
denna studie har även bilder från olika MR apparater med olika inställningar använts. Det är
svårt att avgöra hur detta påverkat resultatet. I fortsatta studier bör hänsyn tas till detta och
val av MR apparater och inställningar bör standardiseras. | sv |
| dc.description.abstract | Degree project. Program in Medicine. Automatic analysis of intervertebral discs based
on deep learning – comparing preoperative MR images with 1-year post lumbar disc
herniation surgery outcomes . Emil Cedergårdh, 2019. Institute of Clinical Science,
Department of Orthopedics. Gothenburg, Sweden.
Introduction: Lumbar disc herniation surgery often leads to major improvement in leg pain;
however, some patients have remaining back pain that might depend on the level of disc
degeneration. Magnetic resonance imaging (MRI) examination has a central role in the
preoperative evaluation. Today, the images are reviewed by a radiologist, a task which, in the
future, might be assisted by computers using artificial intelligence (AI) and deep learning. In
this study, intervertebral disc (IVD) characteristics from preoperative MR images is extracted
and then compared with the 1-year post lumbar disc herniation surgery outcome. Due to
technical error, semi-automated segmentation was used instead of deep learning-based
segmentation.
Aim: To study if there is a relationship between midsagittal signal intensity measures in
preoperative MR images and 1-years postoperative patient reported outcome measures
(PROM´s) on back pain, physical function and overall satisfaction.
Method: Patients undergoing lumbar disc herniation surgery at Sahlgrenska University
Hospital during the years 2013-2017 (n=218) and registered in the Swedish National Quality
Registry for Spine Surgery (Swespine) were included. In each patient, the midsagittal part of
the herniated IVD was segmented (outlined) on preoperative T2-weighted MR images using
an in-house developed software. Signal intensity measures were calculated and statistically
compared (t-test at p<0.05) to the PROM´s Numeric rating scale (NRS) back, Oswestry
disability index (ODI) and Global Assessment (GA).
Results: No significant difference in signal intensity measures between patients with
successful versus unsuccessful PROMS´s was found.
Conclusions: This study could not prove any relationship between midsagittal signal
intensity measures in preoperative MR images and 1-years postoperative PROM´s. Further
studies are encouraged using standardized MRI protocol and scanner, and more patient’s data
enabling adjustment of confounders. | sv |
| dc.language.iso | eng | sv |
| dc.subject | Lumbar Disc herniation, Automatic Segmentation, Deep Learning, MRI, Signal Intensity | sv |
| dc.title | Automatic analysis of intervertebral discs based on deep learning – comparing preoperative MR images with 1-year post lumbar disc herniation surgery outcomes | sv |
| dc.type | Text | |
| dc.setspec.uppsok | Medicine | |
| dc.contributor.department | University of Gothenburg / Institute of Medicine | eng |
| dc.contributor.department | Göteborgs universitet / Institutionen för medicin | swe |
| dc.type.degree | Student essay | |
