• English
    • svenska
  • svenska 
    • English
    • svenska
  • Logga in
Redigera dokument 
  •   Startsida
  • Student essays / Studentuppsatser
  • Institute of Medicine / Institutionen för medicin
  • Examensarbete 30 Hp, Läkarprogrammet
  • Redigera dokument
  •   Startsida
  • Student essays / Studentuppsatser
  • Institute of Medicine / Institutionen för medicin
  • Examensarbete 30 Hp, Läkarprogrammet
  • Redigera dokument
JavaScript is disabled for your browser. Some features of this site may not work without it.

Automatic analysis of intervertebral discs based on deep learning – comparing preoperative MR images with 1-year post lumbar disc herniation surgery outcomes

Sammanfattning
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.
Examinationsnivå
Student essay
Övrig beskrivning
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.
URL:
http://hdl.handle.net/2077/68369
Samlingar
  • Examensarbete 30 Hp, Läkarprogrammet
Fil(er)
gupea_2077_68369_1.pdf (2.308Mb)
Datum
2021-05-03
Författare
Cedergård, Emil
Nyckelord
Lumbar Disc herniation, Automatic Segmentation, Deep Learning, MRI, Signal Intensity
Språk
eng
Metadata
Visa fullständig post

DSpace software copyright © 2002-2016  DuraSpace
gup@ub.gu.se | Teknisk hjälp
Theme by 
Atmire NV
 

 

Visa

VisaSamlingarI datumordningFörfattareTitlarNyckelordDenna samlingI datumordningFörfattareTitlarNyckelord

Mitt konto

Logga inRegistrera dig

DSpace software copyright © 2002-2016  DuraSpace
gup@ub.gu.se | Teknisk hjälp
Theme by 
Atmire NV