Aim Prostate cancer represents the most common cancer afflicting men. It may be asymptomatic at the early stage. In this paper, we propose a methodology aimed to detect the prostate cancer grade by computing non-invasive shape-based radiomic features directly from magnetic resonance images. Materials and methods We use a freely available dataset composed by coronal magnetic resonance images belonging to 112 patients. We represent magnetic resonance slices in terms of formal model, and we exploit model checking to check whether a set of properties (formulated with the support of pathologists and radiologists) is verified on the formal model. Each property is related to a different cancer grade with the aim to cover all the cancer grade groups. Results An average specificity equal to 0.97 and an average sensitivity equal to 1 have been obtained with our methodology. Conclusion The experimental analysis demonstrates the effectiveness of radiomics and formal verification for Gleason grade group detection from magnetic resonance.
Obiettivo Il cancro alla prostata rappresenta il tumore più comune che colpisce gli uomini. Può essere asintomatico nelle fasi iniziali. In questo articolo, proponiamo una metodologia mirata alla rilevazione del grado del cancro alla prostata mediante il calcolo di caratteristiche radiomiche basate sulla forma, non invasive, direttamente dalle immagini a risonanza magnetica. Materiali e metodi Utilizziamo un dataset liberamente disponibile composto da immagini a risonanza magnetica coronale appartenenti a 112 pazienti. Rappresentiamo le sezioni di risonanza magnetica in termini di modello formale e sfruttiamo il model checking per verificare se un insieme di proprietà (formulate con il supporto di patologi e radiologi) sia verificato sul modello formale. Ogni proprietà è correlata a un diverso grado di cancro con l'obiettivo di coprire tutti i gruppi di grado di cancro. Risultati È stata ottenuta una specificità media pari a 0,97 e una sensibilità media pari a 1 con la nostra metodologia. Conclusione L'analisi sperimentale dimostra l'efficacia della radiomica e della verifica formale per la rilevazione del gruppo di grado di Gleason dalle immagini a risonanza magnetica.
Radiomica e metodi formali: applicazioni prossime e future
GUERRIERO, Pasquale
2024
Abstract
Aim Prostate cancer represents the most common cancer afflicting men. It may be asymptomatic at the early stage. In this paper, we propose a methodology aimed to detect the prostate cancer grade by computing non-invasive shape-based radiomic features directly from magnetic resonance images. Materials and methods We use a freely available dataset composed by coronal magnetic resonance images belonging to 112 patients. We represent magnetic resonance slices in terms of formal model, and we exploit model checking to check whether a set of properties (formulated with the support of pathologists and radiologists) is verified on the formal model. Each property is related to a different cancer grade with the aim to cover all the cancer grade groups. Results An average specificity equal to 0.97 and an average sensitivity equal to 1 have been obtained with our methodology. Conclusion The experimental analysis demonstrates the effectiveness of radiomics and formal verification for Gleason grade group detection from magnetic resonance.File | Dimensione | Formato | |
---|---|---|---|
Tesi_P_Guerriero.pdf
accesso aperto
Dimensione
3.33 MB
Formato
Adobe PDF
|
3.33 MB | Adobe PDF | Visualizza/Apri |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.14242/195467
URN:NBN:IT:UNIMOL-195467