Dr. Ivica Kopriva razvio metodu za automatiziranu segmentaciju PET slike
![Dr. Ivica Kopriva razvio metodu za automatiziranu segmentaciju PET slike](/var/ezflow_site/storage/images/novosti/dr.-ivica-kopriva-razvio-metodu-za-automatiziranu-segmentaciju-pet-slike/606885-1-cro-HR/Dr.-Ivica-Kopriva-razvio-metodu-za-automatiziranu-segmentaciju-PET-slike.png)
Znanstvenik Laboratorija za reprezentacije znanja i strojno učenje Zavoda za elektroniku, dr.sc. Ivica Kopriva razvio je metodu za automatiziranu segmentaciju PET slike koja je u suradnji s kolegama s kineskog Sveučilišta Soochow i američkog Sveučilišta Central Florida, primijenjena na segmentaciju tumora pluća ne-malih stanica (non-small cell lung cancer) iz PET slike.
Razvijena metoda rezultat je istraživanja dr. Koprive i profesora Xinjian Chena provedenog u okviru hrvatsko-kineskog bilateralnog projekta "Dealinacija tumora pluća nelinearnom dekompozicijom PET/CT slike", te, u manjoj mjeri, istraživačkog projekta Hrvatske zaklade za znanost "Strukturne dekompozicije empirijskih podataka za računalno potpomognutu dijagnostiku bolesti". Rezultati provedenog istraživanja objavljeni su u znanstvenom časopisu IEEE Journal of Biomedical and Health Informatics koji se ubraja u vodeće časopise u području računalnih znanosti: informacijski sustavi i medicinska informatika.
Točna segmentacija tumora važna je za njegovu gradaciju, a to je posebno važno za planiranje i praćenje terapije kod bolesnika. No, grupiranje (segmentacija) podataka, jedan od temeljnih problema u područjima računalnih znanosti i primijenjene matematike, spada u klasu slabo uvjetovanih inverznih problema što je i glavni razlog da se u kliničkim primjenama segmentacija obično provodi interaktivno, što je vremenski zahtjevno, a upravo zato se i radi na razvijanju metoda za automatiziranu segmentaciju.
Originalan znanstveni doprinos razvijene metode je u nelinearnom preslikavanju (mapiranju) intenziteta 3D PET slike u pseudo višekanalnu 3D PET sliku, kao i primjeni implicitne rijetkošću regularizirane faktorizacije nenegativnih matrica za segmentaciju.
Metoda je ispitana na segmentaciji 3D PET slike 18 pacijenata s dijagnozom tumora pluća i vrednovana u odnosu na referentnu segmentaciju provedenu od strane dva radiologa s kliničkog bolničkog centra Sveučilišta Soochow.