Registro al espacio MNI152

Las im´agenes nativas de cada paciente est´an guardadas en el archivorawavg.mgz. Por ello se debe declarar este tipo de archivo con la variable que se desea con- vertir as´ı como el directorio en el que se quiere guardar la imagen transformada. Tras declarar estas variables se escribe la expresi´on del comandomri_convert y se utiliza la funci´onsystem() para que se ejecute la expresi´on en la terminal. En el caso de las im´agenes del Skull-Stripping el c´odigo empleado es el mis- mo con la variaci´on de que el archivo que se debe transformar es el brain-in- rawavg.mgz, por lo que se debe cambiar la declaraci´on de la variable a trans- formar as´ı como el directorio de destino.

El pseudoc´odigo empleado en esta funci´on queda de la siguiente manera:

1 f u n c t i o n c o n v e r t M G Z _ n i i _ g z 2 f s l _ c o m a n d = ’ m r i _ c o n v e r t ’; 3 n a m e _ i m a g e = < a r c h i v o a t r a n s f o r m a r >; 4 p a t h = < r u t a del d i r e c t o r i o d o n d e se q u i e r e n g u a r d a r los r e s u l t a d o s >; 5 l i s t _ d i r = dir ; 6 for i =1: n u m e l ( l i s t _ d i r )

7 if ( l i s t _ d i r ( i ) . i s d i r && ( s t r c m p ( l i s t _ d i r ( i ) . name , ’. ’) = = 0 ) && (

s t r c m p ( l i s t _ d i r ( i ) . name , ’.. ’) = = 0 ) ) 8 p a t h _ i m g = s t r c a t ( ’./ ’ , l i s t _ d i r ( i ) . name , ’/ mri / ’) ; 9 c o m a n d = s p r i n t f (’ % s %s %s %s %s . nii . gz ’ , f s l _ c o m a n d , p a t h _ i m g , n a m e _ i m a g e , p a t h _ O u t , l i s t _ d i r ( i ) . n a m e ) ; 10 d i s p ( c o m a n d ) ; 11 s y s t e m ( c o m a n d ) ; 12 end 13 end 14 end

A parte de lo que ya se ha comentado sobre la declaraci´on del directorio de destino y el archivo de la imagen que se quiere transformar, es necesario comentar que el algoritmo est´a implementado para que no haya que ir ejecutando la transformaci´on de las im´agenes una a una. Para ello se hace uso de la funci´on de Matlabdir la cual hace una lista de los archivos que se encuentran en un directorio. El bucle for se encarga de ir pasando por todas las carpetas del esta lista para ejecutar el comando mri_convert en cada una de las im´agenes de los pacientes. Posteriormente, para cada una de ellas, se escribe el comando mediante disp(comand) y se ejecuta en la terminal a trav´es de la instrucci´onsystem(comand).

4.3.

Registro al espacio MNI152.

Antes de llevar a cabo la segmentaci´on es necesario realizar el registro de todas las im´agenes a un espacio normalizado. Como se explic´o en el cap´ıtulo anterior, se toma como referencia el espacio MNI152 ya que es uno de los m´as extendidos y a su vez de los m´as modernos. Este paso es imprescindible porque la segmentaci´on llevada a cabo en este proyecto est´a basada en la comparaci´on de las MRI de los pacientes con una biblioteca de atlas y para que la comparaci´on de los patches de las distintas im´agenes tenga sentido es necesario que todas ellas est´en en un espacio estereot´axico com´un.

36 CAP´ITULO 4. PREPROCESADO DE LAS IM ´AGENES

Figura 4.4: Atlas probabil´ıstico MNI152

Para realizar el registro de las im´agenes es necesario llevar a cabo transformacio- nes afines sobre estas. Para ello utilizamos el scriptrunfsl_flirt_long.mque hace uso del comandoflirt de FSL. Para utilizarlo es necesario disponer de una plantilla de referencia del espacio al cual queremos realizar el registro af´ın. En nuestro caso se utiliza la plantilla del espacio MNI152.

Al igual que scripts anteriores, el algoritmo runfsl_flirt_long.m est´a imple- mentado para realizar el registro de todas las im´agenes de una sola vez, sin la necesidad de ir seleccionando manualmente una a una todas las im´agenes, lo cual agiliza el proceso. Al ejecutarlo se genera para cada paciente un archivo .nii.gz, que es la imagen normalizada y otro .m, que son los par´ametros del registro af´ın del sujeto. La llamada al comandoflirt se realiza de la siguiente manera:

1 f l i r t ’ - in ’ < i m a g e n a r e g i s t r a r > ’ - ref ’ < p l a n t i l l a de r e f e r e n c i a del

e s p a c i o al que se r e g i s t r a > ’ - out ’ < d i r e c t o r i o de salida > ’ - omat ’ < m a t r i z de t r a n s f o r m a c i o n p a r a el r e g i s t r o >

Figura 4.5: Imagen tras realizar el skull-stripping (izquierda) e imagen tras haber realizado el registro al espacio MNI152 (derecha).

4.3. REGISTRO AL ESPACIO MNI152. 37

Una vez que se ha ejecutado este script ya se dispone de todas las im´agenes preprocesadas y registradas en el espacio MNI152, por lo tanto, est´an preparadas para llevar a cabo la segmentaci´on. Como es de suponer, los atlas de la biblioteca que se van a tener en cuenta para la segmentaci´on de las im´agenes tambi´en se encuentran en este espacio normalizado.

Cap´ıtulo 5

M´etodos de segmentaci´on

En este proyecto se ha llevado a cabo el an´alisis de varios m´etodos de segmenta- ci´on. Por un lado, se ha realizado un estudio del m´etodo de segmentaci´on longitudinal de im´agenes aportado por la propia herramienta FreeSurfer, mientras que por otra parte, se ha llevado a cabo el estudio de un m´etodo de segmentaci´on implementado en Matlab basado en el m´etodo de PatchMatch y se ha realizado la adaptaci´on de es- te algoritmo al procesamiento longitudinal. En este cap´ıtulo se exponen los m´etodos de segmentaci´on estudiados.

5.1.

Segmentaci´on longitudinal de FreeSurfer.

El primer m´etodo estudiado para el procesamiento y la segmentaci´on de las im´age- nes es el presentado por Reuter [15]. Este m´etodo est´a implementado en la herra- mienta FreeSurfer. Se ha llevado a cabo un estudio de la implementaci´on realizada para comprenderla y aplicarla.

Este m´etodo lleva a cabo un procesamiento longitudinal de las im´agenes, es decir, se realiza una evaluaci´on temporal de un n´umero arbitrario de muestras temporales de cada paciente. A partir de las im´agenes de un paciente se crea una plantilla propia de cada sujeto mediante el registro simultaneo de todas ellas a una imagen media utilizando un m´etodo robusto y sim´etrico. Esta plantilla permite aproximar la anatom´ıa de cada sujeto y se puede utilizar como estimador para la posterior segmentaci´on. Adem´as, ayuda a reducir el error a la vez que aporta mayor robustez y sensibilidad al an´alisis longitudinal ya que al disponer de informaci´on com´un las variaciones en los procesos pueden verse reducidas.

A continuaci´on se explican las diferentes fases de las que consta este m´etodo que son CROSS, BASE, LONG y registro al espacio MNI152.