• No se han encontrado resultados

Reconstrucción de Imágenes de los Ventrículos Cerebrales usando varios Métodos de Segmentación de Level Set Implementados en ITK

N/A
N/A
Protected

Academic year: 2022

Share "Reconstrucción de Imágenes de los Ventrículos Cerebrales usando varios Métodos de Segmentación de Level Set Implementados en ITK"

Copied!
5
0
0

Texto completo

(1)

Reconstrucción de Imágenes de los Ventrículos Cerebrales usando varios Métodos de Segmentación de Level Set Implementados en ITK

A. Bosnjak1, María F. Rodríguez1, L. Colmenares1, G. Montilla1, I. Jara2

1Centro de Procesamiento de Imágenes, Universidad de Carabobo, Valencia. Venezuela

2Hospital Metropolitano del Norte, Valencia, Venezuela [email protected]

Resumen

La segmentación de estructuras cerebrales, utilizando imágenes médicas, tiene numerosas aplicaciones. Ésta constituye una ayuda significativa en el diagnóstico de algunas patologías. En este trabajo, se realizó una aplicación de Software para la segmentación de imágenes, utilizando una nueva teoría de segmentación basada en los modelos deformables. Aprovechando las librerías matemáticas especializadas de ITK (Insight Tool Kit) para el procesamiento, segmentación y registro de imágenes, se desarrolló una interfaz especializada, implementada en FLTK (Fast Light Tool Kit), con la finalidad de poder extraer la información o conocimiento del usuario y transferirla a los métodos de las clases de ITK. La metodología está basada en un esquema general, que incluye los siguientes pasos: 1) Se carga la imagen de entrada. 2) Se selecciona alguno de los cinco método de segmentación a utilizar: Fast marching, Geodesic Contours Active, Laplacian, Threshold con Level Set y Shape detection implementados en ITK para la técnica de “Level set”. 3) Se ajustan los parámetros de cada método. 4) Se selecciona una semilla, la cual determina la región de interés. Y, 5) Se obtiene la imagen de salida 2D. La principal contribución de este trabajo consiste en proveer una nueva aplicación de software para la segmentación y la visualización 3D de los modelos segmentados correspondientes a los ventrículos del cerebro. En conclusión, el procedimiento de segmentación es más rápido que la segmentación manual, con la ventaja que permite usar al mismo paciente como referencia anatómica, obteniéndose una mayor precisión que al utilizar un atlas genérico.

Palabras clave: Segmentación 3D, Level Set 3D, Estructuras del cerebro, Procesamiento de Imágenes.

Images Reconstruction of the Cerebral Ventricles using several Segmentation Methods based on Level Set Implemented by ITK

Abstract

The segmentation of cerebral structures in medical images has numerous clinical applications. It can provide significant aids for the diagnosis of some pathology. In this work, we developed a software application for the segmentation of medical images using a new segmentation method based on the theory of deformable models. Taking advantage of the specialized mathematical libraries, such as ITK (Insight Tool Kit) for the processing, segmentation and registration of images, we develop a specialized interface implemented on FLTK able to extract the information or the user’s knowledge and to transfer it to the methods of the ITK. This new methodology is based on processing chain that includes the following steps: 1) Load the image. 2) Select one of the five segmentation method: Fast marching, Geodesic Contours Activate, Laplacian, Threshold with Level Set and Shape detection implemented on ITK for the “Level Set” technique. 3) Adjust the parameters of each method. 4) Select a seed, which determines the region of interest. And 5) the segmented 2D image is obtained. The new contribution of this work consists on providing of a new software application for the segmentation and the 3D visualization of the segmented models (in our case they correspond to the ventricles of the brain). In conclusion, this segmentation procedure is faster than the manual segmentation, with the advantage that it allows to use the same patient as anatomical reference, which has more precision than generic atlas.

Key Words: 3D Segmentation, 3D Level Set Method, Structures of the brain, Image Processing.

Introduccion

El análisis del cuerpo humano a partir de estudios imagenológicos para obtener datos, extraer información para realizar un diagnóstico médico ha sido clave para los avances científicos de la bioingeniería.

Para la medicina actual, hacer un diagnóstico y emitir criterios acerca de zonas de interés utilizando imágenes es rutinario. Estas imágenes son generadas por equipos como los de resonancia magnética (RM) y tomografía axial computarizada (TAC) ofreciendo una alternativa no invasiva, en donde los médicos son los usuarios finales de las mismas.

La recuperación de la forma de las estructuras y los órganos internos del cuerpo humano puede ser una tarea

muy compleja comparada con otros métodos de visión por computadora en donde se utilizan cámaras de video y se analizan imágenes ópticas. Esto se debe principalmente a la gran variabilidad de formas, la complejidad de las estructuras, los equipos de adquisición, y restricciones en los métodos de escaneo del cuerpo humano [1].

Por ejemplo: la extracción y reconstrucción 3D de los ventrículos cerebrales es un verdadero reto ya que las imágenes adquiridas son de baja resolución en el eje

‘z’, y en muchos pacientes se presentan irregularidades dentro de los ventrículos cerebrales.

Este artículo presenta un estudio profundo sobre la segmentación de los ventrículos del cerebro utilizando métodos de segmentación avanzada de Level Set

(2)

programados en C++ orientado a objetos utilizando las librerías de ITK [2] (“Insight Tool Kit). Las siguientes secciones presentan cada uno de los módulos utilizados para la segmentación 3D. Finalmente, las figuras muestran la reconstrucción y la segmentación 3D de los ventrículos del cerebro. Las conclusiones resumen la originalidad y la eficiencia de los métodos utilizados.

Metodología

Con la finalidad de segmentar y reconstruir los ventrículos del cerebro se diseño un sistema que consiste en una cadena de procesamiento que va desde la carga de las imágenes médicas, la segmentación 2D, la reconstrucción y Visualización 3D, tal como se puede observar en el diagrama de la figura 1.

Las librerías de ITK no proveen de ninguna interfaz con el usuario, por lo tanto nuestro objetivo principal se centro en resolver este problema. Por esta razón se diseñó y construyó una interfaz con el usuario que permite segmentar imágenes médicas y visualizar las imágenes de entrada y de salida usando las librerías de ITK [2], VTK [3] y FLTK [4]. La figura 1 muestra la secuencia de procesamiento: (1) Se carga la imagen de entrada utilizando librerías de FLTK [4]. (2) Se selecciona alguno de los cinco método de segmentación a utilizar: Fast marching, Geodesic Contours Active, Laplacian, Threshold con Level Set y Shape detection implementados en ITK para la técnica de “Level set”.

(3) Se ajustan los parámetros por el usuario de acuerdo a las características de la imagen seleccionada. (4) Se selecciona la semilla, la cual determinará la región de

interés. (5) Una vez ajustados los parámetros e iniciado el proceso de segmentación se obtiene la imagen de salida 2D, cuya visualización se presenta en una ventana de FLTK [4]. Este mismo procesamiento se repite al cargar un volumen de imágenes.

Una vez obtenido el volumen segmentado se procede a la reconstrucción y visualización 3D de los ventrículos cerebrales utilizando un programa propio desarrollado en C# con librerías de VTK [3].

DICOM y Lector de DICOMDIR

Los directorios de archivos DICOMDIR son muy útiles en aplicaciones médicas ya que ellos permiten organizar el acceso a las imágenes y a toda la información del paciente. En nuestro caso se utilizó el software DicomWorks (ver figura 2) para leer todas las imágenes en el formato DICOM y convertirlas a formato PNG comprimido. Se debe destacar que el software tiene la capacidad de leer, procesar y segmentar imágenes en cuatro formatos distintos: PNG, JPEG, BMP, y GIF, los cuales corresponden a los formatos más comunes en el área de procesamiento de imágenes.

El Centro de Procesamiento de Imágenes de la Universidad de Carabobo ha desarrollado otras aplicaciones que leen archivos y directorios DICOM [5]

directamente usando las librerías DCMTK 2005 [6], las cuales tienen varios años de continua evolución y uso en aplicaciones médicas [7]. Se espera que la segunda versión del software incluya la carga de imágenes DICOM y la lectura del archivo DICOMDIR.

Figura 1: Estructura general de la cadena de procesamiento de volúmenes utilizada en este proyecto.

(3)

Figura 2: Interfaz del software DicomWorks.

Diseño del Prototipo en FLTK. Construcción de la interfaz

Con la finalidad de crear una interfaz consistente se identificaron usuarios finales con conocimientos especializados en procesamiento de imágenes médicas como son: médicos profesionales, médicos en formación, imagenólogos, personal técnico, entre otros. Posteriormente, se estudiaron las actividades que realizan al utilizar la interfaz. Se estudiaron los cinco métodos de segmentación basados en la técnica de Level Set provenientes de ITK, mencionados anteriormente, para obtener el producto final, siendo las actividades a desarrollar: (1) Cargar la imagen o volumen de imágenes desde archivo. (2) Visualizar la imagen cargada.

(3) Seleccionar la región de interés a segmentar. (4) Introducir los parámetros de entrada para realizar el proceso de segmentación. (5) Visualizar la imagen de salida o imagen segmentada.

Al identificar estas actividades, se construyeron cinco prototipos de papel, uno para cada método. En base a estos prototipos se construyó la interfaz de usuario final que será común para todos los métodos, la cual se muestra en la figura 3.

Segmentación utilizando modelos dinámicos

Para el caso de las imágenes médicas, la segmentación es la extracción de una interfase cerrada entre el interior y el exterior del objeto considerado. Existen métodos de segmentación cuya interfase corresponde a una frontera dinámica que separa dos medios [8]. La forma de la interfase es modificada dependiendo de las condiciones del medio de propagación. Esta interfase comienza a crecer continuamente envolviendo al objeto que se desea segmentar, hasta detenerse justamente en la frontera de dos medios constituyéndose en una superficie de división de los medios.

Figura 3: Visualización de la interfaz con el usuario y una imagen de MRI cargada en el cuadro: imagen original..

Método de Level Set

Un ingenioso modelo físico fue introducido por Malladi et al. [8-9]. Ellos desarrollaron un modelo de propagación basado en una curva o superficie cerrada que no se intersecta, donde la velocidad de propagación depende de la curvatura. Así, al frente de propagación que separa dos regiones (interior y exterior) se le llama

“interfase” en la literatura de Sethian [8]. El frente se propaga en el interior de la imagen, adaptándose y pegándose a las paredes de la estructura del objeto 3D.

Esta técnica resuelve dos problemas de los ‘snakes’ [10], (término comúnmente utilizado para la segmentación con modelos dinámicos). a) Permite la segmentación de objetos con muchas bifurcaciones y protuberancias, y recupera formas complejas dentro de la imagen. b) No es necesario conocer a priori la topología del objeto para segmentarlo.

Considere una interfase como la localización final de una curva cerrada Γ

( )

t , propagándose a lo largo de su dirección normal con una velocidad V dependiente de la curvatura media. Sethian [8] propone una nueva metodología en donde la interfase de propagación puede ser vista como la curva de nivel cero (zero level set) de una función hiper-dimensional . La función inicial

, cumple con:

(1) Con el objetivo de obtener la ecuación de movimiento de la función level set; derivamos la ecuación (1) con respecto al tiempo usando la regla de la cadena:

(2)

(4)

Simplificando la ecuación anterior, obtenemos:

(3)

donde y nr

es la normal a la superficie. Discretizando la ecuación (3), obtenemos:

(4) Con el propósito de detener el frente de propagación en los bordes de la imagen, usamos el parámetro

:

(5) En donde Grad _Mod depende directamente de la función gradiente calculada sobre la imagen original. El término corresponde a la velocidad de propagación del frente, el cual depende de la curvatura media

y está expresado por la siguiente ecuación:

(6) Los valores de y son constantes y dependen de los datos a procesar. Sustituyendo la ecuación (6) en la (4) se obtiene la siguiente ecuación:

(7) Finalmente se obtiene la ecuación (7) que corresponde a la resolución de la ecuación diferencial (3). Esta ecuación depende de los parámetros alpha , beta , y el umbral que serán ajustados por el usuario a través de la interfase diseñada.

Resultados

Al aplicar el método de “Level Set”, específicamente la técnica “fast Marching”, la cual es una simplificación de la implementación de las ecuaciones (1) a la (5) se obtienen los resultados mostrados en la figura 4.

Las segmentaciones mostradas en la figura 4 fueron realizadas utilizando los siguientes valores para los parámetros de entrada: sigma = 1, alpha = -0.30, beta = 2.50, umbral = 100, número de iteraciones = 90, mientras que la semilla depende de la ubicación de los ventrículos en la imagen utilizada. A pesar de que estos parámetros fueron optimizados para una de las imágenes a segmentar, no significa que en el resto de las imágenes los parámetros sean los óptimos.

Figura 4: Ejemplo de Ocho imágenes de un total de 38 imágenes segmentadas de los ventrículos del cerebro de un paciente con el método de “Level Set” aplicando la técnica de Fast Marching. [11]

Finalmente, se realizó un análisis comparativo de los cinco métodos de segmentación utilizando un método cualitativo. El primer método, el “fast marching” es un método óptimo que realiza una rápida segmentación de los ventrículos.

Una vez obtenida la segmentación de todos los cortes de un estudio de un paciente, se procede a realizar la reconstrucción y visualización 3D, para ello se desarrolló otro programa en C# utilizando las librerías de VTK [3].

La figura 5 muestra los resultados de la visualización 3D de los ventrículos del cerebro utilizando el método de segmentación Fast Marching [11].

Figura 5: Reconstrucción 3D de los ventrículos cerebrales de un paciente utilizando VTK (Visualization Tool Kit).

Conclusiones

En este trabajo, se presentaron cinco métodos de segmentación basados en la teoría de Level Set. Estos métodos pueden ser aplicados en la detección de otros objetos. La única condición importante es separar el espacio 2D y 3D en áreas internas y externas.

En conclusión, se presentó un método semi- automático de segmentación de estructuras cerebrales con el objetivo de localizar precisamente los ventrículos derecho e izquierdo del cerebro. También se pueden

(5)

detectar otras estructuras importantes para el diagnóstico médico en volúmenes de MRI. Los resultados obtenidos son prometedores y han sido revisados visualmente por un neurocirujano. Adicionalmente, la aplicación trabaja en computadores PC portátiles convencionales y soporta cualquier tarjeta gráfica del mercado. El software permite la segmentación de estructuras de interés que posteriormente podrían ser utilizadas en la planificación y simulación de neurocirugías.

Los resultados de este proyecto muestran que las segmentaciones de estructuras del cerebro son de alta calidad y pertenecen a cada caso de estudio de cada paciente en particular, resolviendo dos problemas de los atlas virtuales en la enseñanza de la anatomía: 1) La baja resolución de los modelos virtuales, 2) Las estructuras internas han sido particularizadas para cada paciente, permitiendo hacer estudios posteriores de la variabilidad de los órganos con respecto a otros parámetros como:

edad, sexo, raza, entre otros.

Finalmente, este trabajo presenta un aporte significativo a la enseñanza de la anatomía, al realizar segmentaciones de un órgano interno del cuerpo humano.

Además, al particularizar el estudio para cada paciente, la segmentación proveerá de una gran ayuda al diagnóstico médico.

Referencias

[1] Suri J.S, “Two-Dimensional Fast Magnetic Resonance Brain Segmentation”. IEEE Engineering in Medicine and Biology. July-August 2001, pp.

84-95.

[2] Ibañez L., Schroeder W., Ng L., Cates J., and the Insight Software Consortium, “The ITK Software Guide” (ITK) 2nd Edición, versión 2.4.

Noviembre, 2005. http://www.itk.org/

[3] Schroeder W., Martin K., Lorensen B. “The Visualization Toolkit (VTK). An Object-Oriented Approach to 3D Graphics”. 4th Edición, version 5.0.2. © 2006 Kitware, Inc.

[4] Sweet M. Earls C.P., Melcher M., Spitzak B.,

“FLTK 1.1.10 Programming Manual” (FLTK) Revision 10. Copyright 2009. http://www.fltk.org/

documentation.php

[5] Villegas R, Montilla G, Villegas H. “A Software Tool for Reading DICOM Directory Files”.

International Journal of Healthcare Information Systems and Informatics. Vol. 2, Nº 1. January- March 2007, pp. 54-70.

[6] DCMTK 2005, “Digital imaging and communications in medicine tool kit”. DICOM toolkit software documentation. Oldenburger Forschungs und Entwicklungsinstitut für Informatik-Werkzeuge und Systeme (OFFIS).

Retrived on September 29, 2005, from http://

dicom.offis.de/dcmtk.php.en

[7] Montilla G., Bosnjak A., Jara I., Villegas H.

“Computer Assisted Planning using dependent Texture Mapping and Multiple Rendering projections in Medical Applications”. Proceedings of 3rd European Medical & Biological Engineering Conference. Prague, Czech Republic, 2005, pp.

4420-4425.

[8] Sethian J.A, “Level Set Methods and Fast Marching Methods. Evolving Interfaces in Computational Geometry, Fluid Mechanics, Computer Vision, and Materials Science”. Cambridge University Press. 1999.

[9] Malladi R, Sethian J, Vemuri B. “Shape Modelling with Front Propagation: A Level Set Approach”.

IEEE Transactions on Pattern Analysis and Machine Intelligence. Vol. 17, N° 2. February 1995, pp. 158-175.

[10] Kass M, Witkin A, Terzopoulos D. “Snakes:

Active Contour Models” Int’l Journal of Computer Vision, 1988, pp. 321-331.

[11] Rodríguez V. María F., “Reconstrucción de los ventrículos cerebrales usando el método de segmentación level set implementado en ITK”.

Proyecto de grado. Universidad de Carabobobo 2010.

Referencias

Documento similar

La campaña ha consistido en la revisión del etiquetado e instrucciones de uso de todos los ter- mómetros digitales comunicados, así como de la documentación técnica adicional de

La estructura de esta Tesis es la siguiente: en el Capítulo 1 se realiza una introducción con ejemplos de aplicaciones de los contornos activos y el estado de la técnica con las

Por ejemplo, se tratan conceptos generales de procesamiento de imágenes digitales y de segmentación, así como todo el tratamiento que se ha llevado a cabo con las

Debido al riesgo de producir malformaciones congénitas graves, en la Unión Europea se han establecido una serie de requisitos para su prescripción y dispensación con un Plan

Como medida de precaución, puesto que talidomida se encuentra en el semen, todos los pacientes varones deben usar preservativos durante el tratamiento, durante la interrupción

Abstract: This paper reviews the dialogue and controversies between the paratexts of a corpus of collections of short novels –and romances– publi- shed from 1624 to 1637:

por unidad de tiempo (throughput) en estado estacionario de las transiciones.. de una red de Petri

Habiendo organizado un movimiento revolucionario en Valencia a principios de 1929 y persistido en las reuniones conspirativo-constitucionalistas desde entonces —cierto que a aquellas