Tecniche di Tecniche di segmentazione delle segmentazione delle

patologie morfologiche patologie morfologiche dell’encefalodell’encefalo

Relatore : Chiar.mo Prof. Paolo Inchingolo

Laureando : Luca Zanella

Tesi di laurea

Correlatori : Dott. Ing. Federica Vatta Dott. Ing. Stefano Mininel

Università degli Studi di TriesteFacoltà di Ingegneria

Corso di Laurea Triennale in Ingegneria Elettronica

Anno accademico 2003-2004

Segmentazione di Segmentazione di immaginiimmagini Suddivisione di un’ immagine in zone disgiunte in Suddivisione di un’ immagine in zone disgiunte in

base ad un criterio di uniformitàbase ad un criterio di uniformità

Fortemente legata all’ individuazione dei contorniFortemente legata all’ individuazione dei contorni

Obbiettivi tipici della Obbiettivi tipici della segmentazionesegmentazione Esaltazione di una particolare regione rispetto ad altre Esaltazione di una particolare regione rispetto ad altre

strutture non di interesse presenti nell’immaginestrutture non di interesse presenti nell’immagine

Separazione immagine in oggetto e sfondoSeparazione immagine in oggetto e sfondo Suddivisione immagine complessa in più sottoimmagini più Suddivisione immagine complessa in più sottoimmagini più

semplicisemplici Individuazione dei contorniIndividuazione dei contorni

Applicazioni generaliApplicazioni generali

La segmentazione risulta essere utile in diversi La segmentazione risulta essere utile in diversi ambiti e discipline:ambiti e discipline:

Indagine astronomica (rilevamento di corpi Indagine astronomica (rilevamento di corpi celesti)celesti)

Analisi della viabilità stradaleAnalisi della viabilità stradale Telerilevamento (analisi del territorio e della Telerilevamento (analisi del territorio e della

sua utilizzazione)sua utilizzazione) Riconoscimento di oggetti e di personeRiconoscimento di oggetti e di persone Controllo di colture biologiche e Controllo di colture biologiche e

batteriologichebatteriologiche

Applicazioni Applicazioni biomedichebiomedicheLa segmentazione è particolarmente utile in La segmentazione è particolarmente utile in

campo biomedico per:campo biomedico per: Analisi di laboratorio per il conteggio di Analisi di laboratorio per il conteggio di

globuli rossi e piastrine ed altre masse globuli rossi e piastrine ed altre masse cellularicellulari

Estrazione di strutture anatomiche da Estrazione di strutture anatomiche da bioimmaginibioimmagini

Estrazione di lesioni e patologie morfologiche Estrazione di lesioni e patologie morfologiche da bioimmaginida bioimmagini

Problema affrontatoProblema affrontato

Segmentazione (binaria) per l’estrazione di Segmentazione (binaria) per l’estrazione di lesioni dell’encefalo da immagini di risonanza lesioni dell’encefalo da immagini di risonanza magneticamagnetica

Evidenziazione della sola lesioneEvidenziazione della sola lesione

Problematiche Problematiche

Intensità dei pixel non costante all’interno della regione Intensità dei pixel non costante all’interno della regione Intensità dei pixel uguale per diverse strutture vicineIntensità dei pixel uguale per diverse strutture vicine Contorni poco evidenti e di forma complessaContorni poco evidenti e di forma complessa

Importanza ed Importanza ed applicazioni applicazioni Estrazione di dati significativi sulle Estrazione di dati significativi sulle

caratteristiche della lesione stessa:caratteristiche della lesione stessa: DimensioneDimensione FormaForma Localizzazione Localizzazione

I dati così ottenuti possono essere sfruttati per:I dati così ottenuti possono essere sfruttati per: Tecniche di studio non invasive ( ad esempio Tecniche di studio non invasive ( ad esempio

evoluzione nel tempo della lesioneevoluzione nel tempo della lesione )) Chirurgia guidata ( supportoChirurgia guidata ( supporto visivo )visivo )

Motivazioni Motivazioni

Segmentazione manuale possibile ma:Segmentazione manuale possibile ma: Troppo dispendiosaTroppo dispendiosa Risultato troppo dipendente dall’utenteRisultato troppo dipendente dall’utente

Sviluppo e valutazione di algoritmi e di tecniche di segmentazione semi automatiche

Bassa efficienza

Scarsa ripetibilità ed accuratezza

Obbiettivo propostoObbiettivo proposto

Valutazione dell’applicabilità e delle Valutazione dell’applicabilità e delle prestazioni di algoritmi semiautomatici di prestazioni di algoritmi semiautomatici di segmentazione, per l’estrazione di lesioni segmentazione, per l’estrazione di lesioni dell’encefalo su immagini campionedell’encefalo su immagini campione

Determinazione dell’ accuratezza delle Determinazione dell’ accuratezza delle tecnichetecniche

Algoritmi scelti tra quelli presenti in Algoritmi scelti tra quelli presenti in letteratura in base ad uno studio sul loro letteratura in base ad uno studio sul loro funzionamento e sulle loro caratteristiche funzionamento e sulle loro caratteristiche teoriche riguardo vari aspetti (accuratezza, teoriche riguardo vari aspetti (accuratezza, semplicità di utilizzo e di implementazione, semplicità di utilizzo e di implementazione, possibilità di sviluppi futuri)possibilità di sviluppi futuri)

Contributo personaleContributo personale

Implementazione software di quattro Implementazione software di quattro algoritmi di segmentazione:algoritmi di segmentazione:– ThresholdingThresholding– Region GrowingRegion Growing– WatershedWatershed– Fast Marching MethodFast Marching Method

Implementazione di un algoritmo di Implementazione di un algoritmo di valutazione dell’accuratezza delle valutazione dell’accuratezza delle segmentazionisegmentazioni

Valutazione dell’applicabilità e delle Valutazione dell’applicabilità e delle prestazioni degli algoritmiprestazioni degli algoritmi

Confronto con segmentazione manualeConfronto con segmentazione manuale

ImplementazioneImplementazione

Programmazione in C++Programmazione in C++ Tool ITK (Insight Toolkit) della Kitware:Tool ITK (Insight Toolkit) della Kitware:

– Insieme di librerie di classi per la rappresentazione Insieme di librerie di classi per la rappresentazione e l’elaborazione di immaginie l’elaborazione di immagini

– Numerosi filtri di elaborazione implementatiNumerosi filtri di elaborazione implementati– Orientamento verso sviluppo di tecniche di Orientamento verso sviluppo di tecniche di

segmentazione e di registrazionesegmentazione e di registrazione– Open source e multi-platformOpen source e multi-platform

Utilizzo dell’ambiente di sviluppo Unix sotto Utilizzo dell’ambiente di sviluppo Unix sotto piattaforma Windows con emulatore Cygwinpiattaforma Windows con emulatore Cygwin

Creazione di applicazioni stand-aloneCreazione di applicazioni stand-alone

Struttura dei Struttura dei programmiprogrammi Ogni programma di segmentazione è costituito da una Ogni programma di segmentazione è costituito da una

cascata di blocchi di elaborazionecascata di blocchi di elaborazione

Ogni algoritmo richiede un certo numero di elaborazioni Ogni algoritmo richiede un certo numero di elaborazioni effettuate in cascata ( schematizzate dal blocco filter)effettuate in cascata ( schematizzate dal blocco filter)

Struttura blocco di Struttura blocco di elaborazioneelaborazione Fase di pre processing e fase di Fase di pre processing e fase di

segmentazionesegmentazione

Blocco di pre processing Blocco di segmentazione

ProblematicheProblematiche

Ogni filtro richiede la definizione di vari Ogni filtro richiede la definizione di vari parametriparametri

Settaggio dei parametri richiesti dai vari Settaggio dei parametri richiesti dai vari blocchi di elaborazione lungo e difficoltosoblocchi di elaborazione lungo e difficoltoso

Risultato fortemente dipendente dal valore Risultato fortemente dipendente dal valore dei parametridei parametri

Sviluppo di una procedura di ricerca dei Sviluppo di una procedura di ricerca dei parametri ottimali semiautomatica, che parametri ottimali semiautomatica, che

sfrutta le segmentazioni manualisfrutta le segmentazioni manuali

Caratteristiche Caratteristiche immaginiimmagini

Tre serie di immagini di risonanza magneticaTre serie di immagini di risonanza magnetica

Caratteristiche delle lesioni trattate:Caratteristiche delle lesioni trattate: Meningiomi e glomi maligni Meningiomi e glomi maligni Contorni lisci Contorni lisci Evidenziabili con mezzo di contrastoEvidenziabili con mezzo di contrasto Presenza di edema perilesionalePresenza di edema perilesionale

Prospettiva assialeT1 weighted

grayscale 8 bit, 256x256 pixel

Prospettiva assialeT1 weighted con

mezzo di contrastograyscale 8 bit, 256x256 pixel

Prospettiva sagittale T1 weighted

grayscale 8 bit, 256x256 pixel

Modalità dei testModalità dei test

Test effettuati sulle tre serie di immagini di Test effettuati sulle tre serie di immagini di Risonanza MagneticaRisonanza Magnetica

Segmentazioni manuali prese come Segmentazioni manuali prese come riferimentoriferimento

Analisi dei valori degli indici di comparazione Analisi dei valori degli indici di comparazione per ogni immagine e per ogni algoritmoper ogni immagine e per ogni algoritmo

Indici di comparazioneIndici di comparazione

Indici di comparazione per la valutazione della precisione di Indici di comparazione per la valutazione della precisione di una segmentazione:una segmentazione:

Falsi positivi (FP)Falsi positivi (FP) Falsi negativi (FN)Falsi negativi (FN) Veri positivi (TP)Veri positivi (TP)

Indice di Tanimoto (TI):

Esempio di risultati (1)Esempio di risultati (1)

Immagine di partenza Segmentazione manuale Region growing

Thresholding Fast marching method Watershed

Esempio di risultati (2)Esempio di risultati (2)

Immagine di partenza Segmentazione manuale Region growing

Thresholding Fast marching method Watershed

Risultati ottenutiRisultati ottenutiIndice di Tanimoto medio su tutte le serie per i diversi algoritmi

0,74 0,76 0,78 0,80 0,82 0,84 0,86 0,88 0,90

TI

Watershed

Thresholding

Region Growing

Fast Marching Method

Risultati ottenutiRisultati ottenutiValore medio di TI sulle tre serie per i singoli algoritmi

0,00

0,10

0,20

0,30

0,40

0,50

0,60

0,70

0,80

0,90

1,00

Serie 1 Serie2 Serie 3

serie immagini

TI m

ed

io

Fast Marching Method

Region Growing

Thresholding

Watershed

Risultati ottenutiRisultati ottenutiPercentuale FP calcolata sulle singole serie

0%

5%

10%

15%

20%

25%

Serie1 Serie2 Serie3

serie immagini

Fast Marching Method

Region Growing

Thresholding

Watershed

Risultati ottenutiRisultati ottenutiPercentuale FN calcolata sulle singole serie

0%

5%

10%

15%

20%

25%

30%

Serie1 Serie2 Serie3

serie immagini

Fast Marching Method

Region Growing

Thresholding

Watershed

Considerazioni sui Considerazioni sui risultatirisultati L’applicabilità delle tecniche di segmentazione L’applicabilità delle tecniche di segmentazione

per immagini di MR per l’estrazione di lesioni è per immagini di MR per l’estrazione di lesioni è stata testata con successostata testata con successo

Algoritmi di region growing e di thresholding Algoritmi di region growing e di thresholding funzionano bene in considerazione funzionano bene in considerazione all’applicazione propostaall’applicazione proposta

Algoritmi di watershed danno in media una Algoritmi di watershed danno in media una segmentazione sovrabbondantesegmentazione sovrabbondante

Algoritmi di fast marching method producono in Algoritmi di fast marching method producono in media una segmentazione insufficientemedia una segmentazione insufficiente

Conclusioni Conclusioni

Prestazioni complessive migliori per gli Prestazioni complessive migliori per gli algoritmi di thresholding e di region growingalgoritmi di thresholding e di region growing

Buone prestazione degli algoritmi di Buone prestazione degli algoritmi di watershed che si sono rivelati promettentiwatershed che si sono rivelati promettenti

Scarse prestazioni della tecnica fast Scarse prestazioni della tecnica fast marching method, che non fornisce ancora marching method, che non fornisce ancora risultati buoni in questo contestorisultati buoni in questo contesto

Sviluppi futuri: testare gli algoritmi Sviluppi futuri: testare gli algoritmi implementati su altri set di immagini implementati su altri set di immagini presentanti lesioni con caratteristiche diversepresentanti lesioni con caratteristiche diverse