Cap4 - Tehnici de Procesare a Imaginilor Bio Medic Ale

32
 Cap. 4 Tehnici de procesare a imaginilor biomedicale Cap. 4 Tehnici de procesare a imaginilor biomedicale Imaginile medicale sunt obţinute prin tehnice avansate, pe baza r ăspunsului organismului la interacţiunea cu factori fizici în funcţie de caracteristicile anumitor ţesuturi, convertite în grade de luminozitate (culori asociate convenţional sau în mod uzual nuanţe de gri). Diferenţe mai mari între caracteristicile ţesuturilor conduc la un contrast accentuat al imaginii, calitatea final ă a imaginii fiind dat ă atât de sensibilitatea şi rezoluţia echipamentului, cât şi de zgomotele şi artefactele suprapuse  peste semnalul util. Printre factori fizici folosiţi în imagistica medical ă enumer ăm: ultrasunetele (ecografie şi tomografie cu ultrasunete - principiul fizic reflexia la interfeţele dintre ţesuturi), radiaţiile X (radiologie, tomografie X - principiul absorbţiei/atenuării radiaţiei funcţie de densitatea ţesuturilor), factori chimici (trasori specifici, radiofarmaceuticele) ce se fixează pe ţesutul investigat şi emit radiaţiile ionizante (scintigrafie, tomoscintigrafie), câmpul electromagnetic (tomografie RMN  principiul rezonanţei magnetice nucleare a protonilor într-un câmp magnetic). Spre deosebire de tomografia computerizat ă (CT) care permite studierea anatomiei umane furnizând imagini structurale, medicina nuclear ă relevă funcţionarea organelor (imagini funcţionale). Prin fuziunea celor două tipuri de imagini funcţionale (medicină nuclear ă) şi structurale (CT) se pot obţine imagini de calitate superioar ă, existând scanere hibride (SPECT-CT, PET-CT). Tehnologia evoluează a şteptându-se apariţia unor echipamente hibride din fuziunea imagistică prin rezonanţă magnetică cu cele de medicină nuclear ă (PET-MRI) Folosind tomografia computerizată se poate reconstrui imaginea 3D a unui obiect  pe baza mai multor secţiuni plane (tomos=felie), achizi ţionate succesiv sub inciden ţe multiple. Detectorul şi emiţătorul de radiaţie nuclear ă poate efectua o deplasare circular ă în jurul organului de vizualizat. Tomograful încorporează un calculator  puternic pentru a putea procesa informaţia achiziţionată şi pentru a permite vizualizarea fiecărei secţiuni. Medicina nuclear ă (NM) utilizează izotopi radioactivi pentru diagnosticare şi analiză, imaginile fiind obţinute pe baza distribuţiei în interiorul pacientului a unui radioelement farmaceutic, care poate fi înghiţit, injectat intravenos sau inhalat ca un gaz. Aceşti radiotrasori se acumulează numai în organele sau ţesuturile ce urmează a fi examinate, de unde emit radia ţie nuclear ă captată de o gama camer ă sau scanner PET. Imaginile rezultate în urma măsur ării cantităţii de energie emisă, ofer ă informaţii funcţionale ale zonei de investigat. Camera cu scintila ţie (gama camera) este conectată la un computer, procesarea informa ţiei fiind realizată în două etape: achiziţia datelor şi procesarea imaginilor. Pentru o achiziţie efectuată în mod planar (scintigrafie plan ă) detectorul este mi şcat cu o viteză constantă de-a lungul întregului corp, fiecare pixel al imaginii rezultate reprezentând o sumă a tuturor punctelor situate pe o ax ă imaginar ă ce traversează întreg corpul pe o anumit ă direcţie. Sunt necesare achizi ţii sub diverse incidenţe (anterioar ă, posterioar ă, de profil sau oblice).

Transcript of Cap4 - Tehnici de Procesare a Imaginilor Bio Medic Ale

Cap. 4 Tehnici de procesare a imaginilor biomedicaleCap. 4 Tehnici de procesare a imaginilor biomedicale Imaginile medicale sunt obinute prin tehnice avansate, pe baza rspunsului organismului la interaciunea cu factori fizici n funcie de caracteristicile anumitor esuturi, convertite n grade de luminozitate (culori asociate convenional sau n mod uzual nuane de gri). Diferene mai mari ntre caracteristicile esuturilor conduc la un contrast accentuat al imaginii, calitatea final a imaginii fiind dat att de sensibilitatea i rezoluia echipamentului, ct i de zgomotele i artefactele suprapuse peste semnalul util. Printre factori fizici folosii n imagistica medical enumerm: ultrasunetele (ecografie i tomografie cu ultrasunete - principiul fizic reflexia la interfeele dintre esuturi), radiaiile X (radiologie, tomografie X - principiul absorbiei/atenurii radiaiei funcie de densitatea esuturilor), factori chimici (trasori specifici, radiofarmaceuticele) ce se fixeaz pe esutul investigat i emit radiaiile ionizante (scintigrafie, tomoscintigrafie), cmpul electromagnetic (tomografie RMN principiul rezonanei magnetice nucleare a protonilor ntr-un cmp magnetic). Spre deosebire de tomografia computerizat (CT) care permite studierea anatomiei umane furniznd imagini structurale, medicina nuclear relev funcionarea organelor (imagini funcionale). Prin fuziunea celor dou tipuri de imagini funcionale (medicin nuclear) i structurale (CT) se pot obine imagini de calitate superioar, existnd scanere hibride (SPECT-CT, PET-CT). Tehnologia evolueaz ateptndu-se apariia unor echipamente hibride din fuziunea imagistic prin rezonan magnetic cu cele de medicin nuclear (PET-MRI) Folosind tomografia computerizat se poate reconstrui imaginea 3D a unui obiect pe baza mai multor seciuni plane (tomos=felie), achiziionate succesiv sub incidene multiple. Detectorul i emitorul de radiaie nuclear poate efectua o deplasare circular n jurul organului de vizualizat. Tomograful ncorporeaz un calculator puternic pentru a putea procesa informaia achiziionat i pentru a permite vizualizarea fiecrei seciuni. Medicina nuclear (NM) utilizeaz izotopi radioactivi pentru diagnosticare i analiz, imaginile fiind obinute pe baza distribuiei n interiorul pacientului a unui radioelement farmaceutic, care poate fi nghiit, injectat intravenos sau inhalat ca un gaz. Aceti radiotrasori se acumuleaz numai n organele sau esuturile ce urmeaz a fi examinate, de unde emit radiaie nuclear captat de o gama camer sau scanner PET. Imaginile rezultate n urma msurrii cantitii de energie emis, ofer informaii funcionale ale zonei de investigat. Camera cu scintilaie (gama camera) este conectat la un computer, procesarea informaiei fiind realizat n dou etape: achiziia datelor i procesarea imaginilor. Pentru o achiziie efectuat n mod planar (scintigrafie plan) detectorul este micat cu o vitez constant de-a lungul ntregului corp, fiecare pixel al imaginii rezultate reprezentnd o sum a tuturor punctelor situate pe o ax imaginar ce traverseaz ntreg corpul pe o anumit direcie. Sunt necesare achiziii sub diverse incidene (anterioar, posterioar, de profil sau oblice).

90

Cap. 4 Tehnici de procesare a imaginilor biomedicale

Achiziia SPECT (Single Photon Emission Computed Tomography) pentru o surs cu emisie de radiaie gama, sau PET (Positron Emission Tomography) la o emisie de pozitroni este realizat n mod tomografic. Pornind de la aceste achiziii primare programul de procesare va permite reconstruirea seciunilor sagitale, transversale, frontale ale organului. Echipamentele medicale pot realiza o procesare a imaginilor achiziionate realiznd o filtrare/eliminare a zgomotului de fond sau a unor artefacte, corecia unor distorsiuni neomogeniti a imaginilor, evaluarea numeric a unor caracteristici, vizualizarea unor zone de interes etc. Pentru manipularea imaginilor de tip PET, SPECT am dezvoltat mai multe instrumente software, printre cele mai cunoscute fiind ICON, Sopha/SMV NXT, DICOM i SEGAMI. Fiecare dintre acestea lucreaz cu anumite formate de imagini. Printre avantajele unei investigaii scintigrafice cele mai importante sunt faptul c este neinvaziv, c iradierea este de obicei mic i c pe durata celor cteva ore ct radiotrasorul este activ se pot face mai multe vizualizri sub mai multe incidene, putnd fi chiar urmrit activitatea/funcionarea unei anumite regiuni. De asemenea radiotrasorul se localizeaz numai ntr-o anumit regiune, permind vizualizarea unor esuturi sau organe ce nu pot fi vizualizate de exemplu prin radiografierea zonei datorit caracteristicilor similare cu esuturile nvecinate (de exemplu tiroida). Astfel de zone pot fi vizualizate i prin RMN, fr a obine ns dect informaii structurale (nu i funcionale). Sunt prezentate trei metode de analiz i diagnoz a imaginilor medicale scintigrafii tomografice SPECT cerebrale, a scintigrafiilor planare osoase i pulmonare. Studiile sau desfurat n colaborare cu Prof. Dr. Cipriana tefnescu Departamentul de Medicin Nuclear, Facultatea de Medicin, U.M.F. Gr.T.Popa Iai i cu C.S. III dr. ing. Mihaela Costin de la Institutul de Informatic Teoretic al Academiei Romne Filiala Iai (Costin, Zbancioc et al., 2003), (Zbancioc , Costin, tefanescu, 2004), (Costin et al., Zbancioc, 2005), (tefanescu, Costin, Zbancioc, 2006).

4.1. Procesarea imaginilor scintigrafice cerebrale de tip SPECTn (Costin, Zbancioc et al., 2003) s-a propus o metod de analiz a nesimetriilor volumetrice tumorale, de identificare a zonelor cu disfuncii cerebrale, de calcul a volumului tumorii, eficient i necesar n cazurile imagistice care prezint dubiu. Algoritmii prezentai au fost proiectai pentru imagini scintigrafice de tip SPECT, realizate pe creier i se bazeaz pe proprietatea c ntre cele dou emisfere cerebrale nu trebuie s existe diferene mari n gradul de fixare a radiofarmaceuticului. Esenial n realizarea unor astfel de aplicaii este cunoaterea ct mai precis a zonelor afectate tumoral delimitate de expert, pentru ca ulterior tehnica procesrii de imagini s poat interveni, prin utilizarea unor metode de inteligen artificial, care rafinnd criteriul de decizie, s constituie un ajutor real pentru medic. Aplicabilitatea sistemului realizat este att n diagnoza direct, ct i n telemedicin. n prim faz algoritmul identific pe baza informaiilor statistice folosind funcia de co-ocuren, existena unor zone nefuncionale. n a doua faz pe baza diferenelor ntre cele dou emisfere sunt evideniate zonele nefuncionale (tumori) sau parial funcionale i se determin volumul acestora.

Cap. 4 Tehnici de procesare a imaginilor biomedicale

91

Unitatea de volum n imagistica medical se mai numete i voxel. Pentru imaginile SPECT analizate avem dou seturi de N=128 de slice-uri (seciuni), fiecare coninnd NxN pixeli. Numrul de voxeli este prin urmare 128x128x128. Un set este constituit din imagini orizontale, cellalt din imagini verticale, de interes n identificarea anomaliilor n funcionarea creierului este primul set, deoarece permite compararea lobilor din cele dou emisfere cerebrale. Pentru detecia zonelor disfuncionale de interes pentru diagnoz, am utilizat o metod de segmentare cu prag variabil, pentru nesimetriile tumorale (respectiv detecia gliomului) i s-a lucrat cu un prag fix stabilit de specialist. 4.1.1. Determinarea matricei de co-ocurena a nivelurilor de gri Dependena spaial a nivelurilor de gri (GLCO gray level co-occurence) sau matricea de co-ocuren, reprezint probabilitatea de apariie ntr-o anumit regiune a unor pixeli ce respect o restricie de plasament spaial.Pxy (i, j ) = Prob{I ( x, y ) = i, I ( x + x, y + y ) = j}

(4.1)

Matricea de co-ocuren este foarte des folosit la caracterizarea texturilor, pentru determinarea unor pattern-uri specifice unei texturi, din valorile matricei de coocuren se pot extrage o serie de parametri statistici Haralick: omogenitatea i omogenitatea local, uniformitatea, directivitatea, contrastul, entropia, etc. (Haralick 1979), (Gipp et al., 2008). Prin aplicarea relaiei (4.1) se determin ntr-o imagine numrul de cazuri n care doi pixeli, unul avnd intensitatea nivelului de gri i i cellalt j, sunt aflai ntr-o relaie spaial dat de deplasamentul ( x , y ). Restricia spaial va fi exprimat n continuare prin perechea (d, ), unde d reprezint distana ntre doi pixeli i unghiul fcut de dreapta ce unete cei doi pixeli cu orizontala. Trebuie menionat c d nu este corelat cu distana euclidian, ci exprim doar diferena ntre poziiile pe linie sau coloan a pixelilor. Se vor lua n calcul doar direciile existente ntr-o fereastr dreptunghiular de 3x3 pixeli, considernd d=1 (n jurul pixelului central). Pentru un d mai mare, numrul poziiilor relative ntre pixeli crete exponenial, prin urmare ne vom limita la cazul n care valorile lui sunt {0,45,90,135}. 135 90 45

0

0

45

90

180

Fig. 4.1. Unghiurile utilizate la calculul GLCO pentru d=1 ntre pixeli (Costin, Zbancioc et al. 2003)

92

Cap. 4 Tehnici de procesare a imaginilor biomedicale

Matricea GLCO poate fi reprezentat ca o matrice simetric atunci cnd direciile de cutare sunt convenabil alese, dimensiunea matricei fiind dat de numrul cazurilor de analizat, n cazul nostru numrul maxim de nivele de gri. Pentru cele patru direcii ale poziiilor relative dintre pixeli, relaiile de calcul ale matricelor de co-ocuren sunt urmtoarele:P (i, j , d ,0 o ) = I (k , l ) = i, I (m, n) = j , k m = 0, l n = d

P(i, j , d ,45 o ) = I (k , l ) = i, I (m, n) = j, k d = d , (k m)(l n) = d 2 P (i, j , d ,90 o ) = I (k , l ) = i, I (m, n) = j , k m = d , l n = 0

{

{

}

(4.2)

} }

{

}

(4.3) (4.4) (4.5)

P (i, j , d ,135 o ) = I (k , l ) = i, I (m, n) = j , k d = d , (k m)(l n) = d 2

{

unde reprezint probabilitatea de apariie a doi pixeli I( , ) cu nivelurile de gri i, j, la o distan de d pixeli pe linie i/sau coloan i sub un unghi . Aceast probabilitate este exprimat ca numr de situaii identificate respectnd restriciile spaiale raportat la numrul total de situaii. Se poate uor demonstra c matricea este simetric deoarece P (i, j , d , ) = P ( j , i, d , ) . Se determin matricea cumulat de co-ocuren, prin sumarea celor patru matrice calculate pentru fiecare orientare a unghiului , n acest fel obinnd o relaie de dependen spaial, care nu mai ine cont de unghi, ci doar de distan.P (i, j , d ) = P (i, j , d ,0 o ) + P(i, j , d ,45 o ) + P (i, j , d ,90 o ) + P (i, j , d ,135 o ) 4

(

)

(4.6)

Volumul de calcul este mare, pentru o imagine de NxM pixeli, pstrnd parametri d=1 i {0,45,90,135}, sunt necesare n cazul nostru 4x256x256 parcurgeri ale imaginii. innd cont c imaginile SPECT analizate au dimensiunea NxN= 128x128 i c avem 128 de slice-uri care construiesc imaginea complet a obiectului 3D, procesul de calcul al matricei de co-ocuren fiind reluat pentru fiecare slice, rezult un numr total de 4x2562xN3=549miliarde comparaii de efectuat ntre un pixel curent i cei nvecinai. Pentru a minimiza volumul de calcul, se poate realiza o partiionare a numrului de nivele de gri pe un numr mai mic de intervale. Astfel, presupunnd c s-ar considera c intervalul [0,255] de nivele de gri ar fi reprezentat doar pe patru nivele, matricea de co-ocuren ar arta astfel:Table 4.1. Matrice generic de co-ocuren (Costin, Zbancioc et al. 2003)

Nivel de gri

0 1 2 3

0 (0,0) (1,0) (2,0) (3,0)

Nivel de gri 1 2 (0,1) (0,2) (1,1) (1,2) (2,1) (2,2) (3,1) (3,2)

3 (0,3) (1,3) (2,3) (3,3)

Cap. 4 Tehnici de procesare a imaginilor biomedicale

93

4.1.2. Detecia liniei centrale a imaginii cerebrale SPECT Algoritmul de procesare a scintigrafiilor cerebrale se bazeaz pe simetria dintre cele dou emisfere ale creierului. De obicei la achiziia imaginilor SPECT pacientul este bine poziionat de ctre doctor, astfel nct njumtirea unui slice permite o bun selecie a celor dou emisfere cerebrale. Pot exista ns i cazuri n care este necesar gsirea liniei centrale a fiecrui slice din imagine i recentrarea corespunztoare. Pentru a fi siguri c se face o bun separare a imaginii trebuie verificat dac linia central corespunde coloanei 64 din imaginea SPECT de dimensiune 128x128. Funcionarea eficient a metodei de comparare necesit realizarea unei poziionri exacte, chiar dac imaginea este centrat de sistemul de achiziie al gama-camerei. Ca urmare algoritmul parcurge fiecare linie a imaginii i determin poziia pixelilor stnga-dreapta a contururilor exterioare (limitele suprafeei cerebrale), rezultnd un vector V de dimensiune Nx2, unde N reprezint nlimea imaginii (numrul de linii). Pentru extragerea acestui contur este dificil aplicarea unui operator derivativ de extragere de muchii, pentru c ulterior ar trebui eliminate contururile interioare i pstrat doar conturul exterior. Din acest motiv s-a aplicat o cutare, folosind o valoare prag =40 i memornd n vectorul V prima, respectiv ultima valoare care depete aceast valoare prag (vezi fig. 4.9, 4.11), pentru fiecare linie a imaginii. Se calculeaz valorile medii ( xi , y i ) , i = 1, N ale fiecrei perechi de pixeli din vectorul V (contur stnga-dreapta) i se determin ecuaia liniei drepte y = bx + a , care aproximeaz cu eroare minim aceste valori medii, prin algoritmul clasic de regresie liniar (Press et. al 2007).

b=

(xi =1 N

N

i

x )( y i y )

(xi =1

,i

a = y bx

(4.7)

x)

2

Pentru a calcula i coeficientul de regresie r, ecuaia (2.7) poate fi rescris, fiind necesar doar calculul a cinci sume (xy ) , x, y, ( x 2 ) i (y2) :y = bx + a ,

r=

N ( xy ) x y y b x b= , a= N N ( x ) ( x ) n ( xy ) x y n (x ) ( x ) n (y ) ( y ) 2 2 2 2 2 2

(4.8)

Valoarea coeficientului de corelaie ridicat la ptrat r 2 ofer o informaie legat de proporia variabilitii setului de date, sau ct de bine poate fi determinat valoarea setului de date Y pornind de la valorile lui X.

94

Cap. 4 Tehnici de procesare a imaginilor biomedicale

Fig. 4.2. Calculul liniei centrale pentru o reorientare a imaginii SPECT (Costin, Zbancioc et al. 2003)

Unghiul de rotaie , cu care trebuie rotit imaginea se determin din panta dreptei calculate, tiind c axa de simetrie trebuie s fie vertical i situat n centrul imaginii (dac este cazul se aplic imaginii i un deplasament x ). Transformrile geometrice ce trebuie aplicate sunt urmtoarele:x = x0 + ( x x0 ) cos ( y y 0 ) sin y = y 0 + ( x x0 ) sin + ( y y 0 ) cos , pentru rotaie x = x + x, y = y , pentru translaie I ( x, y ) = I (x , y )

(4.9)

Considernd c punctul (x0, y0) n jurul cruia se face rotaia este punctul de coordonate (0, 0), relaia (2.7) poate fi rescris astfel:I ( x, y ) = I (x + x cos y sin , x sin + y cos )

(4.10)

Algoritmul de rotire calculeaz corespondentului fiecrui pixel (x, y) din imaginea rezultat I , n imaginea iniial I, urmat de calculul valorii nuanei de gri n funcie de distanele de la coordonatele (x, y) la cei mai apropiai patru pixeli. O alt soluie de centrare a imaginii este descris n (Fitzgibbon, 1999) i const n gsirea elipsei care aproximeaz cel mai bine calota cerebral (respectiv creierul), iar utiliznd centrele elipsei i centrele slice-urilor detectate, orientarea axelor majore d corecia unghiular aplicat.4.1.3. Identificarea automat a nesimetriilor ntr-o imagine cerebral SPECT

Dup aplicarea algoritmului de detecie a liniei centrale i de recentrare a imaginii SPECT se poate extrage informaia corespunztoare emisferei din partea dreapt i din partea stng a creierului. Pentru una din cele dou imagini rezultate I st i I dr se realizeaz o operaie de reflecie pe vertical I st (i, j ) = I st (i, N / 2 j ) , astfel nct s se poat efectua ulterior calculul matricei diferen. n cazul unui pacient normal, al crui creier nu prezint o tumoare sau disfuncii, cele dou imagini rezultate I st i I dr ar trebui s fie aproape identice, i deci valorile

Cap. 4 Tehnici de procesare a imaginilor biomedicale

95

matricelor cumulative de co-ocuren pentru fiecare din cele dou emisfere cerebrale Pst (i, j , d ) i Pdr (i, j , d ) ar trebuie s fie aproximativ egale. Dac exist diferene ntre cele dou imagini, atunci acestea vor conduce la diferene ntre matricele de co-ocuren Pst Pdr . Valoarea prag peste care se consider c avem disfuncii ale creierului poate fi modificat ulterior de un specialist. Se pstreaz doar aceste valori ale matricei care indic diferene semnificative: P (i, j , d ) Pdr (i, j , d ) abs (Pst (i, j , d ) Pdr (i, j, d ) ) > prag * Pdiff (i, j, d ) = st 0 abs(Pst (i, j, d ) Pdr (i, j , d ) ) prag

(4.11)

n figurile 4.3-4.5 sunt reprezentate secvene ale matricelor de co-ocuren, i matricea de co-ocuren a diferenelor. Dat fiind faptul c n emisfera dreapt sunt concentrate ntr-o proporie mai mare culorile de intensitate mic (albastru) i n emisfera stng avem concentrate culorile de intensitate mare (rou, galben), diferena ntre acestea va indica fixarea n concentraii diferite a radioizotopului n lobii creierului. 0.7629 0.0053 0 0 0 0 0 0 0.0053 0.0625 0.0046 0 0 0 0 0 0 0.0046 0.0366 0.0038 0 0 0 0 0 0 0.0038 0.0228 0.0042 0 0 0 0 0 0 0.0042 0.0434 0.0044 0 0 0 0 0 0 0.0044 0.0272 0 0 0 0 0 0 0 0 0 0

Fig. 4.3. Matrice de co-ocuren emisfer cerebral stng (Costin, Zbancioc et al. 2003)

0.7575 0.0058 0 0 0 0 0 0

0.0058 0.0878 0.0042 0 0 0 0 0

0 0.0042 0.0366 0.0053 0 0 0 0

0 0 0.0053 0.0491 0.0032 0 0 0

0 0 0 0.0032 0.0270 0.0009 0 0

0 0 0 0 0.0009 0.0033 0 0

0 0 0 0 0 0 0 0

Fig. 4.4. Matrice de co-ocuren emisfer cerebral dreapt (Costin, Zbancioc et al. 2003)

-0.0054 0.0005 0 0 0 0 0 0

0.0005 0.0253 -0.0003 0 0 0 0 0

0 -0.0003 0.0000 0.0015 0 0 0 0

0 0 0.0015 0.0263 -0.0011 0 0 0

0 0 0 -0.0011 -0.0164 -0.0035 0 0

0 0 0 0 -0.0035 -0.0240 0 0

0 0 0 0 0 0 0 0

Fig. 4.5. Matricea diferen de co-ocuren (Costin, Zbancioc et al. 2003)

4.1.4. Determinarea zonelor cu disfuncii folosind o valoare de prag variabil

Dup aplicarea pailor anteriori de procesare se poate aplica o metod direct de comparaie a celor dou emisfere, realiznd diferena dintre nivelurile de gri ale pixelilor simetrici n cele dou jumti ale unui slice imagistic. Matricei diferen rezultante i se aplic un prag de selecie a crei valoare este raportat la zonele care prezint cele mai importante asimetrii. Se pot indica dou tipuri de anomalii: a) tumori indicate printr-un grad de fixare sczut al radiofarmaceuticului; b) disfuncii ale creierului indicate de nesimetrii ntre valorile simetrice ale pixelilor din cele dou emisfere. Pentru prima categorie dintre cele dou tipuri de anomalii (tumorile cerebrale) se folosete o valoare de prag fix, stabilit de un expert n domeniu, pentru cea a de-a doua clas disfunciile cerebrale se folosete un prag variabil. Indicarea unei posibile regiuni tumorale se face prin pixeli a cror intensitate se afl n partea de jos a unei palete de culori, de exemplu conform standardului DICOM, nuanele de negru sau bleumarin. Aceste zone indic o emisie slab de radiaie nuclear. Valoarea pragului trebuie stabilit n conformitate cu opinia unui medic. Pentru imaginile analizate, acest prag fix a avut valoarea 40. Un nivel sczut, simetric, al fixrii, n ambele emisfere, poate sugera regiuni tumorale duble. Scopul urmrit este detecia unor valori n interiorul ariei cerebrale aflate sub o limit impus. Ideea de baz a acestui algoritm este scanarea imaginii linie cu linie i cutarea minimelor locale aflate sub valoarea prag. Pentru un pacient sntos nu trebuie gsite astfel de valori. Dac se gsesc valori simetrice sub valoarea de prag fixat sunt semnalate ambele surse.

Fig. 4.6. Imaginea matricei diferen calculat pentru o seciune a creierului (Costin, Zbancioc et al. 2003)

Evidenierea disfuncionalitilor se face folosind un prag variabil care se raporteaz la valoarea diferenei maxime ntre doi pixeli simetrici i valoarea procentual a acestei diferene n raport cu nivelul de gri maxim gsit pe o linie a imaginii. n aceste condiii se va realiza o baleiere a imaginii linie cu linie, valoarea prag ajustndu-se n funcie de situaiile ntlnite. Algoritmul de segmentare utilizat a fost prezentat n (Costin, Zbancioc, et al., 2003) i este urmtorul:

Cap. 4 Tehnici de procesare a imaginilor biomedicale

97

for i=1:N //baleierea pe linie v_max=0; for j=1:N determin v_max valoarea de gri maxim pe linia curent prag_variabil = v_max*0.2 for j=1:N if I(i,j)prag_variabil (20% din v_max) then semnaleaz disfuncie if I(i,j)1 //valoarea de prag nu s-a stabilizat T = Tk ;

Calculeaz media eantioanelor din zona de interes m f ,k , respectiv din zona de fundal mb,km f ,k = mb,k =

(i hist (i))i =12B

T

hist (i) ;i =12B

T

i =T +1

(i hist (i)) hist (i)i =T +1

Tk = (m f ,k + mb,k ) / 2 ; k=k+1; // valoarea noului prag end_while for i=1:N numr_linii imagine for j=1:M //numr_coloane imagine if F(i,j)< m f ,k , then pixel obiect Fsegm (i, j ) = F (i, j );

else pixel fundal Fsegm (i, j ) = 255; end_if end_for end_for

106

Cap. 4 Tehnici de procesare a imaginilor biomedicale

n (Bulea, 2003) este descris un algoritm iterativ de calcul automat a unui prag optim de segmentare, care calculeaz distribuia normal pentru pixelii de fond i pentru cei de obiect. Se determin media, dispersia a dou variabile aleatoare asociate claselor de segmentat i se estimeaz eroarea de probabilitate E1 ca un pixel obiect s fie estimat ca aparinnd background-ului i invers, eroarea E2 pentru clasificarea unui pixel de fond ca fiind pixeli obiect. Algoritmul urmrete minimizarea erorii totale de clasificare E1+ E2. Dei algoritmul funcioneaz bine pentru o clas mare de imagini, chiar i n situaiile n care pixelii de fundal sunt foarte numeroi (peste 60-70%), n cazul imaginilor scintigrafice pulmonare analizate de acest algoritm nu furnizeaz rezultate satisfctoare.4.2.3. Segmentarea imaginii pulmonare folosind transformata Wavelet

O alt modalitate de segmentare, folosete WDT transformata discret wavelet bidimensional. Dup aplicarea acesteia pe un semnal 2D sunt returnai coeficienii aproximai CA i trei matrice de coeficieni detaliai CH, CV, CD. Coeficienii CA pstreaz informaia corespunztoare frecvenelor joase, iar CH, CV, CD informaia din imagine corelat cu frecvenele nalte (cum ar fi muchiile). Alturi de DCT transformata cosinus discret, transformata wavelet este folosit des n aplicaii de compresie a datelor, a imaginilor de exemplu standardul JPEG2000. Dintre diversitatea de familii de filtre ce pot fi folosite de transformata WDT: Daubechies, Coiflets, Symlets, biortogonale am preferat utilizarea celor din grupa filtrelor Daubechies i anume filtrele Haar i Db 2. n figura de mai jos H() i G() sunt funciile filtrelor wavelet trece-jos i trece-sus aplicate unei imagini (matrice bidimensionale) I(x,y). n afara celor dou filtrri aplicate mai nti pe linie i apoi pe coloan, se realizeaz i o operaie de suprimare astfel nct matricele CA, CH, CV, CD vor avea ca dimensiune jumtate din numrul de linii i de coloane al imaginii iniiale. n mod uzual se realizeaz aplicarea repetat a transformatei (asupra informaiilor CA) realizndu-se astfel o compresie a imaginii.

H() H() I(x,y) G() 2 G() 2 G() H()

2 2 2 2

CA CH CV CD

Fig. 4.15. Schem bloc general a transformatei Wavelet bidimensional

Am obinut rezultate bune la aplicarea consecutiv a acestei transformate de un numr de N=3 ori. La reconstrucia semnalului, prin aplicarea transformatei wavelet inverse IDWT s-au anulat toi coeficienii detaliai i s-au luat n calcul doar coeficienii aproximai. Pentru aplicarea transformatei DWT de N 4 ori, se pierde

Cap. 4 Tehnici de procesare a imaginilor biomedicale

107

prea mult informaie. Valoarea prag folosit n mod uzual la segmentarea imaginilor reconstruite a fost de T=100. Prin comparaie cu metoda anterioar de detecie a tumorilor, se observ asemnri mari ntre rezultatele obinute.

a) b) Fig. 4.16. Segmentarea imaginii F47 la un prag de 100 a) dup aplicarea de N=3 ori a transformatei wavelet, b) respectiv de N=4 (Costin, Zbancioc, 2003)

a) b) Fig. 4.17. Segmentarea imaginii m23 la un prag de 100 a) dup aplicarea de N=3 ori a transformatei wavelet, b) respectiv de N=4 (Costin, Zbancioc, 2003)

4.2.4. Gsirea liniei mediane n scintigrafiile pulmonare

Pentru a stabili eficacitatea unui tratament n cazul bolnavilor de TBC este necesar observarea evoluiei bolii, iar aceasta se face prin compararea a dou scintigrafii P1 i P2, realizate la momente de timp diferite. Pentru o suprapunere ct mai exact a celor dou imagini se determin linia median, folosindu-ne de pixelii din partea de sus a imaginii corespunztori glandei tiroide. Dispunerea organelor interne aflate n partea de jos a imaginii nu prezint aceeai simetrie, iar n glanda tiroid situat la baza gtului ntotdeauna radioizotopul se fixeaz n ambii lobi. Se

108

Cap. 4 Tehnici de procesare a imaginilor biomedicale

calculeaz pe fiecare linie a zonei aflate n elipsa ce ncadreaz zona tiroidian, media poziiilor pixelilor de culoare nchis.

Fig. 4.18. Gsirea liniei mediane pentru centrarea pe orizontal a scintigrafiei (Costin et al., Zbancioc, 2005)

Deplasamentul pe axa Ox se calculeaz ca fiind diferena celor dou valori medii gsite m x1 i m x 2 pentru imaginile P1 i P2: x = m x1 m x 2 . Determinarea liniei mediane permite centrarea celor dou imagini pe axa orizontal, iar pentru realizarea centrrii pe axa vertical necesar pentru o suprapunere ct mai bun a celor dou scintigrafii se poate folosi funcia de autocorelaie sau funcia diferen. Dintre cele dou metode s-a preferat funcia diferen, datorit volumului mai mic de calcul. Astfel dup centrarea pe orizontal a celor dou scintigrame P1 i P2 (de dimensiune HxL) folosind liniile mediane, s-a calculat suma valorilor absolute a matricei diferen dintre imaginea P1, considerat a fi fix i imaginea P2 deplasat pe vertical cu cte o poziie.20 max( H k , H ) Dif_min = min k = 20 i =max( H inf,k )

j =1

L

P1 (i, j ) P2 (i, j + k )

(4.22)

Valoarea minim a funciei diferen asigur suprapunerea cea mai bun a celor dou imagini i din acest motiv se folosete acel k pentru care s-a gsit o diferen minim, pentru deplasarea vertical celei de-a dou imagini y=kmin. n faza de detecie a tumorilor i estimare a diferenelor zonelor tumorale din cele dou scintigrafii, se elimin zona inferioar i cea superioar a imaginilor, care includ organele interne i zona tiroidian unde radiofarmaceuticul se poate fixa n mod diferit. n acest caz n ecuaia (4.22) se nlocuiete H inf (cruia i se atribuie implicit valoarea 1) cu H/3 sau H/2.

Cap. 4 Tehnici de procesare a imaginilor biomedicale

109

4.2.5. Extragerea contururilor zonelor tumorale pulmonare

Aplicaia dezvoltat pentru procesarea scintigrafiilor pulmonare folosete contururile pentru vizualizarea tumorilor i determinarea ariilor suprafeelor tumorale. Se pot utiliza tehnici de umplere a contururilor i de aplicare de operatori morfologici de erodare/ dilatare, de deschidere/nchidere a unei imagini pentru a obine o imagine ce caracterizeaz zonele tumorale. Dintre filtrele pentru extragerea de contururi pe care le-am utilizat (Gaussian, Sobel, Prewitt, Kirsch), au furnizat rezultate satisfctoare n cazul contururilor subiri filtrul Sobel de matrice 3x3 i n cazul contururilor ngroate filtrul Gaussian caracterizat de o matrice de 7x7. Spre deosebire de filtrele derivative de ordin doi cum ar fi laplacianul, gaussianul, filtrele derivative de ordin unu nu extrag dect muchiile de anumite orientri (verticale, orizontale sau oblice), motiv pentru care este necesar aplicarea mai multor mti de convoluie de diverse orientri i alegerea rezultatului cel mai bun prin folosirea unui bloc comparator (Vertan, 2007), (Bulea, 2003), respectiv cumularea rezultatelor. Astfel pentru detecia contururilor de mai multe orientri folosind operatorul Sobel se aplic relaiei urmtoare: N f * ( x, y ) = max m i = N

p( x + i, y + j ) S m (i + N , j + N ) , j = N N

(4.23)

N=1

0 1 2 1 0 1 2 1 0 1 2 1 0 ; S = 1 0 1 ; S = 2 0 2 ; S = 1 0 1 S1 = 0 0 2 3 4 1 2 1 1 0 1 0 1 2 0 2 1 n cazul filtrelor Sobel, Kirsch i Prewitt prin rotaia matricelor cu un element n jurul valorii centrale se obin n total 8 mti de convoluie, fiecare permind detecia unei muchii de o anumit orientare (S1 muchii verticale, S2 oblice de orientare 45, S3 muchi orizontale de 0 i S4 muchii oblice de 135) Pentru filtrul Gaussian nu este necesar rotirea acestuia, fiind un filtru derivativ de ordin superior, capabil s extrag muchii de mai multe orientri. f * ( x, y ) =

i = N j = N

N

N

p( x + i, y + j ) H gaussian (i + N , j + N ) , N=3

(4.24)

H gaussian

0 0 1 = 1 1 0 0

0 3 3 3 0

1 1 1 5 5 5 5 16 5 5 5 5

0 3 3 3 0

2 3 3 3 2

2 3 3 3 2 1 1 1

0 0 1 1 1 0 0

110

Cap. 4 Tehnici de procesare a imaginilor biomedicale

a)

b)

c)

d)

Fig. 4.19. Aplicarea filtrelor Sobel 3x3 (a, c) i Gaussian 7x7(b,d), imaginilor segmentate (Costin et al., Zbancioc, 2005)

Exist situaii n care imaginea digitizat este neclar din cauza reducerii benzii de frecven, fapt ntlnit n special atunci cnd se aplic un filtru trece jos. Pentru a compensa acest fenomen se folosesc procedee de accentuare a contururilor. Avnd n vedere c neclaritile sunt efectul unor integrri, atunci efectul invers poate fi obinut prin difereniere. n urma operaiei de difereniere, zonele cu frecvene nalte din imagine sunt scoase n eviden. Din aceast cauz, imaginile perturbate de zgomot nu sunt supuse operaiei de difereniere, care ar duce la amplificarea acestuia i deci la reducerea raportului semnal util/zgomot. n astfel de cazuri este preferat o reducere prealabil a zgomotului prin filtrare, urmat de accentuarea conturilor. Deoarece muchiile ce urmeaz a fi accentuate pot avea orice direcie, trebuie ca operatorul de difereniere s fie izotrop (invariant la rotaie). Exemple de mti ce sunt folosite pentru accentuarea contururilor sunt date n relaia (4.17) n cazul contururilor subiri se poate observa faptul c acestea nu sunt de cele mai multe ori nchise (ridicnd probleme atunci cnd se dorete umplerea acestor zone). Se prefer n aceste condiii contururile groase, ce pot fi mai apoi subiate.

Cap. 4 Tehnici de procesare a imaginilor biomedicale

111

4.2.6. Prelucrarea zonelor de interes extrase de algoritmul de segmentare

Dup finalizarea etapei de segmentare n imaginea rezultat pe lng tumorile pulmonare au rmas i zonele altor organe n care s-a fixat radiofarmaceuticul, cum ar fi glanda tiroid, organele interne nvecinate (de exemplu inima). Pentru a extrage zona de interes, se elimin partea de sus n care se afl glanda tiroid, respectiv cea de jos n care se afl organele interne. n seciunea extras mai rmn informaii n partea de jos de la un singur organ inima, ce mpiedic vizualizarea regiunilor tumorale pulmonare suprapuse peste acesta. Eliminarea acestei zone este dificil de realizat, dat fiind faptul c se pot elimina i regiuni nvecinate ce prezint tumori.

Fig. 4.20. Selectarea zonei tumorale de interes i prelucrarea cu operatori morfologici a acesteia (Costin et al., Zbancioc, 2005)

n acord cu indicaiile medicului specialist, am aplicat n mod repetat operaiile morfologice de erodare /dilatare pentru zona de interes selectat, (Praat, 2007), (Bow, 2002), pn cnd au fost extrase tumorile eseniale n stabilirea diagnosticului. Zonele ce conin tumorile pulmonare sunt comparate prin suprapunere i calculul diferenei dup ce n prealabil una din imagini este deplasat cu x coloane iy linii. Dac D =

P ( y + y, x + x) P ( y, x)2 1 x y

este pozitiv atunci numrul

tumorilor pulmonare a crescut i invers dac D este negativ regiunile tumorale sunt n scdere. Doar medicul este n msur s stabileasc tratamentul i medicamentaia n funcie de evoluia bolii, observnd dac au aprut tumori noi, tumori anterioare au sczut n dimensiune sau au disprut complet. Cercetrile efectuate n scopul elaborrii metodelor de analiz ale imaginilor scintigrafice pulmonare au fost valorificate prin lucrrile (tefnescu et al. Zbancioc, 2002), (Costin et al., Zbancioc 2005).

4.3. Procesarea imaginilor scintigrafice osoaseDe multe ori procesele de diagnoz pornind de la analiza unei imagini scintigrafice complexe devin dificile, iar n acest caz o metod de procesare automat a scintigrafiilor diminueaz gradul de subiectivitate a deciziei i ajut astfel medicul. Astfel de scintigrafii, greu de interpretat sunt i scintigrafiile osoase n care trebuie realizat o estimare procentual a zonelor patologice n raport cu suprafaa total

112

Cap. 4 Tehnici de procesare a imaginilor biomedicale

osoas (Costin, tefnescu 2006), (Costin et al 2007). Aceast estimare este dificil de cuantificat la o investigare vizual a scintigrafiei i elaborarea unui algoritm de calcul al acestui procent, ajut prin acurateea rezultatului, la ncadrarea ntr-o clas a metastazelor osoase. n unele situaii stabilirea unui diagnostic pentru o scintigrafie osoas este simplu de realizat dac se observ cazuri de hiperfixaiei sau hipofixaie a radiotrasorului. Mai dificil este de interpretat o scintigrafie n care n anumite zone sunt normale avnd o fixare omogen, dar exist i zone incerte n care ar putea fi localizate leziuni incipiente i s-ar putea ncepe un tratament prin chimio-terapie (Tryciecky, 1997). Cnd astfel de zone sunt relativ numeroase, fr a exista indicii clare ale unui focar patologic, o estimare a zonelor cu posibile metastaze raportate la ntreaga suprafa osoas devine foarte util. Aplicaia poate fi utilizat de ctre sau doar mpreun cu un expert n domeniu, acesta fiind singurul n msur s specifice pragul de segmentare i s verifice dac valoarea furnizat de sistem este situat ntre limitele normale.4.3.1. Preprocesarea imaginii scintigrafice osoase

La fel ca i n cazul scintigrafiilor pulmonare n faza de preprocesare am realizat o conversie a imaginii ntr-o imagine reprezentat pe 256 nivele de gri, conform relaiei (4.15) i am aplicat succesiv de dou ori un filtru neliniar median de ordin 3x3. Se poate aplica i un singur filtru median de ordin mai mare 5x5. Deoarece la realizarea histogramei imaginii s-a observat c distribuia nivelurilor de gri este ntr-un interval ngust [vlow,vhigh] am realizat o normalizare a histogramei pentru a ocupa ntreg intervalul [0, 255]. Imaginea rezultat i histograma acesteia ~ ~ sunt notate cu I i H . ~ (4.25) I ( x, y ) = (I ( x, y ) vlow ) v high vlow 255

(

)

Majoritatea pixelilor din imagine sunt de nivel deschis, motiv pentru care n histogram sunt concentrate majoritatea valorilor mari n jurul valorii de 255 (nuana de alb). Se estimeaz o distribuie normal gaussian a pixelilor n acea zon specificnd centrul distribuiei n valoarea maximului histogramei, sau calculnd o medie a valorilor din histogram n jurul valorii maxime.

pinf

k =0 ~ ~ = min i H (i ) > H max .0,5 psupi

= i H (i) = H max = max H (k ) sau

~

~

255

{

}

( ~ ) ~ ~ = max{ H (i ) > H ii

(4.26)max .0,5

}(4.27)

p sup

=

k = p inf

H (k ) ( p

sup

p inf

)

Dup specificarea maximului se calculeaz valoarea dispersiei a distribuiei normale a histrogramei i se consider c toi pixelii care au nivelul de gri mai mare dect -2 devin de culoare alb i nu vor mai fi luai ulterior n considerare n procesul de segmentare. Algoritmul de segmentare este descris n (Zbancioc, Costin, tefnescu, 2004).

Cap. 4 Tehnici de procesare a imaginilor biomedicale

113 (4.28) (4.29)

2 =

~ ~ (H (i) (i ) ) H (i)2 i i

~ ~ I (i, j ) if I (i, j ) < 2 ~ I ( x, y ) = ~ 255 if I (i, j ) 2

= -2

Fig. 4.21. Histograma normalizat a scintigrafiei osoase i selecia valorii de prag -2 (Zbancioc, Costin, tefnescu, 2004)

Deoarece intensitatea nivelului de gri indic gradul de fixare a radiofarmaceuticului, nu se recomand efectuarea unor operaii de modificare de contrast sau de egalizare a histogramei. Pentru ca doctorul s aib aceeai informaie n imaginea procesat cu cea din imaginea iniial se poate aplica o transformare invers celei aplicate n relaia (4.25) care va reface valorile nivelurilor de gri existente naintea fazei de preprocesare a imaginii scintigrafice. ~ (4.30) I ( x, y ) = I ( x, y ) 255 v high vlow + vlow

(

)

4.3.2. Suprapunerea scintigrafiilor osoase anterioare i posterioare

Pentru fiecare pacient scintigrafia osoas a ntregului corp este realizat sub dou incidene una anterioar i una posterioar (vezi fig.4.22). Datorit distanei de la gama camer la corp, a modului diferit de irigare sanguin, a circulaiei specifice a raditrasorului exist n scintigrafie zone cu o fixare mai slab de exemplu, pentru segmente de femur sau poriuni ale coloanei vertebrale. Prin suprapunerea celor dou scintigrafii achiziionate sub inciden anterioar Ia i posterioar Ip se obine un maxim de informaie. Pentru suprapunerea ct mai exact a celor dou imagini am realizat o operaie de reflexie pe vertical a uneia dintre imagini i am aplicat funcia de corelaie pentru a gsi deplasamentul ( x , y ) ce trebuie efectuat.I p (i, j ) = I p (i, W j ) , unde i = 1, H , j = 1,W

(4.31)

Funcia de corelaie aplicat celor dou imagini ofer o informaie legat de similaritatea acestora. Pentru o dimensiune de HxW a imaginilor corelate, matricea de ieire va avea dimensiunea 2H-1 x 2W-1.Valoarea maxim a matricei de corelaie

114

Cap. 4 Tehnici de procesare a imaginilor biomedicale

C(k,l) ne indic c, pentru o deplasare pe coloan cu x = W l poziii i pe linie cu y = H k , se obine un produs maxim al celor dou matrice Ia i Ip, adic cea mai bun suprapunere a celor dou scintigrafii. k l I a (i, j) I p ( H k + i,W l + j) i=1 j =1 k 2M l I a (i, l W + j) I p (H k + i, j) i =1 j =1 C = corr2(k, l ) = 2 N k l I a (k H + i, j) I p (i,W l + j) i =1 j =1 2 N k 2M l I a (k H + i, l W + j) I p (i, j) i =1 j =1

, k H,l W , k H,l > W

(4.32), k > H,l W , k > H,l > W

Suprapunerea celor dou scintigrafii este realizat n sensul c se pstreaz valoarea corespunztoare celei mai bune fixri a radiofarmaceuticului, adic a intensitii de gri ct mai sczute. Din doi pixeli care se suprapun se pstreaz cel cu valoarea mai mic, mai apropiat de zero (culoarea neagr)I = min I ant (i, j ), I post (i + y , j + x)i H , j W

( i =1, j =1

)

(4.33)

4.3.3. Determinarea axelor de simetrie i a regiunilor cu posibile metastaze

n vederea localizrii zonelor cu posibile metastaze osoase am realizat o comparare prin simetrie a informaiilor gsite n cele dou jumti (stnga, dreapta) ale scheletului uman. Deoarece poziionarea membrelor poate fi diferit este necesar extragerea unor axe de simetrie. Imaginea scintigrafic este mprit manual, n zone dreptunghiulare (una pentru cap, una pentru coloana vertebral, patru regiuni de lucru pentru membrele superioare i respectiv alte patru pentru membrele inferioare vezi figura 4.26). Ar fi util o delimitare automat a acestor zone de lucru, dar s-a renunat la aceasta, datorit structurii antropologice complexe a scheletului uman i a caracteristicilor specifice ale acestuia corelate cu dezvoltarea pacientului pe parcursul vieii, eventual modul n care scheletul poate fi afectat de unele maladii. n mod frecvent pacienii au deformri ale coloanei vertebrale i din acest motiv s-a realizat o detecie a axei coloanei pe mai multe subintervale. Un grad de curbur mai mare a coloanei introduce dificulti n stabilirea zonelor simetrice n partea superioar a corpului. n lucrarea (Zbancioc, Costin, tefnescu, 2004) am propus un algoritm fuzzy care asociez un grad de ncredere n simetria a doi pixeli selectai din zone simetrice (de exemplu zona braelor sau a picioarelor). Pentru zonele din jurul coloanei vertebrale, unde exist mai multe axe de simetrie algoritmul poate gsi pentru un pixel mai muli pixeli de simetrie, fiind necesar gsirea unei metode de analiz suplimentare pentru aceste cazuri de dubiu.

Cap. 4 Tehnici de procesare a imaginilor biomedicale

115

b)

c)

d) Fig. 4.22. Imagine scintigrafic osoas a). Seciuni din imaginea preprocesat, pentru care sunt determinate axelor de simetrie (n figurile 4.23-25) pe baza maximilor locale,pentru b) linia 250, c) linia 500, d) linia 900 din imagine. Scintigrafie achiziionat de prof. dr. C. tefnescu (Zbancioc, Costin, tefnescu, 2004)

Fig. 4.23. a) Grafic al vectorului de valori corespunztor liniei 250 torace b) grafic vector netezit; c) rezultat dup eliminarea falselor maxime locale (Zbancioc, Costin, tefnescu, 2004)

116

Cap. 4 Tehnici de procesare a imaginilor biomedicale

Fig. 4.24. Grafic al vectorului de valori corespunztor liniei 500 zon abdominal b) grafic vector netezit; c) rezultat dup eliminarea falselor maximer locale (Zbancioc, Costin, tefnescu, 2004)

Fig. 4.25. Grafic al vectorului de valori corespunztor liniei 900 picioare b) grafic vector netezit; c) rezultat dup eliminarea falselor maxime locale (Zbancioc, Costin, tefnescu, 2004)

Pentru stabilirea axelor de simetrie imaginea a fost procesat linie cu linie, n figurile 4.23-4.25 se observ cum pentru vectorul valorilor dintr-o linie a imaginii scintigrafice se aplic o metod de netezire, metod care permite extragerea facil a maximelor locale, dar care introduce i o serie de valori de maxim local suplimentare. Deoarece acestea au amplitudine semnificativ mai mic dect semnalul util se realizeaz o eliminare a acestora.

Cap. 4 Tehnici de procesare a imaginilor biomedicale

117

Metoda de netezire implementat extrage o anvelop a semnalului (fig.4.23-4.25 b) i poate fi utilizat n orice aplicaie n care este dificil determinarea unui singur maxim datorit unui grad ridicat de fragmentare a informaiei. n figura 4.23-4.25.a) se observ cum n zona membrelor inferioare i a braelor gradul de fixare a radiofarmaceuticului nu este omogen existnd mai muli candidai la valoarea de maxim local. Metoda spectrului netezit este folosit i n instrumentele de extragere a informaiei prozodice din semnale vocale, pentru detecia formanilor i va fi detaliat ulterior n ultimul capitol al tezei. Metoda presupune trecerea n domeniul spectral al frecvenelor, apoi n domeniul cepstral al quefrenelor, pstrarea doar a ctorva elemente din cepstru i neglijarea celorlalte la reconstrucia semnalului la aplicarea transformatelor inverse. 1

3

2

5

4

6

7

9

8

10

Fig. 4.26. Detecia axelor de simetrie pe baza maximelor extrase prin metoda de netezire (Zbancioc, Costin, tefnescu, 2004)

Axele de simetrie ale fiecrei zone de lucru se determin din valorile de maxim ale anvelopelor folosind metoda regresiei liniare, descris anterior la prelucrarea scintigrafiilor SPECT cerebrale (vezi relaiile de calcul 4.7-4.8). Metoda de procesare a scintigrafiilor osoase prezentat n aceast seciune, calculeaz un coeficient al zonelor cu posibile metastaze osoase (segmentate dup o

118

Cap. 4 Tehnici de procesare a imaginilor biomedicale

valoare prag dat de expert) raportate la ntreaga suprafa osoas din imagine. Valoarea de prag este dat de expert i determinat automat datorit variabilitii de la un pacient la altul a radiaiei recepionate de gama camer de la radiofarmaceuticul fixat n oase, variabilitate datorat distanei, masei corporale diferite, caracteristicilor diferite de irigare sanguin i de fixare a agentului chimic. Metoda mai poate fi perfecionat, intenionndu-se n viitorul apropiat optimizarea algoritmilor de detecie axe i de comparare a informaiei din zonele simetrice, algoritmi care pot aduce o informaie suplimentar n stabilirea diagnosticului. Rezultatele cercetrilor au fost valorificate n (Zbancioc, Costin, tefnescu, 2004), (tefnescu, Costin, Zbancioc, 2006).

4.4. Contribuii personalen acest capitol am prezentat trei metode de procesare a imaginilor medicale nucleare pentru trei tipuri distincte de imagini scintigrafice: imagini SPECT cerebrale, scintigrafii planare pulmonare i osoase. Studiile s-au desfurat n colaborare cu prof. dr. Cipriana tefnescu Departamentul de Medicin Nuclear, Facultatea de Medicin, U.M.F. Gr.T.Popa Iai i cu C.S. III dr. ing. Mihaela Costin de la Institutul de Informatic Teoretic al Academiei Romne Filiala Iai. Contribuiile autorului sunt legate de: - elaborarea prin colaborare a unei metode bazat pe matricea de co-ocuren, pentru identificare automat a seciunilor transversale din scintigrafiile cerebrale SPECT cu posibile zone disfuncionale/tumori; - realizarea prin colaborare a unei unui algoritm de comparare a informaiilor din cele dou emisfere cerebrale, prin determinarea liniei centrale a unei seciuni SPECT cerebrale, rotirea imaginii (dac este cazul) i aplicarea unei metode de segmentare cu prag fix n detecia tumorilor cerebrale, respectiv cu prag variabil pentru localizarea zonelor disfuncionale; - propunerea i elaborarea prin colaborare a unui algoritm de segmentare a imaginilor SPECT cerebrale folosind un prag variabil determinat pe baza unui sistem fuzzy Sugeno cu o intrare i o ieire; - calcularea volumului zonelor disfuncionale (exprimat n voxeli) prin cumularea informaiilor din fiecare seciune a setului SPECT transversal; - implementarea aplicaiei software de procesare a imaginilor cerebrale SPECT; - elaborarea prin colaborare a dou metode de segmentare a imaginilor pulmonare folosind un algoritm iterativ de stabilire a pragului optim, respectiv o segmentare bazat pe informaia reconstruit din imaginea asupra creia s-a aplicat transformata wavelet de mai multe ori consecutiv; - realizarea prin colaborare a unui algoritm de comparare a dou scintigrafii pulmonare preluate de la acelai pacient la momente diferite de timp, prin determinarea liniei mediane pe baza pixelilor asociai glandei tiroide, suprapunerea imaginilor i calcularea matricei diferenelor; - prelucrarea zonelor tumorale din plmni prin aplicarea de operatori morfologici i operatori de detecie de contururi;

Cap. 4 Tehnici de procesare a imaginilor biomedicale

119

- implementarea aplicaiei software de procesare a scintigrafiilor pulmonare; - elaborarea prin colaborare a unui algoritm de suprapunere a scintigrafiilor osoase achiziionate sub inciden anterioar i posterioar folosind funcia de corelaie bidimensional; - elaborarea prin colaborare a unei metode de extragere a axelor de simetrie ale diferitelor regiuni din scintigrafia osoas, prin determinarea punctelor de maxim local, dup aplicarea n prealabil a unei metode de netezire (extragere a anvelopei) i utilizarea unui algoritm de regresie liniar pe seturile de valori maxime locale; - calcularea valorii procentuale a zonelor cu posibile metastaze osoase (valoarea de prag este ajustat de expert) raportat la suprafaa total osoas; - implementarea aplicaiei software de procesare a scintigrafiilor osoase. Rezultatele cercetrilor din acest capitol s-au concretizat prin publicarea a cinci articole n reviste i la conferine internaionale.Bibliografie capitolBulea Mihai (2003), Prelucrarea Imaginilor i Recunoaterea Formelor Teorie i Aplicaii, Editura Academiei Romne, ISBN: 973-27-1000-4, pp. 458, 2003 Bow, S.-T. (2002): Pattern Recognition and Image Preprocess, 2nd edition, Marcel Dekker, Inc., N.Y., ISBN:0824706595, pp. 698. Boom, B.J. and Spreeuwers, L.J. and Veldhuis, R.N.J. (2009). "Model-Based Illumination Correction for Face Images in Uncontrolled Scenarios", Xiaoyi Jiang and Nicolai Petkov (Eds.) Computer Analysis of images and Patterns, Proc. of 13th International Conference, CAIP 2009, Sept 2-4, Munster, Germany, Lecture Notes in Computer Science 5702(2009): 3340, ISSN 0302-9743, pp. 33-40. Costin M., O. Baltag, A. Ciobanu, C. Stefanescu, D. Costandache (2007), Improving Noninvasive Monitoring in Medical Care, IEEE - ICCC 2007, 5th IEEE International Conference on Computational Cybernetics, Gammamarth, Tunisia, 19-21 Oct. 2007. Costin M., C. Stefanescu (2006), Medical Imaging Processing in Scintimetry, pp. 90-103, Tehnopress Ed., 2006. Costin Mihaela, Marius Zbancioc, Adrian Ciobanu, Cipriana tefnescu (2003), Toward a Diagnosis System using Nuclear Medicine Image Processing, , Vol.8, Nos.1-3, pp. 65 - 78, ISSN 1016-2137, Revista Fuzzy Sets and Artificial Intelligence 2003. Costin M., C. Stefanescu, D. Galea, M. Zbancioc (2005), Image Processing in Pulmonary Disease Diagnosis, IEEE SOFA 2005, IEEE International Workshop on Soft Computing Applications, 27-30 August, 2005, Szeged-Hungary i Arad-Romnia, pp. 231-236, ISBN 963-219-001-7. Costin M., Zbancioc M.D. (R2003),Metode de inteligen artificial n prelucrarea semnalelor 1D i 2D, raport de cercetare n cadrul Institutului de Informatic Teoretic al Academiei Romne, Filiala Iai, noiembrie 2003 Ekoule A., Peyrin F., Odet C.(1991), A triangulation algorithm from arbitrary shaped multiple planar contours, ACM Trans. on Graphics, 10 (2), pp 182-189, April 1991. Fitzgibbon A., Pilu M. and Fisher R.B. (1999): Direct Least Square Fitting of Ellipses. IEEE Trans. on Pattern Analysis and machine Intelligence, Vol. 21(5), pp. 476-480. Gipp Markus, Guillermo Marcus, Nathalie Harder, Apichat Suratanee, Karl Rohr, Rainer Knig, Reinhard Mnner(2008), Accelerating the Computation of Haralicks Texture Features using Graphics Processing Units (GPUs), Proceedings of the World Congres son engineering WCE2008, Vol.1, July 2-4, London, U.K.

120

Cap. 4 Tehnici de procesare a imaginilor biomedicale

Haralick Robert M. (1979), Statistical and structural approaches to texture, Proc. IEEE, vol. 67, no. 5, pp. 786-804, 1979. Haralick, R.M.; Shapiro, L.G.(2002), Computer and Robot Vision. Addison-Wesley, ISBN 0201-56943-4, Vol.2, pp. 453-470, 2002. Hohne K.H., Bomans M., Pommert A., Riemer M., Schiers C., Wiebecke G.(1990), 3D technique of tomographic volume data using the generalized voxel model, The visual computer, 6, pp. 2836, Springer-Verlag,. Mitra K. S. (2005) Digital Signal Processing, 3nd edition, McGraw-Hill, ISBN: 0073048372. Pratt, W.K. (2007): "Digital Image Processing, PIKS Scientific InsideFourth Edition, J. Wiley & Sons, Inc. New York, ISBN: 978-0-471-76777-0. Press H. W. , Teukolsky A. S., Vetterling T. W., Flannery P. B., Cambridge (2007) Numerical receips in C, The Art of Scientific Computind Third Edition, Camridge University Press, ISBN 978-0-521-88068-8, 2007. Rusu V., C. tefnescu, M. Rusu, M. Costin, D. Hountis (2003), Image Processing in Myocardial SPECT Acquisition, RMC SN Iai, 2003, Vol.107, 2, pp. 306 312. Sequeira J. (1987), Modlisation interactive dobjets de forme complexe complexe a partir de donnes htrogenes, Thse de doctorat dEtat en Sciences, Besancon 1987. tefanescu C., M. Costin, M. Zbancioc (2006), Image Pre-processing Automatic Systems for Bonescan Metastasis Evaluation, Medico-Chirurgical Review of the Physicians and Naturalists Society, Rev. Med. Chir. Soc. Med. Nat. Iasi, (RMC-SMN), Vol. 110, Nr. 1, pp. 178-186, (Internet, in PubMed), 2006. tefnescu C., V. Rusu, D. Boiteanu, M. Costin, A.K. Padhy, M. Zbancioc, D. Simion (2002) Could Be 99mTc MIBI an Earliest Imagistic Marker for The Pulmonary Tuberculosis Treatment Evaluation?, European Journal of Nuclear Medicine, 2002, 29, 1, S326, EANM Annual Congress, August 2002, Viena (pp.-532). tefnescu Cipriana, L. Boiculese, V. Rusu, Mihaela Costin, Elena Muat, D. Hountis (2003), Cancer Evolution Assessment Using Artificial Neural Networks, Rev. Med.Chir. Soc. Nat. Iai, 2003, Vol. 107, 1, pp. 24 28. Tryciecky W.E., Gottschalk A., Ludema K. (1997), Oncologic Imaging: Interactions of Nuclear Medicine with CT and MRI Using the Bone Scan as a Model in Seminars in Nuclear Medicine, Leonard M. Freeman and M. Donald Blaufox, Editors, The role of Nuclear Medicine in Oncological Diagnosis (Part 2), W.B. Saunders Company, A Division of Harcourt Brace & Company, pp 142152. Vertan Constantin, Ciuc Mihai (2007), Tehnici fundamentale de Prelucrarea i Analiza Imaginilor, Editura Matrix rom, Bucureti, ISBN 978-973-755-207-5, pp.214, 2007. Zbancioc Marius, Mihaela Costin, Cipriana tefnescu (2004), Image Pre-Processing for a Medical Aide-Decision System in Bone Scintigraphy, vol. Intelligent Systems in Medicine, H.N. Teodorescu editor, pp. 101, 114, ed.Performantica, Iai, 2004, ISBN 973-7994-82-5 i pe CD Third European Conference on Intelligent Systems and Technologies ECIT'2004, 21 - 23 July 2004, Iai, Romania, ECIT, 2004.