slide1 n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
Mérida, Marzo de 2011 PowerPoint Presentation
Download Presentation
Mérida, Marzo de 2011

Loading in 2 Seconds...

play fullscreen
1 / 47

Mérida, Marzo de 2011 - PowerPoint PPT Presentation


  • 117 Views
  • Uploaded on

Posgrado en Ingeniería Biomédica de la Universidad de Los Andes Seminario de Tesis I. SEGMENTACIÓN DE IMÁGENES CARDÍACAS ADQUIRIDAS MEDIANTE TOMOGRAFÍA COMPUTARIZADA MULTI-CORTE. Miguel Vera, Rubén Medina. Grupo de Investigación en Ingeniería Biomédica (GIBULA), ULA, Mérida.

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about 'Mérida, Marzo de 2011' - nailah


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
slide1

Posgrado en Ingeniería Biomédica de la

Universidad de Los Andes

Seminario de Tesis I

SEGMENTACIÓN DE IMÁGENES CARDÍACAS ADQUIRIDAS MEDIANTE TOMOGRAFÍA COMPUTARIZADA MULTI-CORTE

Miguel Vera, Rubén Medina.

Grupo de Investigación en Ingeniería Biomédica (GIBULA), ULA, Mérida.

Antonio Bravo.

Grupo de Bioingeniería, Universidad Nacional Experimental del Táchira.

Mérida, Marzo de 2011

slide2

Posgrado en Ingeniería Biomédica de la

Universidad de Los Andes

A G E N D A

slide3

Posgrado en Ingeniería Biomédica de la

Universidad de Los Andes

A G E N D A

slide4

I N T R O D U C C I Ó N

  • La segmentación del corazón constituye un problema de gran interés, para la comunidad médica internacional, ya que:
    • La referida segmentación es un prerrequisito para la cuantificación global de la función cardiaca.
    • El daño cardiovascular es considerado como una de las primeras causas de muerte a nivel mundial.
slide5

I N T R O D U C C I Ó N

  • Proponemos abordar este problema creando un algoritmo de segmentación de imágenes cardíacas de tomografía computarizada, basado en tres fases. Ellas son:
  • Pre-Procesamiento:

a.- Incorporación de conocimiento a priori b.- Filtraje 3-D

  • Segmentación 3-D: Basada en Region Growing. Debe ser

a.- Eficiente

b.- Robusta

c.- Multi-plataforma y Multi-resolución

  • Pos-Procesamiento: Suavizado y visualización 3-D
slide6

Posgrado en Ingeniería Biomédica de la

Universidad de Los Andes

A G E N D A

slide7

O B J E T I V O S

  • Segmentar el Ventrículo Izquierdo.
  • Segmentar el Ventrículo Derecho.
slide9

Modalidades de Imagenología

(US)

(MRI)

(MSCT)

(PET)

(SPECT)

Imagenología Médica

slide10

Modalidades de Imagenología

(US)

(MRI)

(MSCT)

(MSCT)

(PET)

(SPECT)

Imagenología Médica

slide11

Imagenología Médica ojo cambiar imagen

Tomografía Computarizada Multicapa (MSCT)

slide12

Imagenología Médica

Imagenología Cardíaca

Anatomía del Corazón

  • El corazón humano está conformado por:
  • Dos Ventrículos.
  • Dos Aurículas.
  • Cuatro Válvulas
  • Dos Arterias
slide13

Imagenología Cardíaca

Tomografía Computarizada Multicapa (MSCT)

slide15

A N T E C E D E N T E S

  • Zhang y otros, combinan Modelos de Forma Activa y Modelos de Apariencia Activa para segmentar los ventrículos izquierdo y derecho en MRI[1].
  • Zhuang y otros, emplean técnicas de registro de imágenes para segmentar automáticamente las 4 cavidades y las arterias en MRI cardiacas [2].
  • [1] Zhang H., Wahle A., Johnson R., Scholz T., Sonka M., “4-D Cardiac MR Image Analysis: Left and Right Ventricular Morphology and Function”, IEEE Transactions on Medical Imaging , vol. 29, No. 2, pp. 350-364, 2010.
  • [2] Zhuang, X., Rhode, K.S., Razavi, R., Hawkes, D.J., Ourselin, S., “A registration based propagation framework for automatic whole heart segmentation of cardiac MRI”. IEEE Trans. Med. Imag. 29(9), pp. 1612-1625, 2010.
slide19

METODOLOGÍA: Descripción de la Base de Datos

  • La base de datos utilizada es de imágenes cardiacas, fue obtenida por MSCT y viene en formato DICOM. Luego son convertidas al formato Raw.Algunas de sus características numéricas son las siguientes:
slide21

METODOLOGÍA: Preprocesamiento

  • Incorporación de Conocimiento a priori

(a) Imagen Original (b) Imagen Cortada (c) Corazón + Plano Normal

slide22

METODOLOGÍA: Preprocesamiento

Filtrado 3-D

Criterio para el Filtro Promediador (FP):

(a) Imagen Original (b) Imagen procesada con FP

slide23

METODOLOGÍA: Preprocesamiento

Filtrado 3-D

Kernel Gausiano:

Imagen Original Imagen procesada con Filtro Gausiano

slide24

g

g

g

g

METODOLOGÍA: Preprocesamiento

Filtrado 3-D

Formulación del Filtro Top-Hat:

Imagen Original Imagen procesada con Filtro Top-Hat

slide25

METODOLOGÍA: Preprocesamiento

Realce por Similaridad 3-D

(a) Voxeles en el Volumen Top-Hat (b) Voxeles en el Volumen Promediado

Formulación Matemática:

Donde N es el número de voxeles vecinos a considerar

slide26

METODOLOGÍA: Preprocesamiento

Realce por Similaridad 3-D

Imagen Original Imagen realzada por Similaridad 3-D

slide28

METODOLOGÍA: Transformada generalizada de Hough

  • La Semilla para segmentar el Ventrículo Derecho, por Crecimiento de Regiones, se obtuvo usando la Transformada Generalizada de Hough (TGH). La TGH puede sintetizarse así:

Es un algoritmo de segmentación supervisado, se usa en imágenes para detectar objetos con formas arbitrarias y consta de dos etapas: Entrenamiento y Detección.

  • Nota: Las imágenes deben ser pre-procesadas antes de aplicar la TGH.
  • Para ello se debe:
  • Generar un mapa de contornos binario (mcb), usando el Operador Canny.
  • Etiquetar las estructuras presentes en el referido mcb (Imagen Etiquetada).
slide29

METODOLOGÍA: Transformada generalizada de Hough

Imagen Etiquetada

r

Obtención del Contorno de Referencia (CR)

Para cada punto (x , y) del CR, calcular:

Ángulo (q) de la tangente a la horizontal

Ángulo (a) del radio (r) a la horizontal

El Radio (r) al Centroide del CR

Construir la Tabla-R usando los parámetros:

[q, a, r]

(x ,y)

1.- Etapa de Entrenamiento

slide30

METODOLOGÍA: Transformada generalizada de Hough

Imagen Etiquetada

Obtener una Imagen mediante la preselección de contornos en base al área circunscrita por el CR

Calcular en cada punto (x,y), de la Imagen anterior, el ángulo (qv) de la tangente respecto a la horizontal

En la Tabla-R, localizar a y r, de acuerdo a la condición: qv = q.

Calcular los centroides candidatos de acuerdo a:

xc = x + r.cos(a)

yc = y + r.sen(a)

Construir e incrementar el Acumulador:

A= [xc, yc, etiqueta]

Calcular el máximo de A y extraer el Ventrículo Izquierdo

2.- Etapa de Detección:

slide31

METODOLOGÍA: Transformada generalizada de Hough

Imagen Original Contorno detectado por TGH

slide32

METODOLOGÍA: Region Growing

Esta técnica requiere de un voxel semilla para particionar un volumen (I) en regiones (Ri), conectadas según ciertos criterios (PRj), basados en la similitud de los elementos (p)

de I. En teoría se debe cumplir que:

La formulación del criterio utilizado es:

.K

Donde:

f (x, y, z): Nivel de gris (Ng)

de los voxeles de I.

µ: Ng promedio de una

vecindad del voxel semilla.

σ: Desviación estandar de I

k: Escalar arbitrario

slide33

METODOLOGÍA: Region Growing

  • La segmentación de las cavidades ventriculares fue realizada por Crecimiento de Regiones. Para localizar un voxel semilla en cada cavidad se procedió de la siguiente manera:
  • Para el Ventrículo Derecho: La posición del voxel semilla viene dada por el centroide de la región contenida dentro del contorno detectado mediante la TGH.
  • Para el Ventrículo Izquierdo: El voxel semilla se ubicó en el punto medio del eje trazado entre el punto de unión de las válvulas (mitral y aortica) y el ápex.
slide34

METODOLOGÍA: Region Growing

Semillas en ambas cavidades Cavidades segmentadas:

Ventrículo Izquierdo (Rojo)

Ventrículo Derecho (Verde)

slide36

METODOLOGÍA: Posprocesamiento

  • Una vez segmentadas las cavidades ventriculares, se procedió a realizar los siguientes procesos:
  • Suavizamiento: Cada Volumen segmentado fue suavizado utilizando un filtro gausiano que utiliza como parámetro la desviación estandar de cada Volumen.
  • Visualización 3-D: Se utilizó la técnica denominada Marching Cubes para renderizar las cavidades segmentadas en el dominio tridimensional.
slide37

METODOLOGÍA: Posprocesamiento

Visualización 3-D de las cavidades segmentadas y suavizadas

Ventrículo IzquierdoVentrículo Derecho

slide39

Entorno de Programación

  • Los programas que permitieron segmentar las cavidades cardiacas fueron desarrollados, en el dominio 3-D, usando Lenguaje C++ y algunas librerias de la aplicación denominada Visualization Toolkit (VTK ).
  • Las Películas, que permitieron la visualización dinámica de las estructuras segmentadas, fueron realizadas usando la aplicación VolView 3.2.
slide41

RESULTADOS: Qualitativos

Secuencia completa de los volúmenes de la base de datos 1:

Ventrículo Izquierdo (en Rojo) - Ventrículo Derecho (en Gris)

slide42

RESULTADOS: Qualitativos

Secuencia completa de los volúmenes de la base de datos 2:

Ventrículo Izquierdo (en Rojo) - Ventrículo Derecho (en Gris)

slide43

METODOLOGÍA: Posprocesamiento

Visualización 3-D del Ventrículo Izquierdo Latiendo

Latidos Ventrículo Izquierdo: Vista Uno

Latidos Ventrículo Izquierdo: Vista Dos

slide44

RESULTADOS: Quantitativos

Errores obtenidos al comparar segmentaciones manuales y las generadas automáticamente por el método propuesto

slide46

Conclusiones

  • El preprocesamiento de las bases de datos permitió elevar la calidad de la segmentación usando Crecimiento de Regiones.
  • Un algoritmo híbrido, basado en técnicas de realce de
  • contornos y Crecimiento de Regiones, ha sido desarrollado,
  • en el dominio tridimensional, para la segmentación de los ventrículos presentes en volúmenes de MSCT.
  • Las estructuras cardíacas segmentadas muestran aspectos fisiológicos importantes como los músculos papilares y la forma real de las paredes internas de los ventrículos.
slide47

Trabajos Futuros

Un proceso de validación más exhaustivo, del algoritmo

  • propuesto, debe ser implementado.
  • Para ello se debería:
  • Segmentar un número importante de bases de datos.
  • Incorporar otras métricas.
  • Calcular parámetros funcionales de los ventrículos.
  • Comparar los resultados con los generados usando otras modalidades