IIIE   20352
INSTITUTO DE INVESTIGACIONES EN INGENIERIA ELECTRICA "ALFREDO DESAGES"
Unidad Ejecutora - UE
congresos y reuniones científicas
Título:
Segmentación en Imágenes 3D utilizando
Autor/es:
SILVETTI ANDREA FABIANA; DELRIEUX CLAUDIO
Lugar:
Facultad de Ciencias Exactas y Naturales - Universidad de Buenos Aires
Reunión:
Workshop; ECImag 2008 1ra. Escuela y Workshop de Ciencias de las Imágenes; 2008
Institución organizadora:
Facultad de Ciencias Exactas y Naturales - Universidad de Buenos Aires
Resumen:
Poster y Resumen:
Las imágenes médicas en formato digital son muy utilizadas en hospitales y clínicas para la visualización e
inspección de estructuras anatómicas y patológicas, planeamiento de cirugías, tratamientos de radioterapia,
diagnósticos de enfermedades, detección de tejidos anómalos, etc.. Los modelos de adquisión de datos, ya sea
tomografía computada (CT), resonancia magnética (MRT), resonancia magnética funcional (fMRI), tomografía
computadorizada por emisión de fotón único (SPECT) y tomografía por emisión positrónica (PET), obtienen una
serie de imágenes 2D correspondientes a tajadas paralelas que requieren un análisis posterior.
La responsabilidad asociada a las tareas de diagnóstico a partir del análisis de imágenes médicas es muy alta. La
curva de aprendizaje que lleva a alcanzar profesionales con niveles altos de fiabilidad es larga, y la experiencia de los
mismos es un factor determinante dado que la realización de diagnósticos se complica con factores como la baja
calidad de las imágenes, la oclusión de objetos debido a la distancia entres los distintos cortes 2D, la pequeñez de
lesiones casi imperceptibles por el ojo humano, el cansancio y falta de concentración del profesional. Las
aplicaciones que actualmente se diseñan siguen una línea de ayuda al profesional, y no de sustitución del mismo.
Las segmentación genuinamente 3D a partir de un volumen de datos, es decir, que trabaje con varias tajadas
simultáneamente, es una tarea difícil por varios razones: el tamaño de los datos, la complejidad y variabilidad de
órganos anatómicos, los problemas relacionados con la adquisición de las imágenes (muestreo, ruido, bajo contraste)
que pueden resultar en estructuras anatómicas con bordes indistinguibles y desconectados, y el requerimiento de la
interacción y supervisión del especialista para señalar la estructura a segmentar. Generalmente, los algoritmos de
segmentación son específicos para casos particulares. Algunos fallan si los datos no presentan buen contraste entre
regiones diferentes, o tienen problemas para correlacionar las aristas detectadas con regiones de interés. Otros
funcionan bien con tejidos óseos pero no con tejidos no diferenciables a partir de la intensidad. La combinación de
operaciones morfológicas (erosión y dilatación) sobre los datos, pueden ocasionar pérdida de información relevante o
resultados imprecisos, y requieren un criterio externo para guiar la segmentación.
Nuestro objetivo es desarrollar una técnica genérica, adecuada para ser aplicada sobre cualquier volumen de datos,
que obtenga resultados confiables, y que no requiera del conocimiento de especialistas para guiar la segmentación.
Desde este punto de vista, la segmentación basada en características fractales locales, en particular, la DFL de
autocorrelación, es una técnica prometedora por la robustez que lo caracteriza frente a los defectos y alteraciones
presentes en la mayor parte de las tecnologías de adquisición de imágenes. La DFL caracteriza en forma adecuada la
heterogeneidad geométrica local en el volumen, y su aplicación en procesos de segmentación se realiza en forma
totalmente automática. Las imágenes 3D contienen valores escalares que reflejan el contenido del volumen en
función del mecanismo de adquisición de la modalidad (densidad, absorción, etc.). Como no es posible asumir que
estas imágenes están calibradas, ni es posible negociar la geometría de la adquisición de las mismas, un método
invariante frente a transformaciones de intensidad y/o cambios del rango dinámico, y frente a transformaciones
afines de la geomretría, resulta especialmente adecuado ante la diversidad de modalidades de adquisición. La DFL de
autocorrelación es un método de segmentación invariante frente a estas transformaciones.
En este trabajo mostramos los aspectos teóricos y detalles de implementación de nuestro método de autocorrelación
cúbica aplicable a imágenes 3D. Testeamos la validez del mismo tanto con imágenes 3D sintéticas con DF conocida,
generadas para este propósito, como con datos tomográficos. Presentamos una función transferencia adecuada para
visualizar la DF local resaltando las áreas con mayor nivel de detalle, y utilizamos dicha función para hacer un
rendering directo por compositing de los resultados del procesamiento mediante un software de visualización de
volúmenes de distribución libre. Se está trabajando en mostrar la robustez del método de medición, a partir de nuevas
imágenes sintéticas generadas en base a un volumen de datos de DF conocida, aplicando transformaciones afines de
geometría y modificaciones en el rango dinámico. Como trabajos futuros importantes podemos nombrar, la
utilización de esta herramienta sobre TC de tejidos vivos, para evaluar el segmentador desde el punto de vista
médico, y en comparación con otras técnicas conocidas que fallan en problemas particulares. Finalmente, la
implementación del método basada en GPU para acelerar los tiempos de cómputo.