Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação

Transcrição

1 Alinhamento de Estruturas em Imagens Médicas: Estudo, Desenvolvimento e Aplicação Orientador: Prof. João Manuel R. S. Tavares FEUP/DEMec Co-orientador: Dra. Ana Mafalda Reis Hospital Pedro Hispano 26 de Outubro de 2010 Dissertação do Curso de Mestrado em Engenharia Biomédica

2 Estrutura Problemática Trabalhos relacionados Detecção de características Métricas Transformações Optimizações Algoritmos Softwares ITK Implementação Resultados Considerações finais e perspectivas futuras

3 Problemática Auxiliar o diagnóstico e acompanhamento de doentes com esclerose múltipla (EM), através do alinhamento de estruturas anatómicas em imagens por Ressonância Magnética (RM), de cérebros, adquiridas em instantes diferentes. 1º exame 2º exame Alterações??? Combinar imagens médicas adquiridas em instantes de tempo distintos ou segundo circunstâncias diferentes, de forma a estudar a evolução de uma patologia, consiste numa tarefa que quando executada manualmente é tediosa, demorada, não repetível e sujeita a erros.

4 Trabalhos relacionados (1) O alinhamento de imagens consiste em obter uma relação de concordância entre imagens, de tal forma que as discrepâncias existentes entre as mesmas sejam reduzidas ou eliminadas. Passos básicos de alinhamento: (Ibánez, Schroeder et al. 2005) Detectar características; Obter correspondência entre características ( uso de uma métrica); Estimar a transformação envolvida; Re-amostrar e transformar ( uso de uma técnica de optimização).

5 Trabalhos relacionados (2) Fórmula genérica (dadas duas imagens, R e F): Optimização Família das transformações (Brown 1992) Medida de similaridade (métrica) Exemplo de alinhamento: Imagem móvel Rotação Translação Escalamento

6 Detecção de características Métodos baseados em: Características geométricas: Extrair as primitivas geométricas das imagens e depois, efectuar a sua colocação em correspondência, ou seja, obter um conjunto de primitivas emparelhadas; Vantagem: utilizar dados extraídos das próprias imagens; Inconveniente: complexo de empregar devido à difícil escolha das primitivas a usar. Intensidades: Comparar directamente as intensidades (geralmente, níveis de cinzento dos píxeis) das imagens; Vantagem: utilizar a totalidade da informação disponível; Inconveniente: computacionalmente complexo.

7 Métricas Servem para estabelecer uma relação de proximidade entre as imagens de forma a quantificar as semelhanças entre estas. Correspondem à fase mais crítica do emparelhamento e a selecção da métrica a usar é dependente do tipo de problema em questão. Técnicas mais comuns nos métodos baseados em intensidades: Coeficiente de correlação: presume que em duas imagens alinhadas a diferença entre as intensidades das mesmas é nula; Soma dos quadrados das diferenças: pressupõe que os píxeis correspondentes às mesmas regiões nas imagens devem ter intensidades semelhantes; Informação mútua: relação estatística para definir a quantidade de informação que uma variável possui sobre uma outra. (Studholme, D.L.G.Hill et al. 1999)

8 Transformações Usadas para definir as transformações a aplicar à imagem móvel de forma a ser possível sobrepô-la à imagem fixa. Tipos de transformações: Rígido: Translação e rotação; Podem ser bastante complexas. A deformação é igual em toda a imagem. Não-linear: Thin-Plate Splines TPS; Free Form Deformation FFD.

9 Optimizações Considera-se um critério quantitativo a ser optimizado com a finalidade das imagens alinhadas serem o mais similares possível. O alinhamento pode ser considerado como um problema de optimização. Estratégias de optimização usadas nos métodos baseados em intensidade: Sem gradiente: Powell; Simplex. Com gradiente: Steepest descent; Conjugate-gradient; Quasi-Newton. (Maes, Vandermeulen et al. 1999)

10 Algoritmos Exemplos de alinhamento de imagens de doentes com EM: Rígido: Com B-Splines hierárquicas: (Rey, Subsol et al. 2002) (Xie and Farin 2004) Na literatura existe uma grande diversidade de algoritmos mas ainda apresentam muitos desafios/problemas não resolvidos, como é o da sua utilização de forma totalmente automática e precisa.

11 Softwares Soluções computacionais de âmbito comercial e / ou académico: SPM; AIR; HAMMER; SepINRIA; MeVisLab; Image Registration; ITK. ANIMAL; TurboReg;

12 ITK Biblioteca composta por algoritmos e estruturas de representação de dados com duas principais finalidades: Segmentação; Alinhamento. Baseia-se no controlo de um fluxo de dados, via pipeline. Alinhamento com ITK:

13 Implementação Algoritmos: Casos clínicos estudados (alinhamento monomodal e intrapaciente):

14 Resultados Alguns dos resultados obtidos após o alinhamento das imagens em estudo: Problemas: Tempos de processamento; Intensidades muito distintas entre as imagens; Algoritmos pouco maleáveis para o cálculo de desalinhamentos grandes. A qualidade do alinhamento obtido, tanto nos algoritmos assentes em transformações rígidas como nos baseados em não-lineares, encontra-se em de intervalos aceitáveis.

15 Considerações finais e Perspectivas futuras Para resolver um problema de alinhamento, deve seleccionar-se correctamente: Factores fundamentais para a qualidade A imagem móvel ; dos alinhamentos obtidos. A transformação e a métrica a usar. Os maiores obstáculos no uso de algoritmos de alinhamento de imagens estão relacionados com os tempos de processamento e com a dificuldade em validar os resultados obtidos. Perspectivas de trabalho futuro: Empregar algoritmos que utilizem as características anatómicas relevantes das estruturas presentes nas imagens a emparelhar; Testar e comparar os resultados dos algoritmos integrados no ITK com os resultados de outras soluções computacionais existentes (SPM, ).

16 Agradecido pela vossa atenção.