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.