Automatyczna segmentacja kości nadgarstka na obrazach 0,2-teslowego rezonansu magnetycznego

Automatic segmentation of bones in 0.2 Tesla magnetic resonance images of the wrist

mgr Justyna Włodarczyk

Promotor: dr hab. Zbisław Tabor, prof. PK
Dyscyplina: Biocybernetyka i Inżynieria Biomedyczna


Motywacja i cel prac badawczych
Obrazy rezonansu magnetycznego (RM) nadgarstka wykorzystywane są w diagnostyce wczesnych objawów reumatoidalnego zapalenia stawów (RZS):

• zapalenia błony maziowej
• obrzęku szpiku kostnego
• erozji kosci.

RZS jest przewlekłą chorobą reumatyczną, charakteryzującą się zmianami zapalnymi w obrębie tkanki łącznej, o podłożu autoimmunologicznym. Nieleczona prowadzi najczęściej do zniszczenia stawów i ciężkiej niesprawności, a także do uszkodzenia wielu narządów (płuc, oczu, serca) i przedwczesnej śmierci. Kluczowe jest rozpoznanie RZS we wczesnym etapie, ponieważ wówczas można jeszcze zapobiec uszkodzeniu stawów przez proces zapalny.
Obecnie nie istnieje system automatycznej oceny ilościowej wczesnych objawów RZS, a jedynie systemy, w których manualnie zaznaczane są kości i stawy. Moja praca, będąca opisem metody automatycznej segmentacji kości nadgarstka może być traktowana jako pierwszy krok do stworzenia takiego systemu. Lokalizacja i identyfikacja kości pomoże zlokalizować nadżerki i obrzęk kości, a także same stawy. Porównanie obrazów RM stawów przed i po kontraście pomoże wykryć zapalenie błony maziowej. W mojej pracy analizuję zdjęcia z 0,2-teslowego niskopolowego rezonansu magnetycznego. Aparaty niskopolowe są urządzeniami tańszymi, mniej kosztownymi w eksploatacji, a co za tym idzie popularniejszymi niż aparaty wysokopolowe. Jednakże jakość tych obrazów jest mniejsza, co stanowi dodatkowe utrudnienie procesu analizy.

Wkład naukowy rozprawy
Wynikiem badań przedstawionych w mojej pracy są dwa algorytmy do automatycznej segmentacji 15 kości znajdujących się na obrazach RM nadgarstka:

• dalszych części kości łokciowej i promieniowej
• podstaw kości śródręcza
• kości nadgarstka.

Zasadniczą część obu algorytmów stanowi algorytm segmentacji wododziałowej ze znacznikami (markerami). W wersji pierwszej algorytmu znaczniki uzyskiwane są dzięki rejestracji obrazu wejściowego do obrazu atlasowego, zaś w drugiej stosowane są algorytmy progowania i autorskie metody filtracji fragmentów kości od pozostałych tkanek o podobnej jasności pikseli. Druga wersja algorytmu jest blisko 5 razy szybsza niż pierwsza jednakże może być czuła na parametry filtracji kości dostosowane do danych wejściowych - pierwsza wersja nie zawiera podobnych zależności. Oba algorytmy stanowią kompilację istniejących algorytmów przetwarzania obrazów (algorytmy odszumiania obrazów, operacje morfologiczne, rejestracja obrazów, algorytm działów wodnych ze znacznikami) w połączeniu z autorskimi metodami filtrowania kości od innych tkanek, wyznaczania przekrojów obrazów z założonymi grupami kości, itp.

Ocena jakości algorytmów
Algorytmy segmentacji kości nadgarstka dla obrazów rezonansu magnetycznego mogą być ocenione pod względem jakości, złożoności czasowej oraz ograniczeń algorytmu (szerokości zastosowań).
W celu przetestowania jakości segmentacji obu algorytmów dokonano manualnej segmentacji wszystkich przypadków. Uzyskane obrazy traktowane były jako ground truth (obrazy referencyjne). Jak współczynniki jakości wykorzystano:

• współczynnik Dice'a
• średnią bezwzględną odległość sumy rozłącznej obrazów MAD (ang. mean absolute distance)
• wartość powierzchni obszaru pod krzywą ROC
• współczynnik średniego podobieństwa MS (ang. mean similarity).

Dla obu algorytmów uzyskane wyniki są spójne z rezultatami segmentacji manualnej i dowodzą ich poprawności. Czas wykonania obu algorytmów dla pojedynczego obrazu mierzono na maszynie Intel Core i3-2310, 4×2.10Ghz, 4 GB RAM, (1 rdzeń użyty w obliczeniach) i wynosił on 20-30 minut w przypadku wersji z rejestracją obrazów oraz 4-6 minut dla szybszej wersji.
Oba algorytmy wykorzystują tę samą metodę wykorzystującą markery, a więc i ich ograniczenia i propozycje usprawnień są te same. Głównym ograniczeniem algorytmów jest ich wrażliwość na średnie i duże erozje kości. Jednym ze sposobów
na pokonanie tego ograniczenia może rejestracja wieloatlasowa z modelami odkształcalnymi, która pozwalałaby dodatkowo na oszacowanie etapu erozji. Uzyskane wyniki potwierdzają możliwość wykonania segmentacji nawet w przypadku obrazów o tak niskiej jakości jak 0,2-teslowe obrazy RM. Dalsze badania mogą dotyczyć wykorzystania uzyskanych markerów
w innych procedurach wykorzystujących znaczniki, jak rozrost regionów czy metoda konturów geodezyjnych. Ponadto można polepszyć wyniki segmentacji poprzez użycie lepszych algorytmów do wyliczania gradientu. Mając algorytm do segmentacji kości można też kontynuować tworzenie aplikacji do automatycznego wykrywania i oceny zaawansowania objawów RZS.

Tezy rozprawy

1. Wykonanie segmentacji kości budujących stawy nadgarstka na obrazach pochodzących z niskopolowego rezonansu magnetycznego jest możliwe przy wykorzystaniu algorytmu działów wodnych z markerów.
2. Markery wykorzystane do segmentacji kości budujących stawy nadgarstka mogą być znalezione bez interakcji użytkownika przy użyciu:

• metod atlasowych,
• metod wykorzystujących wiedzę ekspercką o anatomii ręki.

• prof. dr hab. inż. Leszek Wojnar recenzja_1.pdf
  
• prof. dr hab. inż. Marek Skomorowski recenzja_2.pdf
  

• prof. dr hab. inż. Leszek Wojnar odp_recenzja1.pdf
  
• prof. dr hab. inż. Marek Skomorowski odp_recenzja2.pdf

1. Artykuł pt. „Correlation between manual 0.2 Tesla MRI assessment of synovitis and EULAR-OMERACT scores of the wrist in patients with rheumatoid arthritis”, Wojciechowski W., Czaplicka K., Włodarczyk J., Tabor Z., Journal of Magnetic Resonance Imaging, vol. 39, 05.2014, 35 pkt.
2. Artykuł pt. „Segmentation of Bones in Magnetic Resonance Images of the Wrist” Włodarczyk J., Czaplicka K., Tabor Z., Wojciechowski W., Urbanik A., International Journal for Computer Assisted Radiology and Surgery, 08.2014, 25 pkt.
3. Artykuł pt. „Fast automated segmentation of wrist bones in magnetic resonance images”, Włodarczyk J., Tabor Z., Czaplicka K., Wojciechowski W., Urbanik A., Computers in Biology and Medicine, vol. 65, 10.2015, 25 pkt.
4. Artykuł pt. „Automated assessment of synovitis in 0.2T magnetic resonance images of the wrist”, Czaplicka K., Wojciechowski W., Włodarczyk J., Urbanik A., Tabor Z., Computers in Biology and Medicine, vol. 67, 10.2015, 25 pkt.

1. Artykuł pt. „Automatic Breast-Line and Pectoral Muscle Segmentation”, Czaplicka K., Włodarczyk J., Schedae Informaticae, vol. 20, 12.2011, 6 pkt.

1. Publikacja streszczenia referatu „Automatyczna ocena jakości zdjęć mammograficznych”, Włodarczyk J., Czaplicka K., w materiałach pokonferencyjnych XI Sympozjum „Modelowanie i Pomiary w Medycynie” organizowanego przez Katedrę Metrologii i Elektroniki AGH we współpracy z Instytutem Biocybernetyki i Inżynierii Biomedycznej PAN, 05.2012