Métodos de fusión de las etiquetas basadas en registro no
rígido
Sandra Rodríguez Rodrigo
INTRODUCCIÓN
Enfermedades neurodegenerativas
Ciertos trastornos psiquiátricos
VolumenÁrea
Frecuentemente asociados con cambios estructurales en el cerebro.
Volumen del hipocampo
Puede ser crucial para el diagnóstico de enfermedades tales como el Alzheimer o la Esquizofrenia.
Métodos de fusión
Freesurfer
MÉTODOS DE FUSIÓN
Segmentaciones de
múltiples atlas
Única segmentación
Se combinan
Fusión de etiquetas
Atlas
MÉTODOS DE FUSIÓN
GLOBALES• Majority Voting• Weighted Voting
LOCALES• Generalized Local Weighted Voting• STAPLE
ESTRATEGIAS GLOBALES
Votación por mayoría – Majority Voting (MV)Es la técnica mas sencilla y más
utilizada en la segmentación de imágenes médicas.
Todas las segmentaciones a fusionar tienen exactamente el mismo peso.
1, if i = ek(x)0, otherwise
Wk,i (x)
A cada voxel se le asigna la etiqueta con la que coinciden varias segmentaciones.
Votación ponderada – Weighted Voting (WV)
Tiene como particularidad la asignación de ponderaciones a cada segmentación de manera global.
mp, if i = ek(x)0, otherwise
Wk,i (x)
m: medida de similitud entre el atlas y la imagen de origenp: exponente de ganancia asociado.
(GWV-NCC)
Normalized cross-correlation
NCC =
(GWV-MI)
Mutual Information – ITK
(GWV-MSD)
Mean Square Distance
GWV-MI GWV-NCC GWV-MSD
Ganancia p 8 4 -1
Ganancia p IBSR Database
4 6 -1
Valores de p
Limitaciones de usar Estrategias Globales
Ejemplo de limitación de estrategias globales. Artaechevarria09
Generalized Local Weighted Voting (LWV)
Asignación de un peso diferente para cada voxel
Se calcula para cada píxel la medida de similitud en un subvolumen de la imagen dependiente del píxel.
[m(s,r)]p, if i = ek(x)0, otherwise
Wk,i (x)
m depende ahora de dos parámetros que sons: shape r: radio
(LWV-NCC)
Normalized cross-correlation
(LWV-MI)
Normalized Mutual Information
NMI =
(LWV-MSD)
Mean Square Distance
LWV-MI LWV-NCC LWV-MSD
Ganancia r 15 10 10
Ganancia p 8 5 -6
Ganancia p IBSR Database
8 2 -1
Valores de p
STAPLE
STAPLE (Simultaneous Truth and Performance Level Estimation) trata la fusión de etiquetas como un problema de maximización de probabilidades y lo resuelve usando EM.
Este algoritmo procede realizando estimaciones de manera iterativa y maximizando la función de probabilidad.
Breve comparativa
Estrategias locales Alto contraste
Estrategias globales Intensidades similares
No se puede determinar cuál es el óptimo para todos los casos.
FREESURFER
Software de código abierto para el procesamiento y análisis de imágenes de resonancia magnética MRI del cerebro humano.
• skull-stripping • cortical and subcortical segmentations • etc.
Skull-stripping
Proceso de separar el cerebro (materia gris (GM) y materia blanca (WM)) de lo que no lo es (como por ejemplo el cráneo o la dura madre)
• Semi-automática• Automática
• BET, BSE, MAPS, HWA.
HWA
Hybrid Watershed Algorithm (HWA)
Obtención de brainmask.mgz
Aplicar el algoritmo watershed
Valor de h h > 25 si parte del cerebro se ha eliminado
h < 25 si parte del cerebro queda sin eliminar
ICV
Suma de materia gris (GM) y materia blanca (WM).
Se puede encontrar en el archivo aseg.stats
Corrección aplicando la transformación talairach.xfm
Protocolo Enigma
EXPERIMENTACIÓN MÉTODOS DE FUSIÓNVotación por mayoría – Majority Voting (MV)
SIN MEXTarget 1Elapsed time is 0.006931 seconds.Elapsed time is 0.005247 seconds.DICE: 0.801 0.827Target 2Elapsed time is 0.005106 seconds.Elapsed time is 0.005115 seconds.DICE: 0.786 0.749Target 3Elapsed time is 0.005026
seconds.Elapsed time is 0.005099 seconds.DICE: 0.706 0.676…
La media de los DICE es:0.7915 0.7984
MEX
Target 1Elapsed time is 0.004657 seconds.Elapsed time is 0.004761 seconds.DICE: 0.801 0.827Target 2Elapsed time is 0.003667 seconds.Elapsed time is 0.004266 seconds.DICE: 0.786 0.749
Target 3
Elapsed time is 0.004807 seconds.Elapsed time is 0.004749 seconds.DICE: 0.706 0.676
La media de los DICE es:0.7915 0.7984
EXPERIMENTACIÓN FREESURFER
ICV
FUTURAS LÍNEAS
MEX Votación ponderada – labelPriorTerm
Skull-stripping e ICV del resto de imágenes del Proyecto Vallecas
BIBLIOGRAFÍA [1] Xabier Artaechevarria, Arrate Munoz-Barrutia, and Carlos Ortiz-de Solorzano.
Combination strategies in multi-atlas image segmentation: Application to brain mr data. Medical Imaging, IEEE Transactions on, 28(8):1266{1277, 2009.
[2] M.Carmen Tobar Carlos Platero.
A label fusion method using conditional random elds with higher-order potentials: Application to hippocampal segmentation (pendiente de publicacion).
[5] Kelvin K Leung, Josephine Barnes, Marc Modat, Gerard R Ridgway, Jonathan W Bartlett, Nick C Fox,
Sebastien Ourselin, Alzheimer's Disease Neuroimaging Initiative, et al. Brain maps: an automated, accurate
and robust brain extraction technique using a template library. Neuroimage, 55(3):1091{1108,2011.
[6] M Tobar Puente. Optimizacion de una energa mediante cortes de grafos. segmentacion de imagenes. 2014.
Top Related