kontakt    mapa strony  
    polski   english

Przetwarzanie i analiza obrazów w medycynie

Aktualnie realizowane bądź zrealizowane projekty

Ilościowy opis ludzkich oskrzeli na bazie obrazów 3D z wielodetektorowego tomografu rentgenowskiego

 

Ilościowy opis ludzkich oskrzeli na bazie obrazów z wielodetektorowego tomografu rentgenowskiego

W Instytucie realizowany jest projekt pt.  Algorytmy ilościowej analizy drzew oskrzelowych na bazie obrazów z wielodetektorowego tomografu komputerowego finansowany w ramach grantu NCN nr. N519 652240 w latach 2011-2013. W ramach projektu opracowywane i badane są algorytmy przetwarzania i analizy trójwymiarowych obrazów tomograficznych klatki piersiowej, prowadzące do ilościowego opisu lokalnych parametrów oskrzeli między innymi pomiaru grubości ściany oskrzeli oraz powierzchni przekroju prześwitu w dowolnie wybranym przez lekarza miejscu.

Choroby oskrzeli są ważnym problemem społecznym nie tylko w Polsce ale i na świecie. Najbardziej rozpowszechnionymi chorobami oskrzeli są astma i przewlekła obturacyjna choroba płuc POChP. Astma jest przewlekłą chorobą zapalną dróg oddechowych, w której uczestniczy wiele komórek i substancji przez nie uwalnianych. Atakom astmy zwykle towarzyszy rozlana obturacja (zwężenie) oskrzeli o zmiennym nasileniu, często ustępująca samoistnie lub pod wpływem leczenia. Częstość występowania astmy zwiększa się we wszystkich krajach, zwłaszcza wśród dzieci. Astma powoduje znaczne obciążenie, nie tylko poprzez koszty opieki medycznej, ale również zmniejszenie produktywności i ograniczenie udziału chorych w życiu rodzinnym. Szacuje się, że na astmę choruje około 300 mln ludzi na świecie. Częstość występowania astmy w różnych regionach geograficznych waha się od 1 do 18%. Na świecie w ciągu roku na astmę umiera około 250 000 chorych (GINA).

Rys 1 Prezentuje etapy przetwarzania i analizy obrazu tomograficznego w celu wyznaczenia lokalnej grubości ściany i powierzchni prześwitu. Na wejście komputerowego algorytmu przetwarzania podajemy tomograficzny obraz 3D klatki piersiowej. Pierwszy etap przetwarzania polega na usunięciu wszystkich zbędnych elementów obrazu i pozostawieniu samego drzewa oskrzelowego, inaczej mówiąc polega na segmentacji drzewa oskrzelowego. Kolejny etap polega na wyznaczeniu szkieletu tego drzewa czyli cienkiej krzywej przebiegającej w środku każdej gałęzi oskrzeli. Szkielet ten umożliwia na dalszym etapie zbudowanie płaszczyzn przekrojów prostopadłych do szkieletu a co za tym idzie prostopadłych do gałęzi oskrzeli. Wyznaczenie płaszczyzn prostopadłych jest warunkiem koniecznym dla dokonania dokładnych pomiarów grubości ściany i pola powierzchni prześwitu oskrzeli. Ostatni etap to dokonanie pomiarów na wyciętym za pomocą płaszczyzny prostopadłej fragmencie gałęzi oskrzela.

 

Rys 1. Etapy przetwarzania i analizy obrazu tomograficznego

W ramach projektu opracowano:

  1.  Implementacja oraz testowanie, na obrazach 3D stanowiących przedmiot badań, algorytmu segmentacji drzew oskrzelowych przez rozrost obszaru.
  2. Opracowanie, implementacja i testowanie algorytmu zamykania otworów geometrycznych i topologicznych.
  3. Opracowanie, implementacja i testowanie, na obrazach 3D stanowiących przedmiot badań, algorytmu segmentacji drzew oskrzelowych z wykorzystaniem procedury zamykania otworów. Badania wykazały, że algorytm daje lepsze rezultaty niż algorytm oparty na rozroście obszaru (Postolski, Janaszewski i in. 2009).
  4. Implementacja oraz testowanie następujących algorytmów szkieletyzacji: w pełni równoległy algorytm pocieniania (ang. Fully parallel thinning algorithm FPT) (Ma, Sonka 1996), 12-iteracyjny algorytm pocieniania (Palagyi, Kuba, 1999), algorytm szkieletyzacji na bazie teorii kompleksów sześciennych (ang. Cubical complex) (Chaussard, Couprie 2009), algorytm pocieniania na bazie krytycznych konfiguracji wokseli (Bertrand, Couprie 2009). Wykonane badania pokazują, że najlepsze rezultaty osiąga algorytm szkieletyzacji na bazie kompleksów sześciennych (Postolski, Janaszewski i in. 2010).
  5. Implementacja oraz testowanie algorytmów wyznaczania kierunku stycznej do dowolnego punktu trójwymiarowej krzywej dyskretnej: a) algorytm naiwny, b) algorytm uśredniający, c) algorytm segmentacji krzywej, d) algorytm oparty o krzywe sklejane, e) algorytmu λ-MST w przestrzeni 3D (autorski algorytm).
  6. Porównanie algorytmów zaimplementowanych w punkcie 5 pokazuje, że najlepsze rezultaty daje metoda λ-MST (Postolski, Janaszewski i in. 2011)
  7. Implementacja zmodyfikowanej wersji algorytmu half-max, który nazwano half-max+. Nowy algorytm umożliwia wykonywanie pomiarów w miejscach gdzie modelu half-max nie dało się zastosować.
  8. Opracowanie algorytmu generującego model wysegmentowanych z obrazów tomograficznych klatki piersiowej oskrzeli w przestrzeni 3D. Wykazano, że model ten jest bardziej użyteczny do testowania algorytmów szkieletyzacji drzew oskrzelowych niż wcześniejszy model  (Kitaoka, Takaki i in. 1999).
Literatura
  1. Postolski, M., Janaszewski, M., Fabijańska, A., Babout, L., Couprie, M., Jędrzejczyk, M., Stefańczyk, L.: Reliable Airway Tree Segmentation Based on Hole Closing in Bronchial Walls, Sixth International Conference on Computer Recognition Systems, Jelenia Góra, Poland. Computer Recognition Systems 3. M. Kurzyński,M. Wozniak, Springer p. 389-396, 2009.
  2. Ma, C.M., Sonka, M.: a fully parallel 3D thinning algorithm and its applications. Computer Vision and Image
    Understanding 64 p. 420–433, 1996.
  3. Palagyi, K., Kuba, A.: a parallel 3D 12-subiteration thinning algorithm. Graphical Models and Image Processing 61, p.  199-221, 1999
  4. Chaussard J, Couprie M.: Surface thinning in 3d cubical complexes, in Proceedings of the 13th International Workshop on Combinatorial Image Analysis, pp. 135-148, 2009.
  5. Bertrand, G, Couprie M.: On parallel thinning algorithms: minimal non-simple sets, P-simple points and critical kernels,” Journal of Mathematical Imaging and Vision, vol. 35, no. 1, pp. 23-35, 2009.
  6. Postolski M., Janaszewski M., Jopek Ł, Babout. L..: 3D skeletonization of pulmonary airway tree structures. Zeszyty Naukowe AGH, Automatyka 14, p. 337-351, 2010.
  7. Postolski M., Janaszewski M., Jopek Ł., Babout L.: Wyznaczanie kierunku stycznej do dowolnego punktu trójwymiarowej krzywej wolumetrycznej w ilościowej analizie ludzkich drzew oskrzelowych. Automatyka 15, p. 219-234, 2011.
  8. H. Kitaoka, R. Takaki, B. Suki, A three-dimensional model of the human airway tree. J Appl physiol 87, 2207, 1999.
Wykonawcy:
Dr inż. M. Janaszewski, IIS, Politechnika Łódzka
Mgr inż M. Postoslki, IIS, Politechnika Łódzka; ESIEE, Paryż, Francja
Dr hab L. Babout, IIS, Politechnika Łódzka
Mgr inż L. Jopek, IIS, Politechnika Łódzka
Prof L Stefańczyk, Zakład Radiologii i Diagnostyki Obrazowej, Łódzki Uniwersytet Medyczny
Lek med. M Jędrzejczyk, Zakład Radiologii i Diagnostyki Obrazowej, Łódzki Uniwersytet Medyczny

 

Obecnie w Polsce 1771 osób oczekuje na przeszczep narządu w tym 1473 na przeszczep nerki, 75% umiera  z powodu braku dawcy. Prognozowanie ryzyka przewlekłego odrzucenia przeszczepu jest bardzo istotne.

W ramach wspólnego projektu badawczego z Kliniką Nefrologii i Medycyny Transplantacyjnej Akademii Medycznej we Wrocławiu prowadzone są w KIS badania nad metodą diagnostyczną, która wymaga obserwacji pojedynczych komórek układu odpornościowego. Efektem tych badań jest jest system przetwarzania i analizy obrazów mikroskopowych uzyskiwanych metodą ELISPOT.

 ELISPOT (ang. enzyme linked immunospot assay) jest metodą pozwalająca na ocenę natężenia odpowiedzi immunologicznej wobec określonych antygenów na poziomie pojedynczych komórek. Idea metody polega na detekcji wydzielania mediatorów odpowiedzi immunologicznej, cytokin, przez pojedyncze komórki układu odpornościowego. ELISPOT w szczególności pozwala oceniać poziom reaktywności komórek biorcy przeszczepu wobec antygenów dawcy. Celem wspólnych badań jest opracowanie metody opartej o technikę ELISPOT, która pozwoliłaby na prognozowanie funkcji przeszczepionych nerek oraz wczesne diagnozowanie niekorzystnych zjawisk immunologicznych prowadzących do odrzucania przeszczepu.

W Instytucie Informatyki Stosowanej opracowano skuteczne metody przetwarzania i analizy obrazu pozwalające na ilościową analizę obrazu z dokładnością porównywalną jak w oprogramowaniu komercyjnym.

 

 

Zespół:
dr inż. Wojciech Bieniecki
dr inż. Szymon Grabowski

powrót do góry


Redakcja:
Wojciech Bieniecki
Szymon Grabowski

Ostatnia modyfikacja:
2013-02-19 22:09:15,