La presentazione è in caricamento. Aspetta per favore

La presentazione è in caricamento. Aspetta per favore

Tecniche di segmentazione delle patologie morfologiche dellencefalo Relatore : Chiar.mo Prof. Paolo Inchingolo Laureando : Luca Zanella Tesi di laurea.

Presentazioni simili


Presentazione sul tema: "Tecniche di segmentazione delle patologie morfologiche dellencefalo Relatore : Chiar.mo Prof. Paolo Inchingolo Laureando : Luca Zanella Tesi di laurea."— Transcript della presentazione:

1 Tecniche di segmentazione delle patologie morfologiche dellencefalo Relatore : Chiar.mo Prof. Paolo Inchingolo Laureando : Luca Zanella Tesi di laurea Correlatori : Dott. Ing. Federica Vatta Dott. Ing. Stefano Mininel Università degli Studi di Trieste Facoltà di Ingegneria Corso di Laurea Triennale in Ingegneria Elettronica Anno accademico

2 Segmentazione di immagini Suddivisione di un immagine in zone disgiunte in base ad un criterio di uniformità Suddivisione di un immagine in zone disgiunte in base ad un criterio di uniformità Fortemente legata all individuazione dei contorni Fortemente legata all individuazione dei contorni

3 Obbiettivi tipici della segmentazione Esaltazione di una particolare regione rispetto ad altre strutture non di interesse presenti nellimmagine Esaltazione di una particolare regione rispetto ad altre strutture non di interesse presenti nellimmagine Separazione immagine in oggetto e sfondo Separazione immagine in oggetto e sfondo Suddivisione immagine complessa in più sottoimmagini più semplici Suddivisione immagine complessa in più sottoimmagini più semplici Individuazione dei contorni Individuazione dei contorni

4 Applicazioni generali La segmentazione risulta essere utile in diversi ambiti e discipline: Indagine astronomica (rilevamento di corpi celesti) Indagine astronomica (rilevamento di corpi celesti) Analisi della viabilità stradale Analisi della viabilità stradale Telerilevamento (analisi del territorio e della sua utilizzazione) Telerilevamento (analisi del territorio e della sua utilizzazione) Riconoscimento di oggetti e di persone Riconoscimento di oggetti e di persone Controllo di colture biologiche e batteriologiche Controllo di colture biologiche e batteriologiche

5 Applicazioni biomediche La segmentazione è particolarmente utile in campo biomedico per: Analisi di laboratorio per il conteggio di globuli rossi e piastrine ed altre masse cellulari Analisi di laboratorio per il conteggio di globuli rossi e piastrine ed altre masse cellulari Estrazione di strutture anatomiche da bioimmagini Estrazione di strutture anatomiche da bioimmagini Estrazione di lesioni e patologie morfologiche da bioimmagini Estrazione di lesioni e patologie morfologiche da bioimmagini

6 Problema affrontato Segmentazione (binaria) per lestrazione di lesioni dellencefalo da immagini di risonanza magnetica Segmentazione (binaria) per lestrazione di lesioni dellencefalo da immagini di risonanza magnetica Evidenziazione della sola lesione Evidenziazione della sola lesione

7 Problematiche Intensità dei pixel non costante allinterno della regione Intensità dei pixel non costante allinterno della regione Intensità dei pixel uguale per diverse strutture vicine Intensità dei pixel uguale per diverse strutture vicine Contorni poco evidenti e di forma complessa Contorni poco evidenti e di forma complessa

8 Importanza ed applicazioni Estrazione di dati significativi sulle caratteristiche della lesione stessa: Dimensione Dimensione Forma Forma Localizzazione Localizzazione I dati così ottenuti possono essere sfruttati per: Tecniche di studio non invasive ( ad esempio evoluzione nel tempo della lesione ) Tecniche di studio non invasive ( ad esempio evoluzione nel tempo della lesione ) Chirurgia guidata ( supporto visivo ) Chirurgia guidata ( supporto visivo )

9 Motivazioni Segmentazione manuale possibile ma: Troppo dispendiosa Troppo dispendiosa Risultato troppo dipendente dallutente Risultato troppo dipendente dallutente Sviluppo e valutazione di algoritmi e di tecniche di segmentazione semi automatiche Bassa efficienza Scarsa ripetibilità ed accuratezza

10 Obbiettivo proposto Valutazione dellapplicabilità e delle prestazioni di algoritmi semiautomatici di segmentazione, per lestrazione di lesioni dellencefalo su immagini campione Valutazione dellapplicabilità e delle prestazioni di algoritmi semiautomatici di segmentazione, per lestrazione di lesioni dellencefalo su immagini campione Determinazione dell accuratezza delle tecniche Determinazione dell accuratezza delle tecniche Algoritmi scelti tra quelli presenti in letteratura in base ad uno studio sul loro funzionamento e sulle loro caratteristiche teoriche riguardo vari aspetti (accuratezza, semplicità di utilizzo e di implementazione, possibilità di sviluppi futuri) Algoritmi scelti tra quelli presenti in letteratura in base ad uno studio sul loro funzionamento e sulle loro caratteristiche teoriche riguardo vari aspetti (accuratezza, semplicità di utilizzo e di implementazione, possibilità di sviluppi futuri)

11 Contributo personale Implementazione software di quattro algoritmi di segmentazione: Implementazione software di quattro algoritmi di segmentazione: –Thresholding –Region Growing –Watershed –Fast Marching Method Implementazione di un algoritmo di valutazione dellaccuratezza delle segmentazioni Implementazione di un algoritmo di valutazione dellaccuratezza delle segmentazioni Valutazione dellapplicabilità e delle prestazioni degli algoritmi Valutazione dellapplicabilità e delle prestazioni degli algoritmi Confronto con segmentazione manuale Confronto con segmentazione manuale

12 Implementazione Programmazione in C++ Programmazione in C++ Tool ITK (Insight Toolkit) della Kitware: Tool ITK (Insight Toolkit) della Kitware: –Insieme di librerie di classi per la rappresentazione e lelaborazione di immagini –Numerosi filtri di elaborazione implementati –Orientamento verso sviluppo di tecniche di segmentazione e di registrazione –Open source e multi-platform Utilizzo dellambiente di sviluppo Unix sotto piattaforma Windows con emulatore Cygwin Utilizzo dellambiente di sviluppo Unix sotto piattaforma Windows con emulatore Cygwin Creazione di applicazioni stand-alone Creazione di applicazioni stand-alone

13 Struttura dei programmi Ogni programma di segmentazione è costituito da una cascata di blocchi di elaborazione Ogni programma di segmentazione è costituito da una cascata di blocchi di elaborazione Ogni algoritmo richiede un certo numero di elaborazioni effettuate in cascata ( schematizzate dal blocco filter) Ogni algoritmo richiede un certo numero di elaborazioni effettuate in cascata ( schematizzate dal blocco filter)

14 Struttura blocco di elaborazione Fase di pre processing e fase di segmentazione Fase di pre processing e fase di segmentazione Blocco di pre processingBlocco di segmentazione

15 Problematiche Ogni filtro richiede la definizione di vari parametri Ogni filtro richiede la definizione di vari parametri Settaggio dei parametri richiesti dai vari blocchi di elaborazione lungo e difficoltoso Settaggio dei parametri richiesti dai vari blocchi di elaborazione lungo e difficoltoso Risultato fortemente dipendente dal valore dei parametri Risultato fortemente dipendente dal valore dei parametri Sviluppo di una procedura di ricerca dei parametri ottimali semiautomatica, che sfrutta le segmentazioni manuali

16 Caratteristiche immagini Tre serie di immagini di risonanza magnetica Tre serie di immagini di risonanza magnetica Caratteristiche delle lesioni trattate: Meningiomi e glomi maligni Meningiomi e glomi maligni Contorni lisci Contorni lisci Evidenziabili con mezzo di contrasto Evidenziabili con mezzo di contrasto Presenza di edema perilesionale Presenza di edema perilesionale Prospettiva assiale T1 weighted grayscale 8 bit, 256x256 pixel Prospettiva assiale T1 weighted con mezzo di contrasto grayscale 8 bit, 256x256 pixel Prospettiva sagittale T1 weighted grayscale 8 bit, 256x256 pixel

17 Modalità dei test Test effettuati sulle tre serie di immagini di Risonanza Magnetica Test effettuati sulle tre serie di immagini di Risonanza Magnetica Segmentazioni manuali prese come riferimento Segmentazioni manuali prese come riferimento Analisi dei valori degli indici di comparazione per ogni immagine e per ogni algoritmo Analisi dei valori degli indici di comparazione per ogni immagine e per ogni algoritmo

18 Indici di comparazione Indici di comparazione per la valutazione della precisione di una segmentazione: Falsi positivi (FP) Falsi positivi (FP) Falsi negativi (FN) Falsi negativi (FN) Veri positivi (TP) Veri positivi (TP) Indice di Tanimoto (TI):

19 Esempio di risultati (1) Immagine di partenza Segmentazione manuale Region growing Thresholding Fast marching method Watershed

20 Esempio di risultati (2) Immagine di partenza Segmentazione manuale Region growing Thresholding Fast marching method Watershed

21 Risultati ottenuti

22

23

24

25 Considerazioni sui risultati Lapplicabilità delle tecniche di segmentazione per immagini di MR per lestrazione di lesioni è stata testata con successo Lapplicabilità delle tecniche di segmentazione per immagini di MR per lestrazione di lesioni è stata testata con successo Algoritmi di region growing e di thresholding funzionano bene in considerazione allapplicazione proposta Algoritmi di region growing e di thresholding funzionano bene in considerazione allapplicazione proposta Algoritmi di watershed danno in media una segmentazione sovrabbondante Algoritmi di watershed danno in media una segmentazione sovrabbondante Algoritmi di fast marching method producono in media una segmentazione insufficiente Algoritmi di fast marching method producono in media una segmentazione insufficiente

26 Conclusioni Prestazioni complessive migliori per gli algoritmi di thresholding e di region growing Prestazioni complessive migliori per gli algoritmi di thresholding e di region growing Buone prestazione degli algoritmi di watershed che si sono rivelati promettenti Buone prestazione degli algoritmi di watershed che si sono rivelati promettenti Scarse prestazioni della tecnica fast marching method, che non fornisce ancora risultati buoni in questo contesto Scarse prestazioni della tecnica fast marching method, che non fornisce ancora risultati buoni in questo contesto Sviluppi futuri: testare gli algoritmi implementati su altri set di immagini presentanti lesioni con caratteristiche diverse Sviluppi futuri: testare gli algoritmi implementati su altri set di immagini presentanti lesioni con caratteristiche diverse


Scaricare ppt "Tecniche di segmentazione delle patologie morfologiche dellencefalo Relatore : Chiar.mo Prof. Paolo Inchingolo Laureando : Luca Zanella Tesi di laurea."

Presentazioni simili


Annunci Google