La presentazione è in caricamento. Aspetta per favore

La presentazione è in caricamento. Aspetta per favore

Sandro Squarcia Diagnostica per Immagini Come estrarre linformazione e renderla disponibile XXIV SEMINARIO NAZIONALE di FISICA NUCLEARE E SUBNUCLEARE OTRANTO,

Presentazioni simili


Presentazione sul tema: "Sandro Squarcia Diagnostica per Immagini Come estrarre linformazione e renderla disponibile XXIV SEMINARIO NAZIONALE di FISICA NUCLEARE E SUBNUCLEARE OTRANTO,"— Transcript della presentazione:

1 Sandro Squarcia Diagnostica per Immagini Come estrarre linformazione e renderla disponibile XXIV SEMINARIO NAZIONALE di FISICA NUCLEARE E SUBNUCLEARE OTRANTO, Serra degli Alimini, Settembre 2012 Laboratorio di Fisica e Statistica Medica Dipartimento di Fisica - Sezione INFN di Genova Via Dodecaneso 33, Genova

2 Utilizzo delle immagini in HEP Anni 80 Sviluppo delle tecnologie informatiche per lanalisi dei dati raccolti dai grandi esperimenti di FISICA in corso al CERN, Laboratori Nazionali INFN e altri Centri di Ricerca Anni 90 Sviluppo/applicazione di Metodi Computazionali basati sulla Intelligenza Artificiale (Reti Neurali) per lidentificazione di particelle subnucleari Anni 2000 Trasferimento tecnologico dei metodi sviluppati alla medicina e biologia

3 Dalla Fisica delle particelle elementari…

4 … alle applicazioni in biomedicina Trasferimento tecnologico dei metodi sviluppati alla medicina e biologia Analisi di segnali EEG, ECG, CT, MRI, PET, SPECT per -Ricerca sulle diverse patologie -Supporto alla diagnosi clinica tramite esperimenti dedicati

5 MAGIC-5 Medical Applications in a GRID Infrastructure Connection MIND Medical Imaging for Neurodegenerative Diseases

6 Classificazione CLASSIFICATORE …… N Rumore Segnale valore del taglio per ogni valore del taglio: RR = RUMORE correttamente classificato RS = RUMORE classificato come SEGNALE SS = SEGNALE correttamente classificato SR = SEGNALE classificato come RUMORE

7 Sensibilità e specificità Sensitività (efficienza) = SS/(SS+SR) Specificità (1-contaminazione) = RR/(RR+RS) Interessa valutare la capacità discriminante di un test e poter scegliere i cut off ottimali ossia la sua attitudine a separare correttamente il segnale e il rumore Questa è proporzionale allestensione dellarea sottesa alla curva ROC ClassificazioneSegnaleRumore Segnale SSRS Rumore SRRR

8 Receiver Operating Characteristic Le curve R.O.C. (dette anche Relative Operating Characteristic) sono un approccio per valutare la validità dei test diagnostici Metodologia sviluppata durante la II Guerra mondiale per lanalisi delle immagini radar e lo studio del rapporto segnale/disturbo Applicata in altri campi della tecnica e anche in campo medico (1971) inizialmente per lattendibilità dei responsi delle immagini RX interpretate da operatori diversi poi nei più svariati test sia nel settore medico (valutazione dei test clinici di laboratorio)

9 Curva ROC Lunione dei punti ottenuti riportando nel piano cartesiano ciascuna coppia Sensibilità verso (1 - Specificità) genera una curva spezzata con andamento a scaletta Per interpolazione, è possibile eliminare la scalettatura (smoothing) ed ottenere una curva che rappresenta una stima basata sui parametri del data set sperimentale

10 ROC e Area Under Curve (AUC) Larea AUC sotto la curva offre una stima della bontà del test I risultati intermedi predicono i valori migliori per la Sensibilità e la Specificità a seconda di quello che si vuole definire maggiormente importante (se > 0.7 il test risulta accurato!) chance line AUC = 1 AUC = 0.5

11 Variazione AUC Rumore Segnale SS/(SS+SR) RS/(RR+RS) CURVA ROC valore del taglio 0 Rumore Segnale valore del taglio SS/(SS+SR) RS/(RR+RS) CURVA ROC 0

12 Digitalizzazione

13 Obiettivi Qual è il miglior uso che possiamo fare delle immagini cliniche acquisite? Come si può ottimizzare unimmagine? Come è possibile sovrapporre immagini derivate da apparati (modalità) differenti? Come si possono ricavare (ovvero classificare) le informazioni quantitative di/da unimmagine? - Saper aggiustare la luminosità - Saper aumentare il contrasto - Saper uniformare, per mezzo di operazioni di filtraggio, le caratteristiche dellimmagine

14 Immagini analogico/digitali Achille (digitale) e la tartaruga (analogica) Limmagine radiografica è continua (analogica) Limmagine può essere considerata digitale se le dimensioni delle unità elementari sono finite Granuli di AgBr (2 m) infinitesimi rispetto al potere risolutivo dellocchio umano (0.1 mm) Unimmagine analogica può essere resa digitale ma non viceversa! Pregio delle immagini digitali è la loro notevole flessibilità possibile elaborazione elettronica

15 Digitalizzazione suddividendo limmagine in differenti pixel Si passa da unimmagine analogica ad unimmagine digitale (quadratini contenenti valori di annerimento)

16 Schema a blocchi acquisizione immagini sistema di calcolo manipolazione immagini immagazzinamento su supporto magnetico Pictures Archive and Communication System PACS

17 Sistema informatico ospedaliero TIFF,BMP,.. Modalità Query Consultazione Visualizzazione Stampa Scanner Image Server Stampanti Aquisizione Capture Scanning PACSe RISPACSe RIS

18 Risoluzione Maggiore è il numero di pixel migliore è la corrispondenza con limmagine analogica 64 x 64 (4kB) 128 x 128 (16kB) 256 x 256 (65kB) 512 x 512 (262kB)

19 Profondità Indica il numero di bit necessari a rappresentare i valori della variabile oggetto della misura In radiologia digitale, per lo più, la variabile può assumere 1024 (2 10 ) diverse gradazioni di grigio La profondità è quindi di 10 bit Ad ogni pixel sono quindi associati 2 Byte (16 bit) Per memorizzare unimmagine 512 x 1024 un CD (700 MB) poteva contenere ~ 700 immagini sono necessari = B (1 MB) La capacità risulta in continuo aumento (DVD)!

20 Campo di vista a seconda dellarea interessata che viene digitalizzata dettaglio = risoluzione spaziale A parità di numero di pixel utilizzati si hanno risoluzioni differenti

21 Voxel Le immagini digitali di interesse radiologico sono rappresentazioni visive di immagini spaziali (voxel) rappresentazioni sintetiche (somma corrispondente ad uno dei diametri corporei) oppure analitiche (spessore di uno strato)

22 Elaborazione

23 Luminosità Occorre passare da un valore di unimmagine I a uno schermo ove ogni punto ha luminosità L immagine Ischermo L Locchio umano non rileva un cambiamento di luminosità (contrasto) minore di circa il 2% La luminosità (dello schermo) deve essere proporzionale ad un numero fornito come input Con una operazione di mappatura (mapping) possiamo facilmente modificarla!

24 Visualizzazione D = f(I) con 0 D 1 Se limmagine I ha intensità tra 0.0 ed 1.0 immagine Iluminosità L dello schermo immagine D operazione di mapping la funzione D = f(I) deve essere compresa tra un valore minimo D min e uno massimo D MAX anche non legati tra loro da una relazione lineare digitalizzazione

25 Miglioramento del contrasto Miglioramento contrasto (contrast enhancement) tra 75% e 100% Immagine originale

26 Dispaly mapping Mappatura lineare ad una variazione I corrisponde una uguale variazione L Mappatura a crescita di contrasto ad una variazione I corrisponde una variazione L più grande L I10 I L 01 L I I L zona utile più ristretta

27 Ottimizzazione L = B e kI Poiché locchio necessita di un contrasto del 2% nella parte più chiara occorre un contrasto di luminosità maggiore che nella parte più scura Se la luminosità dello schermo è L, ma deve essere costante la quantità L/L, allora: ove B e k sono due costanti derivabili dalla pendenza e dalla relazione esistente tra il valore immagine I e la luminosità sullo schermo L Modificando i parametri del dispaly mapping si modifica il contrasto dellimmagine elaborata

28 Equalizzazione Scelta del display mapping dipende dallimmagine: la maggioranza dei pixel cadono attorno al valor medio: pochi pixel molto chiari e pochi molto scuri tutti i pixel sono equiprobabili Occorre equalizzare lintensità di segnale video D(I) = N(i) di I N(I) I

29 Visualizzazione Quindi, data unimmagine modificando la curva della luminosità I N(I) I si può ottenere la valorizzazione (maggiore contrasto) delle zone di maggior interesse

30 Elaborazione Tramite lelaborazione delle immagini (detta image processing) possiamo manipolare e modificare lapparenza delle immagini stesse Le immagini mediche sono rumorose e confuse: occorre ridurre entrambi questi fattori se vogliamo rendere nel modo migliore il contrasto tra le differenti zone specie sulle aree di transizione Image smoothing (livellamento dellimmagine) Image restoration (ricostruzione dellimmagine) Image enhancement (intensificazione immagine)

31 Processamento Una mappatura di tipo esponenziale 01 1 Intensità duscita Intensità in entrata L = B e kV con B = 1/e 3 e k =3 produce unimmagine

32 Filtri La rappresentazione schematica dellazione di filtri su unimmagine nellipotesi di avere assorbimenti omogenei da parte del singolo oggetto centrale applicando una funzione matematica che agisca su ciascuna proiezione si ottiene limmagine filtrata

33 Image smoothing Molte immagini sono rumorose Lampiezza del rumore può essere ridotta mediando sui pixel adiacenti i + 1 j – 1 i j – 1 i – 1 j – 1 i + 1 j ijij i – 1 j i + 1 j + 1 i j + 1 i – 1 j + 1 e si applica sia a casi bidimensionali sia, agendo sui voxel invece che sui pixel, a casi tridimensionali (matrice 3 x 3x 3)

34 Filtri Prendiamo filtro equalizzato di dimensioni 3 x 3 Applichiamolo ad una matrice 6 x 6 1/9 in modo da filtrare una semplice immagine Il valor medio di ogni pixel risulta essere 1/9:

35 Filtraggio immagine originale 1/9 applicazione filtro / filtro

36 Risultato g 33 = 1/9 ( ) g ij = m= -1, 1 k= -1, 1 w km f i+k, j+m = 2 ove w km è il peso di ogni singolo valore iterando… Ad esempio:

37 Iterazione Poiché il metodo è iterativo assume importanza se si calcola lalgoritmo sullimmagine iniziale o sullimmagine via via modificata predominanza valori bassi e, in questo caso, da dove si parte predominanza valori alti come considerare i bordi? prevalenza? interpolazione?

38 Rumore 2 g = m= -1, 1 k= -1, 1 w 2 km 2 f Supponiamo che limmagine f sia rumorosa con ogni pixel che ha varianza 2 f indipendente dai pixel vicini Per il filtro applicato: 2 g = 9 2 f / 81 = 2 f / 9 Lapplicazione del filtro porta ad una diminuzione del rumore dellimmagine primitiva

39 Filtro 421 Un filtro molto utilizzato è Esempio 2 g = 9 2 f / 64 1/162/161/16 2/164/162/16 1/162/161/

40 Comparazione immagini immagine iniziale filtro 421

41 Comparazione filtro costante filtro 421 Tanto più un filtro riduce rumore tanto più limmagine risulta sfuocata ai margini

42 Filtri a cascata I filtri possono essere utilizzati in cascata Se i filtri sono lineari (a + b) c = a c + b c ove è il simbolo della convoluzione Tra i filtri non lineari il più conosciuto utilizza la mediana al posto della media Se i filtri non sono lineari dipende dalla sequenza di applicazione il risultato finale del filtraggio

43 Ricostruzione immagini

44 Analisi dellimmagine Si vuole lestrazione di informazioni numeriche, o almeno oggettive, del contenuto di unimmagine Identificazione di oggetti allinterno del soggetto - elementi con le stesse caratteristiche - bordi o separazioni tra elementi diversi - elementi con intensità diversa da un k fissato Metodo manuale (e.g. nei PTS) i contorni degli elementi di interesse e degli elementi a rischio sono indicati mediante curve chiuse con colori diversi

45 Rilevamento dei bordi In questo caso si usa il gradiente di luminosità g(x,y,z) = immagine g(x,y) bordo e(x,y) dellimmagine elaborata gradiente g(x,y)

46 Ricostruzione Determinazione delle separazioni ottenuta fissando un livello di separazione (threshold)! immagine non elaborata threshold selezionato threshold minimo

47 Accrescimento delle regioni Scelto un pixel sono esaminati i pixel vicini Se il pixel è simile ai vicini (clusterizzazione) è aggregato, in caso contrario il pixel è eliminato Uso qualsiasi test di similitudine, usando media, mediana e varianza Necessario un pixel iniziale e poi il processo continua per induzione Differenti criteri di clusterizzazione possono determinare diverse scelte di aggregazione

48 Segmentazione in intensità P i T è loggetto P i T non è loggetto intensità Numero di pixel C C B A Se fissiamo un livello (threshold) T e se P i è lintensità dellelemento considerato A B rumore di fondo taglio

49 Vantaggi della digitalizzazione Elaborazione dell'immagine ma refertazione sullimmagine reale! Estrazione di informazioni quantitative: misura di distanze, aree e volumi Trasferimento delle immagini in rete possibilità di teleradiologia e teleconsulto Utilizzo di basi di dati storici cartella clinica del paziente on-line Coregistrazione di immagini prese con modalità diverse (RX, TAC, MRI, …) Le immagini sono indipendenti dalla modalità!

50 Juke Box DVD Archivio per immagini (PACS) CR Radiografi digitali WS Macchine per la refertazione clinica Moderno Dipartimento di Radiologia switch centrale PC Collegamenti in remoto

51 PACS Picture Archive and Communication System gestione e trasferimento (in rete) delle immagini!

52 DICOM Standard di gestione integrata delle immagini digitali derivanti da diverse modalità Digital Imaging and COmmunications in Medicine sviluppato dal 1985 congiuntamente dall'ACR (American College of Radiology) e dalla NEMA (National Electrical Manufactures Association) Tutte le ditte produttrici di apparecchiature medicali offrono ora la possibilità di trattare immagini in formato DICOM In effetti tutte le apparecchiature devono poter comunicare tra loro anche se persistono ancora… …piccole differenze di implementazione

53 Caratteristiche DICOM Si basa sulla programmazione Object Oriented Definisce più classi di tipo immagine Ciascuna classe utilizza una specifica definizione applicabile ad una differente modalità Tutte condividono un insieme di informazioni che permettono la visualizzazione delle immagini indipendentemente dalla classe di appartenenza parametri della modalità di acquisizione posizione e formato delle informazioni il posizionamento è importante per poter elaborare le corrette sequenze di immagini e poter creare rappresentazioni tridimensionali

54 Struttura DICOM Come comunicare tutte queste informazioni? Il file che contiene i dati di una immagine DICOM è diviso in due parti: lheader che contiene la descrizione dei dati che seguono (informazioni oppure dati-immagine) i dati memorizzati byte per byte (pixel per pixel) Sfruttando le informazioni dellheader si possono leggere i dati (e quindi limmagine) in modo tale da: poterla visualizzare correttamente e poterla poi elaborare

55 Schema Digital Information and COmmunication in Medicine volumi di interesse sovrapposizione di piani definizione delle curve è soggetto a modalità di acquisizione sistema di riferimento contiene formato da Seriedefinizione spaziale Studio contiene Immagini Paziente creano apparati clinici

56 Una cartella clinica per trasmissione di dati e immagini Network Oriented Remote Medical Archive NORMA

57 Autenticazione utilizzatore Associazione DICOM Connessione PACS

58 Struttura DICOM Monitoraggio connessione DICOM Visualizzazione dei dati scambiati dati

59 Dati personali del paziente Lista pazienti Dati paziente

60 Study list Study information DICOM Study Information

61 Series list Series information DICOM Series Information

62 Scelta della immagine Dump del DICOM dataset Immagini

63 Vi ringrazio per la gentile attenzione! Sono pronto a rispondere a tutte le vostre eventuali domande

64 Altri progetti

65 BNCT utilizzato con successo per la cura dei tumori con il reattore di Pavia Boron Neutron Capture Therapy

66 Progetto ELBA Rimozione del fegato Irradiazione del fegato con il reattore Ritorno in sala operatoria per il reimpianto del fegato

67 Strumenti innovativi Un misuratore di Ferro nel fegato (non invasivo!) per la diagnosi di anemie (thalassemia e mocromatosi ereditaria) Dal febbraio 2005 misurati un migliaio di pazienti, oltre ai volontari, presso lE.O. Galliera di Genova Esperimento MID2


Scaricare ppt "Sandro Squarcia Diagnostica per Immagini Come estrarre linformazione e renderla disponibile XXIV SEMINARIO NAZIONALE di FISICA NUCLEARE E SUBNUCLEARE OTRANTO,"

Presentazioni simili


Annunci Google