volumetría intracraneal y del hipocampo desde imágenes de resonancia magnética usando freesurfer...
Post on 03-Feb-2016
246 Views
Preview:
TRANSCRIPT
1
Volumetría intracraneal y del hipocampo desde imágenes
de resonancia magnética usando Freesurfer
Sandra Rodríguez Rodrigo
2 INTRODUCCIÓN
Enfermedades neurodegenerativas
Ciertos trastornos psiquiátricos
VolumenÁrea
Frecuentemente asociados con cambios estructurales en el cerebro.
3
Volumen del hipocampo
Puede ser crucial para el diagnóstico de enfermedades tales como el Alzheimer o la Esquizofrenia.
4
Estado de la técnica de la segmentación del hipocampo desde T1-MRI
Freesurfer
Experimentación
5 MÉTODOS DE FUSIÓN
Segmentaciones de
múltiples atlas
Única segmentación
Se combinan
Fusión de etiquetas
Atlas
6 MÉTODOS DE FUSIÓN
GLOBALES• Majority Voting• Weighted Voting
LOCALES• Generalized Local Weighted Voting• STAPLE
7 Breve comparativa
Estrategias locales Alto contraste
Estrategias globales Intensidades similares
No se puede determinar cuál es el óptimo para todos los casos.
8 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.
9 SegmentaciónTarea especialmente difícil, concretamente en imágenes T1-MRI. • Bordes del hipocampo no siempre están totalmente
definidos • Calidad de la imagen
Se puede realizar de forma manual o automática.
DICE: medida más utilizada para evaluar la actuación de los algoritmos de segmentación
Siendo 0 ninguna similitud y 1 máxima
10 Tratamiento de imágenes T1-MRI
PROYECTO VALLECAS Volumetría intracraneal
Volumetría del hipocampo
Volumetría Materia Gris
ADNI Volumetría intracraneal
Volumetría del hipocampo
Volumetría Materia Gris
DICE
11 FREESURFER
Software de código abierto para el procesamiento y análisis de imágenes de resonancia magnética MRI del cerebro humano.
• Skull-stripping
• Segmentaciones de estructuras corticales y subcorticales
• etc.
12 Espacio nativo
id_001.nii.gz Espacio normalizado FreeSurfer
Volúmenes y segmentaciones generados por Freesurfer no conservan el espacio nativo
13 Skull-stripping1. Obtención de brainmask.mgz
2. Pasar al espacio nativo:
…
14
. 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
. Leung Utilización de -less
15 Volumetría intracraneal - ICV
Suma de materia gris (GM) y materia blanca (WM).
Durante el proceso de ejecución de -less se imprime por pantalla.
Se puede encontrar en el archivo aseg.stats (mri_segstats)
16 Volumetría del hipocampo
1. Obtención de aseg.mgz
2. Pasar al espacio nativo: …
Hipocampo izquierdo: 17Hipocampo derecho: 53
17 Volumetría Materia Gris
1. Obtención de ribbon.mgz
Archivo aseg.stats (mri_segstats)
2. Pasar al espacio nativo -> Igual que en el caso anterior
Skull-stripped & Vol. intracraneal
Segmentación & Vol. del hipocampo
Vol. Materia gris
19 EXPERIMENTACIÓN PV id_001.nii.gzbrainmask.mgz
20id_001.nii.gzid_001.nii.gzbrain.mgz
21 Comparación Variación h - lessEmpleando -lessVariando h
22 IMÁGENES ROTADAS
id_004.nii.gz
23
24 Volumetría hipocampalaseg-in-rawavg.mgzbrain-in-rawavg.mgz
25
ETIQUETAS 17 Y 53
26 Materia Grisribbon-in-rawavg.mgzbrain-in-rawavg.mgz
27 RESULTADOS NUMÉRICOS PV
28 EXPERIMENTACIÓN ADNI
ADNI_002_S_0295.nii.gzbrain-in-rawavg.nii.gz
29ADNI_002_S_0295Etiqueta hipocampo (ya dada)
ADNI_002_S_0295Etiqueta hipocampo (generada por FS)
30 DICE
Hipocampo izquierdo
Hipocampo derecho
31 COMPARATIVA - Promedio
Hip. Izquierdo Hip. Derecho ICV Materia Gris
PV 3291 3301 1418846,18 505047,85
ADNI-OLD 3141 3152 1490969,84 507599,55
ADNI-HHP 3105 3216 1549901,64 512579,12
Promedio Valores de Volumetría
32 TIEMPO EMPLEADO
Script Matlab – Lanzado desde Putty a Gauss
1 imagen 29471,848463 segundos (8,18 horas)
8,048887 segundos: conversión nii.gz a mgz2721,034620 segundos : skull-stripping y cálculo ICVRestante: volumetría hipocampal y materia grisPARALELIZACIÓN
33 TIEMPO EMPLEADO
1 Imagen 31 Imágenes0
50
100
150
200
250
300
8.18
253.78
Sin Paralelizar
matlabpool local 8;parfor i=1:31…matlabpool close;
1 Imagen 31 Imágenes0
50
100
150
200
250
300
8.18
253.78
9.25
Sin Paralelizar Paralelizar
34 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
[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. Optimización de una energía mediante cortes de grafos. Segmentación de imágenes. 2014.
35
GRACIAS POR SU ATENCIÓN
http://www.elai.upm.es/joomla/index.php/grupos-inv/vision-artificial
top related