logo SBA

ETD

Archivio digitale delle tesi discusse presso l’Università di Pisa

Tesi etd-05262009-102429


Tipo di tesi
Tesi di laurea specialistica
Autore
DESSI', SIMONA
URN
etd-05262009-102429
Titolo
Studio e sviluppo di un metodo automatico per la segmentazione e l’analisi quantitativa delle vie aeree da immagini TAC Polmonari
Dipartimento
INGEGNERIA
Corso di studi
INGEGNERIA BIOMEDICA
Relatori
Relatore Prof. Positano, Vincenzo
Relatore Dott. Chiappino, Dante
Relatore Ing. Della Latta, Daniele
Parole chiave
  • segmentazione
  • TAC polmonari
  • vie aeree
Data inizio appello
19/06/2009
Consultabilità
Non consultabile
Data di rilascio
19/06/2049
Riassunto
L’asma è una delle malattie respiratorie croniche più diffuse nel mondo, presente in tutti i paesi anche se con livelli molto variabili e la cui prevalenza è aumentata drasticamente negli ultimi anni a causa della convergenza di diversi fattori. E’ quindi di fondamentale importanza nella pratica clinica l’utilizzo di strumenti volti a monitorare il follow-up della malattia e l’efficacia dei trattamenti farmacologici proposti. Il presente lavoro di tesi, svolto in collaborazione con l’U.O.C. di Diagnostica per Immagini della Fondazione Toscana G. Monasterio presso l’Ospedale del Cuore di Massa, nasce dall’ esigenza di valutare in maniera quantitativa i cambiamenti strutturali a cui vanno incontro le vie aeree delle persone affette da asma bronchiale. Tali cambiamenti, denominati come “rimodellamento delle vie aeree”, causano inspessimento della parete bronchiale e bronco costrizione .
La Tomografia Computerizzata ( TC oppure CT, dall’inglese Computed Tomography ), risulta ad oggi una delle metodiche più valide per indagini sul torace e in particolare sul tratto respiratorio. Grazie ad essa, è stato possibile acquisire immagini 3D di porzioni corporee in formato digitale, aprendo così la strada a molteplici modalità di elaborazione delle stesse, come per esempio la segmentazione volumetrica. La segmentazione volumetrica nell' imaging medico è solitamente considerata una pratica di difficile implementazione a causa delle grosse dimensioni del dataset e alla complessità e variabilità dell' anatomia degli organi. Questo discorso può essere facilmente esteso anche alle vie aeree, dove l’implementazione di metodiche automatiche di segmentazione è auspicabile e, ultimamente, sempre più diffusa.
Sebbene l'estrazione delle vie aeree possa essere fatta manualmente da esperti, la complessità tridimensionale dell'albero bronchiale rende tale operazione laboriosa e 'time - consuming'. L' identificazione manuale di essa da parte di un esperto può richiedere più di 3 ore. Bisogna considerare infatti che con i recenti sviluppi della tecnologia multislice spiral CT, lo spessore di ogni fetta può essere inferiore a 1 mm e questo porta a dataset costituiti da più di 300 slice. Un' alternativa alle tecniche automatiche può essere costituita dalle tecniche semiautomatiche, ma la variabilità causata dall'interazione umana e il tempo necessario per attuarla ha reso auspicabile lo sviluppo di tecniche completamente automatiche.
Nonostante i miglioramenti nei sistemi di acquisizione ad alta risoluzione spaziale, l'identificazione dell'albero bronchiale da immagini 3D è ancora un problema impegnativo a causa anche delle limitazioni inerenti alla qualità di acquisizione della TAC.
Nel presente lavoro viene proposto un metodo automatico per l’estrazione delle vie aeree e per il calcolo dei parametri quantitativi, ovvero diametro del lume e spessore della parete, a partire da immagini TC polmonari.
E’ utile sottolineare che il metodo proposto può contemplare uno spettro più ampio di applicazioni cliniche, che va dall’ individuazione di masse tumorali all’interno del lume bronchiale sino al progetto di stent, come guida durante le operazioni chirurgiche.
Nel Capitolo 1 viene illustrata l’anatomia dell’ apparato respiratorio nell’uomo e della patologia dell’asma. Viene poi data una breve panoramica delle tipologie di farmaci per la cura dell’asma e infine viene fatta una trattazione sui principi fisici alla base della Tomografia computerizzata (TC), nonché sulle tecniche di formazione e ricostruzione delle immagini da essa derivanti.
Il Capitolo 2 riporta lo stato dell’arte della segmentazione dei bronchi e propone i risultati sull’implementazione dei metodi più utilizzati per questa metodica. Sono stati testati 4 differenti metodi, utilizzando come dataset un fantoccio costituito da una sacca di gel al cui interno sono stati inseriti dei tubi contenenti aria. Tali risultati, supportati da considerazioni di carattere morfologico, hanno condotto alla scelta e allo sviluppo del metodo ottimo.
Nel Capitolo 3 viene proposto un metodo per l’estrazione automatica delle vie aeree da immagini TC polmonari. L’algoritmo utilizza una segmentazione Region Growing con soglia, integrata da delle regole basate sulla conoscenza a priori del problema. Esso si articola in 4 fasi distinte: la segmentazione del lume del bronco, la ricerca dei piani assiali, la segmentazione della parete e il calcolo delle misure quantitative, ovvero il diametro e lo spessore della parete del bronco.
Nel Capitolo 4 vengono proposti i risultati sulla bontà del metodo proposto. A tale scopo, è stata confrontata la segmentazione ottenuta dal software con un Gold Standard. La metrica utilizzata è stata l’ overlapping area, valutata prima e dopo ottimizzazione, sia dell’algoritmo in sè, che dei parametri variabili in esso contenuti, come la grandezza della ROI, il numero di fette da considerare volta per volta per il calcolo delle statistiche dell’immagine e l’intervallo di tolleranza per la variazione della sezione del bronco da una fetta a quella successiva. Il valore dell’ overlapping area è passato da 0,72 prima dell’ottimizzazione a un valore di 0,92 con un’opportuna scelta dei parametri. I dati ottenuti con la versione finale del software sono stati confrontati con i dati del gold standard attraverso il metodo della regressione lineare, ottenendo un valore del coefficiente di determinazione pari a r2= 0,96 e attraverso il Bland- Altman plot Ottenendo una buona congruenza tra i dati.
Le considerazioni finali riguardano i tempi di calcolo e i limiti del metodo, supportati da alcuni esempi in cui l’ algoritmo ha individuato correttamente il bronco e altri in cui l’ algoritmo non ha funzionato correttamente.
File