Método de segmentação de Esclerose Múltipla em imagem de ressonância magnética usando Fuzzy Connectedness, binarização, morfologia matemática e reconstrução 3D

Imagem de Miniatura
Data
2020-09-23
Autores
Arruda, Andre Luiz Costa De [UNIFESP]
Orientadores
Moraes, Matheus Cardoso [UNIFESP]
Tipo
Dissertação de mestrado
Título da Revista
ISSN da Revista
Título de Volume
Resumo
Magnetic resonance imaging (MRI) is the most used medical modality for diagnosis and monitoring of Multiple Sclerosis (MS). A segmentation process is an important task to quantify lesion and its progression. However, manual segmentation of 3D images is tedious, time consuming and often not reproducible. The state of the art presents results with room for improvements. Consequently, a semiautomatic segmentation process is proposed and described in this study. The method consists on a 3D segmentation semiautomatic process for MS lesions in MRI. It initiates by firstly carried out a preprocessing stage; thus, contrast adjustment is applied to enhance sclerosis regions from other brain information. Secondly, a feature extraction block based on Fuzzy Connectedness is performed so as to isolate sclerosis lesions from other brain regions. Finally, 3D brain reconstruction is executed along with sclerosis to provide a useful 3D information. The robustness of this approach is demonstrated by high correlation between the results and their corresponding Gold Standard. The results were also obtained by computing parameters of accuracy of image segmentation, as well as Overlap Dice. The proposed method reached True Positive of 75.61%, False Positive of 16.37% and Dice of 78.23%. The method is corroborated by its high correlation between specialist and proposed approach outcome; additionally, with the 3D reconstruction of the lesion, a better monitoring of the disease is provided, the specialist can understand the patient's symptoms, thereby increasing the patient's quality of life.
Imagem de Ressonância Magnética (IRM) é o exame médico mais utilizado para diagnóstico e acompanhamento de Esclerose Múltipla (EM). O processo de segmentação dessas imagens é uma tarefa importante para quantificar e lesão e observar seu progresso. Entretanto, segmentação manual de um conjunto de imagens é demorado e muitas vezes não reprodutível. Estudos atuais apresentam resultados com características a serem melhoradas. Consequentemente, um método de segmentação semiautomático é proposto e descrito nesse estudo. O método consiste em um processo de segmentação semiautomático 3D de lesões de Esclerose Múltipla em IRM. Ele começa com uma etapa de pré-processamento, no qual é aplicado um ajuste de contraste para destacar regiões com EM de outras partes do encéfalo. A segunda etapa é um bloco de extração de características fundamentado em Fuzzy Connectedness (FC) que é realizado para isolar as lesões da doença de outras regiões do encéfalo. Finalmente, uma reconstrução em 3 dimensões é executada para visualizar os volumes do cérebro e das lesões de EM. A robustez desse método é demonstrada através da alta correlação entre os resultados obtidos e seus Gold Standard (GS). Os resultados foram obtidos mediante o cálculo dos parâmetros de acurácia de segmentação de imagem, assim como Overlap Dice. Esse estudo alcançou Verdadeiro Positivo de 75.61%, Falso Positivo de 16.37% e Dice de 78.23%. O Método é corroborado pela alta correlação entre a segmentação do especialista e o resultado obtido; adicionalmente, a reconstrução 3D da lesão no cérebro, permite melhor visualização e acompanhamento da doença. Assim, o especialista pode entender os sintomas do paciente, aumentando assim a qualidade de vida do paciente.
Descrição
Citação