BR112019011375A2

BR112019011375A2 - método para segmentar um objeto 3d em uma imagem de radiação médica

Info

Publication number: BR112019011375A2
Application number: BR112019011375A
Authority: BR
Inventors: Ouji Asma
Original assignee: Agfa Healthcare
Priority date: 2016-12-13
Filing date: 2017-12-01
Publication date: 2019-10-15
Also published as: WO2018108569A1; EP3555852B1; EP3555852A1; US10902603B2; CN110050293A; US20200074636A1; BR112019011375A8

Abstract

com base na entrada de usuário um conjunto de pontos de contorno do objeto em 3d é detectado em um número de imagens de fatias em 2d que representam o objeto 3d. em seguida um objeto 2d é segmentado em cada uma das imagens de fatia por meio do conjunto de pontos de contorno de modo a serem obtidas máscaras de segmentação. finalmente por meio de interpolação entre máscaras de segmentação computadas, o objeto em 3d é segmentado.

Description

MÉTODO PARA SEGMENTAR UM OBJETO 3D EM UMA IMAGEM DE RADIAÇÃO MÉDICA

CAMPO DA INVENÇÃO [001] Refere-se a presente invenção a um método para segmentar um objeto em 3D em uma imagem de radiação médica tal como uma tomografia computadorizada (CT) ou uma imagem de ressonância magnética.

[002] Objetos tipicos que necessitam de ser segmentados em uma imagem são pequenos órgãos (por exemplo, rins) e tumores (por exemplo, tumor cerebral, tumor do figado, e outros assemelhados).

[003] A invenção é valiosa para diagnóstico, avaliação médica e acompanhamento. É realmente importante segmentar um tumor ou um órgão para medir seu tamanho e compará-lo com as medições anteriores ao longo do tempo. Também é importante segmentar esses objetos para melhor visualizar e analisar sua forma e aspectos morfológicos.

ANTECEDENTES DA INVENÇÃO [004] Conhecem-se na técnica métodos para a segmentação de objetos em imagens em 3D.

[005] Já se descreveram várias ferramentas de segmentação para órgãos dedicados ou tumores específicos.

[006] Com relação aos tumores cerebrais, a seguinte publicação descreve um método de segmentação: 3D brain tumor segmentation in multimodal MR images based on learning population- and patient-specific feature sets by Jun Jiang, Yao Wu, Meiyan Huang,Wei Yang,Wufan Chen,Qianjin Feng, in Computerized Medical Imaging and Graphics Volume 37, Issues 7-8, October-December 2013, Pages 512-521.

[007] Outra publicação refere-se à

Petição 870190051687, de 03/06/2019, pág. 4/21

2/9 segmentação de tumores do fígado: 3D Fuzzy Liver Tumor

Segmentation	by	Pawel Badura and	Ewa Pietka	in Information
Technologies	in	Biomedicine, Volume 7339	of the series
Lecture Notes	in	Computer	Science	pp 47-57.
[008]	Ainda	outra	publicação	refere-se	à
segmentação	de	nódulos	pulmonares: Segmentation	of

pulmonary nodules in computed tomography using a regression neural network approach and its application to the Lung Image Database Consortium and Image Database Resource Initiative dataset por Temesguen Messay, Russell C. Hardie and Timothy R. Tuinstra, Medical Image Analysis, Volume 22, Issue 1, May 2015, Pages 48-62.

[009] Não obstante, são bastante raras ferramentas genéricas capazes de segmentar qualquer objeto dentro de uma reconstrução do corpo em 3D.

[0010] Existem algumas ferramentas de segmentação genérica semi-automáticas, tais como o produtor regional descrito no pedido de patente européia da Agfa HealthCare's EP 3063735 publicado em 7 de setembro de 2016.

[0011] A maior parte destas ferramentas é dedicada a tipos de objetos específicos.

[0012] Além disso, de um modo geral esses métodos exigem muita interação por parte do usuário.

[0013] A interação por parte do usuário pode conduzir a resultados imprecisos, uma vez que o usuário pode não ser útil o suficiente para executar operações de segmentação muito precisas.

[0014] Constitui um aspecto da presente invenção proporcionar um método aperfeiçoado para segmentar um objeto em 3D em uma imagem de radiação médica que supera

Petição 870190051687, de 03/06/2019, pág. 5/21

3/9 as desvantagens mencionadas anteriormente neste contexto.

SUMÁRIO DA INVENÇÃO [0015] Os aspectos mencionados anteriormente no presente caso são realizados por meio de um método tal como se encontra estabelecido na reivindicação 1.

[0016] Aspectos específicos para concretizações preferidas da invenção encontram-se estabelecidos nas reivindicações dependentes.

	[0017]	Outras vantagens e concretizações	da
presente	invenção	tornar-se-ão evidentes a partir	da
descrição	seguinte	e desenhos em anexo.
	[0018]	0 método da invenção compreende de	um

modo geral as seguintes etapas:

1.	Com	base na	interação	do usuário, o
contorno do	obj eto	é detectado	em várias	imagens de fatia

2D selecionadas a partir de uma representação de fatia de uma imagem de radiação em 3D que compreende o objeto em 3D,

2. Em cada uma destas fatias uma mascara de segmentação de objeto em 2D é gerada com base nos pontos de contorno resultantes da etapa anterior,

3. Finalmente, as mascaras de segmentação geradas são submetidas a interpelação de modo a gerar um volume em 3D segmentado.

[0019] O método proposto requer interação por parte do usuário limitada e intuitiva. Apenas alguns poucos contornos têm de ser desenhados pelo usuário, as outras etapas são executadas automaticamente aplicando-se o processamento de imagem às imagens de fatia 2D que constituem o volume em 3D.

[0020] De um modo geral a presente invenção é

Petição 870190051687, de 03/06/2019, pág. 6/21

4/9 [0021] concretizada na forma de um produto de programa de computador adaptado para realizar as etapas de processo da presente invenção quando executadas em um computador combinado com interação de usuário para definir alguns dos pontos de semente necessários. O produto de programa de computador é comumente armazenado em um meio de transporte capaz de ser lido por computador, tal como um DVD. De forma alternativa, o produto de programa de computador toma a forma de um sinal elétrico e pode ser comunicado a um usuário por meio de comunicação eletrônica.

DESCRIÇÃO BREVE DOS DESENHOS [0022] A Figura 1 mostra a detecção de contorno com base na entrada de usuário de uma imagem de 2D. A Figura la mostra um contorno traçado por um usuário.

[0023] A Figura 1b mostra que o contorno é ajustado automaticamente.

[0024] A Figura 2 mostra uma interpelação de máscara de 3D a partir de máscaras de 2D.

[0025] Na figura à esquerda, são mostradas

máscaras	de 2D nas vistas axial e sagital.	Na foto	à
direita,	está ilust	rada uma máscara em 3D.
	DESCRIÇÃO	DETALHADA DA INVENÇÃO
	[0026]	As imagens de radiação	de	obj etos	em
3D são tipicamente	geradas pela aplicação	de	técnicas	de
gravação	de imagens, tais como Computer	Tomography	or
Magnetic	Resonance	Imaging.
	[0027]	A representação da	imagem médica

gerada por meio dessas técnicas é um número de imagens de fatia 2D (também chamadas de planos) obtidas pela digitalização do objeto.

Petição 870190051687, de 03/06/2019, pág. 7/21

5/9 [0028] Na formação de imagens de tomografia computadorizada (CT), as imagens de fatia são geradas expondo o objeto e gravando imagens sob diferentes ângulos, de modo a produzir imagens transversais (tomográficas) (fatias virtuais) de áreas especificas de um objeto

digitalizado.	de imagem de RM,	os
[0029]	Na	formação
resultados formam	uma	exposição	que também são imagens	de
fatia.
[0030]	A	radiação	usada para formação	de

imagens pode, portanto, ser de diferentes tipos, tais como raios X, ondas de rádio e outros assemelhados.

[0031] A invenção é de um modo geral aplicável a técnicas de imagens de 3D que produzem imagens de fatia. A entrada para o método da presente invenção é compreendida por um conjunto de imagens de fatia, pelo menos duas, de uma representação de imagem 3D de um objeto.

[0032] Normalmente, essas imagens de fatia não apenas compreendem o objeto, mas também incluem pixels ao redor do objeto. Um processo de segmentação para separar o objeto do restante da imagem é desejado para algumas aplicações, tais como diagnóstico, avaliação médica e acompanhamento.

[0033] A fim de executar o método de segmentação da presente invenção, o usuário realiza uma primeira e única ação na exibição de um número de imagens de fatias fora da representação de imagem adquirida da imagem de 3D. Esta etapa é a única interativa (a única etapa que requer interação do usuário) . Os resultados da ação do usuário são introduzidos em um dispositivo de

Petição 870190051687, de 03/06/2019, pág. 8/21

6/9 processamento de imagem que executa uma aplicação de software do método da presente invenção, tal como se encontra exposto mais adiante.

[0034] Em uma primeira etapa, as imagens da fatia que serão consideradas serão exibidas em um monitor.

[0035] O usuário traça alguns contornos grosseiros (Figura l.a) em torno do objeto (tumor, órgão, ou outro assemelhado) a serem segmentados. Os contornos são traçados nas imagens de fatia 2D exibidas (planos).

[0036] Em seguida, cada contorno é ajustado automaticamente para se ajustar ao contorno do objeto. (Figura 1.b).

[0037] O contorno é detectado procurando-se um gradiente máximo na vizinhança dos pixels de entrada calculando-se a magnitude da imagem gradiente e selecionando-se os seus valores máximos em uma sub-região que circunda os pontos de entrada do usuário (o tamanho da região está descrito na concretização).

[0038] Também pode ser usado um Canny Edge Detector para este propósito, mas ele é mais demorado. Um exemplo no qual é utilizado um Canny Edge Detector encontra-se descrito na seção da concretização detalhada.

SEGMENTAÇÃO DA IMAGEM 2D [0039] Para cada plano onde foi traçado um contorno, todos os pixels dentro do contorno são considerados parte do objeto.

[0040] Todos os pixels fora do contorno no mesmo plano são considerados fora do objeto (por exemplo, na Figura 2, imagens do lado esquerdo, pixels listrados nos planos axial e sagital fazem parte da máscara de

Petição 870190051687, de 03/06/2019, pág. 9/21

Ί/°>

segmentação e os pixels restantes estão situados fora

dela).	[0041]	Deste modo, cada pixel dentro	de	um
plano	onde foi	traçado um contorno é atribuído a	um	dos
tipos:	dentro do	objeto ou fora do mesmo.
	INTERPOLAÇÃO DA MÁSCARA 3D
	[0042]	0 algoritmo de interpolação	é

alimentado com os pixels de entrada / saida das máscaras de segmentação criadas na etapa anterior.

[0043] O algoritmo de interpolação podería ser, por exemplo, um caminhante aleatório (Random Walker) (Ref. L. Grady: Random Walks for Image Segmentation, IEEE Trans, on Pattern Analysis and Machine Intelligence, Vol. 28, No. 11, pp. 1768-1783, Nov., 2006.), gerador de região, casco convexo ou limiar de mapa de distância.

CONCRETIZAÇÃO DETALHADA [0044] O usuário traça uns poucos contornos, tipicamente dois (ou mais se necessários) contornos em duas fatias paralelas, ou três contornos em três planos perpendiculares (axial, coronal e sagital, por exemplo).

[0045] Cada contorno é ajustado em tempo real (enquanto é traçado), no mesmo plano (imagem) sobre o qual é traçado, usando-se o detector Canny Edge (Ref. Canny, J., A Abordagem Computacional à Detecção de Arestas, IEEE Trans. Pattern Analysis e Machine Intelligence, 8 (6): 679698, 1986) da seguinte maneira:

[0046] Inicialmente (quando o usuário começa a traçar o contorno), o detector Canny Edge é computado localmente na proximidade do pixel de entrada (em uma janela 32x32 em torno do pixel).

Petição 870190051687, de 03/06/2019, pág. 10/21

8/9 [0047] O primeiro ponto de contorno ajustado é o mais próximo entre as arestas detectadas para o ponto de entrada.

[0048] Os próximos pixels são calculados de forma semelhante a partir do último ponto computado de cada vez, isto é, Canny Edges são computados localmente na vizinhança do último ponto de contorno ajustado, e o próximo ponto ajustado é o mais próximo do último ponto computado entre os pontos de borda detectados. O algoritmo pára quando o contorno está fechado.

[0049] Quando todos os contornos estiverem concluídos, a segmentação da imagem em 2D é executada da seguinte forma:

[0050] Para cada plano em que foi traçado um contorno, cada pixel é classificado como dentro ou fora do objeto de segmentação final. Pertence ao objeto de segmentação se ele estiver circundado por pontos de contorno e, fora dele, de outra forma. Os pixels internos e externos serão usados pela próxima etapa de segmentação 3D.

[0051] A segmentação de 3D consiste de duas etapas principais:

[0052] Calcular o casco convexo 3D (Ref. Preparata, Shamos, Computational Geometry, Chapter Convex Hulls: Basic Algorithms) contendo todos os pixels classificados como dentro do objeto de segmentação na etapa anterior.

[0053] A máscara de casco convexa é refinada para produzir a máscara de segmentação final, usando-se o seguinte algoritmo de refinamento de casco convexo.

Petição 870190051687, de 03/06/2019, pág. 11/21

9/9

ALGORITMO DE REFINAMENTO DE CASCO CONVEXO [0054] As etapas a seguir são repetidas iterativamente até que sejam processados todos os pixels dentro da máscara de casco convexa.

[0055] l)Encontrar todos os voxels no casco convexo ainda não classificados e adjacentes a pelo menos um voxel já classificado (dentro ou fora do voxel).

[0056] Seja V o conjunto desses voxels candidatos [0057] 2)Cada voxel v em V é classificado como dentro/fora no objeto final de segmentação da seguinte forma:

[0058] a. Se o número de voxels adjacentes e do voxels já classificados for exatamente um, então v obtém o mesmo tipo que este vizinho;

[0059] b. Caso contrário, v obtém o tipo do vizinho com o valor de intensidade mais semelhante.

[0060] 3) Se todos os voxels na máscara de casco convexo forem classificados, o algoritmo termina; caso contrário, segue para a etapa 1).

Claims

REIVINDICAÇÕES

-1) encontrar um conjunto V de voxels candidatos, sendo todos os voxels no casco convexo ainda não

Petição 870190051687, de 03/06/2019, pág. 13/21

2/2 classificados como dentro ou fora e adjacentes a pelo menos um voxel já classificado como dentro ou fora,

-2) classificar cada voxel v em V dentro ou fora do objeto de segmentação final como se segue:

- se o número de voxels adjacentes e já classificados for exatamente um, então v terá o mesmo tipo que este vizinho;

- de outro modo v obtém o tipo de um vizinho com o valor de intensidade que mais se assemelha,

-3) se todos os voxels na máscara de casco convexo forem classificados, finalizar o algoritmo; caso contrário, seguir para a etapa 1.

1. Método para segmentar um objeto 3D em uma imagem de radiação médica representada por um número de imagens de fatia 2D que compreende as etapas de:

a) exibir pelo menos duas das ditas imagens de fatia,

b) traçar manualmente uma linha de contorno delineando uma região de interesse pertencente ao dito objeto 3D nas imagens de fatias 2D exibidas,

c) alimentar pixels da linha de contorno traçada em um dispositivo de processamento de sinal executando um algoritmo de ajuste e ajustando a linha de contorno traçada ao objeto aplicando-se o referido algoritmo de ajuste aos ditos pixels,

d) gerar máscaras de segmentação por meio da segmentação, em cada uma das imagens da referida fatia, um objeto 2D baseado em pixels do contorno ajustado computado na etapa 3,

e) executar interpelação nas referidas máscaras de segmentação de modo a gerar um objeto 3D segmentado, em que a interpelação nas máscaras de segmentação é executada por meio de calcular o casco convexo 3D que contém todos os pixels classificados dentro do objeto na máscara de segmentação, e

- refinar o dito casco convexo para produzir uma máscara de segmentação final realizando iterativamente as seguintes etapas dentro da máscara de casco convexa
2. Método de acordo com a reivindicação 1, em que o referido algoritmo de ajuste é baseado em um algoritmo Canny Edge Detector.