ITPI20010023A1 - Metodo e apparecchiatura per l'inseguimento in tempo reale del contorno di oggetti su sequenze di immagini video - Google Patents

Description

Descrizione dell'invenzione industriale dal titolo: "METODO E APPARECCHIATURA PER L'INSEGUIMENTO IN TEMPO REALE DEL CONTORNO DI OGGETTI SU SEQUENZE DI IMMAGINI VIDEO"

DESCRIZIONE

Ambito dell'invenzione

La presente invenzione riguarda un metodo per l'inseguimento in tempo reale del contorno di oggetti in immagini video.

Più precisamente, l'invenzione si riferisce ad un metodo per l'inseguimento automatico del contorno di oggetti su sequenze di immagini video a livelli di grigio.

Le immagini da trattare possono essere di vario tipo. In particolare, ma non esclusivamente, esse sono immagini di un organo, ottenute con varie tecniche come ad esempio impulsi ultrasonici, PET, SPECT, CAT, MR, etc., le quali possono essere immagini anatomiche, o immagini di funzione, ottenute per mezzo di sequenze temporali di viste anatomiche di una zona particolare di un organo, o immagini di perfusione, ottenute sullo stesso organo dopo trattamento del paziente con sostanze che mettano in risalto la perfusione nell'organo. Le immagini bidimensionali possono dare luogo a immagini volumetriche se acquisite come sequenze spaziali di sezioni bidimensionali.

Descrizione della tecnica nota

L'analisi delle immagini, che sono spesso immagini a livelli di grigio, ricade normalmente nella ricerca del contorno degli oggetti rappresentati. Sebbene operatori esperti possono facilmente tracciare i contorni per mezzo di "digitizer tablet" o "mouse", essi non possono assicurare 1'oggettività dei contorni definiti manualmente e, quindi, l'attendibilità della loro analisi quantitativa. Inoltre, l'operazione di tracciamento manuale risulta lunga e noiosa, per cui non è conveniente portare a termine studi che richiedono l'analisi di un numero elevato di immagini. Per esempio, alcuni studi del ciclo cardiaco da ecocardiografia richiedono l'analisi di numerose sequenze di immagini prese da diversi punti di vista e conseguentemente, non possono essere eseguiti in una normale routine clinica.

È sentita quindi l'esigenza di procedure adeguate per delineare automaticamente i contorni e molti autori si sono occupati di quest'argomento come risulta dal grande numero di articoli presenti in letteratura. Normalmente, un algoritmo per il rilevamento del contorno richiede: 1) filtraggio delle immagini per mezzo di un operatore (edge operatori per evidenziare le discontinuità , in modo da fornire una mappa che metta in risalto le discontinuità tra i livelli di grigio delle diverse strutture, e 2) localizzazione dei punti del contorno cercato su tale mappa [1-3]. Seguendo quest'approccio, molti autori hanno affrontato il problema ed i suoi principali aspetti che possono essere sintetizzati come segue:

Ciascun fotogramma di una sequenza temporale o spaziale può essere elaborato o sfruttando i dati del singolo fotogramma o sfruttando anche i dati dei fotogrammi adiacenti;

- Nonostante il tempo impiegato e la soggettività di un intervento di un operatore umano, è possibile che un tale intervento sia comunque necessario per dare informazioni al riguardo della struttura che si desidera esaminare;

- una risoluzione ottimale per processare localmente ciascun punto dell'immagine non esiste. In generale, sono necessarie "maschere" piccole per risolvere i dettagli dell'immagine, mentre con "maschere" più grandi si ha un riconoscimento delle caratteristiche generali con riduzione della sensibilità al rumore.

- La necessità di avere una conoscenza a priori della forma globale degli oggetti presenti nella sequenza di immagini è un altro aspetto particolare del problema. Per esempio, anche se una medesima struttura anatomica mostra forme differenti in pazienti diversi, alcune caratteristiche morfologiche sono costanti.

- Nonostante la grande quantità di dati da trattare, l'intera procedura deve essere conclusa in un tempo ragionevole .

Per quanto riguarda il carico computazionale, si è ricercata una forte riduzione studiando nuovi edge operator. Gli operatori di discontinuità isotropi standard, come ad esempio il Laplaciano della Gaussiana (LoG) e l'ampiezza del gradiente della Gaussiana (GoG), sono ampiamente utilizzati nei processi di rilevamento del contorno per mettere in risalto le variazioni della luminanza delle immagini [3]. Uno dei vantaggi di utilizzare un operatore LoG è l'economia computazionale rispetto al calcolo o delle derivate direzionali o dell'ampiezza del GoG. Inoltre, è più semplice determinare lo "zero-crossing" delle immagini che sono state filtrate per mezzo del LoG piuttosto che localizzare i picchi della mappatura dell'ampiezza del GoG. Il LoG può essere approssimato da una differenza di Gaussiane (DoG) e di tutti i filtri lineari, il DoG è considerato il filtro più plausibile dal punto di vista biologico, dato che esso approssima al meglio la risposta impulsiva delle "ganglionar cells" della retina sia degli uomini che di altri mammiferi [1]. L'ampiezza del GoG, nonostante il suo costo computazionale aggiuntivo, è adottato da un ampio numero di autori, dato che è più robusto nei confronti del rumore rispetto al LoG [2] [4,5].

Ciononostante, gli "edge detector" standard che meglio risolvono le discontinuità monodimensionali non sono in grado dì risolvere con successo le discontinuità bidimensionali [5,6], nè sono adatti a risolvere profili di contorno che si scostano da quelli ideali [7-9]. Pertanto, molti autori hanno cercato di risolvere il problema di rilevare e analizzare queste particolari discontinuità [9-14].

In particolare, in [15] un filtro che può fornire creste in corrispondenza dei contorni e massimi locali delle creste in corrispondenza delle giunzioni e degli angoli è considerato essere la soluzione migliore del problema. Un filtro siffatto può essere ottenuto dalla generalizzazione del primo momento centrale assoluto. Questo filtro appartiene alla ampia classe di momenti che comprendono la media, la varianza, la "skewness" e la "kurtosis" [16].

Tuttavia, a differenza dei suddetti momenti, i momenti assoluti non sono stati studiati in passato a causa delle difficoltà matematiche introdotte dal calcolo del valore assoluto [17]. Il momento assoluto del primo ordine si è diffuso solo recentemente [17] con l'aumentare dell'importanza di avere una stima robusta dei dati [18].

Misure statistiche, come ad esempio la media, la varianza, la skewness e la kurtosis sono usate in letteratura per descrivere le caratteristiche spaziali di una regione dell'immagine [19,20]. La media è usata inoltre per ridurre il rumore anche se il suo uso è limitato ai casi dove la distribuzione del rumore si approssima bene con una distribuzione normale, dato che l'operazione di media non è robusta in presenza di un rumore che ha una distribuzione "heavy-tailed" [21]. Inoltre, il filtro media tende a rendere poco nitidi i bordi presenti nelle immagini. Un filtro che riduce il rumore e non presenta questi due svantaggi è il filtro mediana. La mediana e la deviazione media (primo momento centrale assoluto) sono largamente usate nella statistica robusta quando si considerano quei casi per cui il modello normale non sarebbe una buona approssimazione. Tuttavia, a differenza del filtro mediana che è largamente utilizzato in applicazioni di "image processing" [21], la deviazione media non è utilizzata in tale ambito.

Più in generale, pochi autori citano le proprietà di rilevamento dei contorni del momento centrale e del momento centrale assoluto [20] [22,23]. Tutti i momenti centrali di ordine dispari evidenziano le discontinuità dei livelli di grigio con uno "zero-crossing" mentre tutti i momenti assoluti centrali mettono in risalto le discontinuità dei livelli di grigio con una cresta. Tuttavia, di tutti i momenti centrali e momenti centrali assoluti, solo i momenti del primo ordine dovrebbero essere usati a tale scopo, dato che sono i momenti che involvono la potenza minore dei dati di ingresso. Momenti di ordine più elevato con potenze più elevate dei dati d'ingresso sono normalmente meno robusti contro il rumore [17].

È nota anche un'altra metodologia, ossia il Block Matching Algorithm (BMA) per la stima del moto di un oggetto. Il BMA assume che la distribuzione dei livelli di grigio di un blocco di pixel vari lentamente durante una sequenza di immagini. Secondo questo presupposto, è possibile localizzare automaticamente un oggetto in una sequenza di immagini cercando blocchi simili di pixel su ogni coppia di immagini consecutive. In US5.999.651, US6.137.913, e US5.946.041 il BMA è stato usato per la stima del moto di un particolare di un'immagine in due fotogrammi consecutivi. In particolare, in US5.999.651 è stato inizialmente calcolato il moto di un oggetto mediante un algoritmo predittivo, quindi il moto locale è stato stimato mediante un BMA modificato. Entrambi i brevetti US6.137.913 e US5.946.041 utilizzano il BMA per ottenere informazioni del moto del contorno in esame a partire da informazioni derivate dall'immagine precedente della sequenza.

Altri brevetti adottano metodi basati su algoritmi di soglia. Un esempio di ciò è descritto in US5.289.373, dove viene affrontato il problema di inseguire la guida di un catetere in tempo reale in immagini fluoroscopiche.

US 5.943.441 e US 5.862.245 forniscono un metodo per localizzare automaticamente un contorno in una singola immagine a partire da un dato punto. In US 5.943.441 il contorno è localizzato progressivamente trovando una sequenza di posizioni monodimensionali dove ogni posizione del contorno è determinata elaborando un set di pixel disposti lungo una linea immaginaria. In US 5.862.245 si usa un processo iterativo che deforma un contorno attivo fino a che non si individua un tratto del profilo del contorno reale. Tale tratto è quindi esteso mediante segmenti. Solo US 5.943.441 e US 5.289.373 introducono apparecchiature basate su circuiti personalizzati al fine di eseguire gli algoritmi in tempo reale. Gli altri brevetti citati non prevedono di ottenere prestazioni in tempo reale.

Sintesi dell'invenzione

È uno scopo della presente invenzione fornire un metodo per l'inseguimento in tempo reale del contorno in immagini video organizzate come una sequenza di fotogrammi successivi, come ad esempio una pluralità di sezioni parallele di un organo, che riduce l'intervento dell'operatore al solo tracciare un contorno approssimativo sul primo fotogramma della sequenza e che sfrutta il legame reciproco fra i dati di fotogrammi adiacenti usando i contorni definiti in un fotogramma precedente come contorno di partenza per il fotogramma successivo.

È un altro scopo della presente invenzione fornire un metodo per inseguire contorni su sequenze di immagini video in tempo reale che:

- sia matematicamente efficiente;

- sia basato su un operatore che è robusto nei confronti del rumore;

- non introduca forti vincoli sulla forma dell'oggetto; - possa essere usato per inseguire i contorni di oggetti rigidi in movimento nonché i contorni di oggetti deformabili in movimento.

È ancora un altro scopo della presente invenzione fornire un metodo di inseguimento del contorno su immagini video in cui:

- la sensibilità al rumore è ridotta senza perdita di precisione,

- per la localizzazione dei punti del contorno è possibile un approccio a risoluzione multipla;

- il carico computazionale è sensibilmente ridoa rispetto alla tecnica nota.

Secondo l'invenzione, questi scopi sono raggiunti da un metodo automatico di inseguimento del contorno su sequenze di immagini video a livelli di grigio che usa un nuovo "edge operator" definito come il baricentro della variabilità dei livelli di grigio.

Il metodo secondo l'invenzione prevede le fasi di: - Sul primo fotogramma della sequenza, tracciamento manuale o semi-automatico di un contorno di partenza che segue una discontinuità della mappa dei livelli di grigio dell'immagine, il contorno di partenza essendo definito dalla selezione di una pluralità di pixel;

- Calcolo del baricentro della variabilità dei livelli di grigio per ciascun pixel del contorno di partenza;

- Ripetizione per alcune iterazioni della fase precedente per ciascun baricentro, fino a convergenza ad un baricentro finale;

- Sostituzione di ciascun pixel del contorno di partenza con ciascun baricentro finale ottenendo così il contorno finale sul primo fotogramma;

- Uso del contorno finale di un fotogramma come contorno di partenza per il fotogramma seguente della sequenza e ripetizione delle fasi di cui sopra per ottenere il contorno finale sul fotogramma seguente.

La fase di calcolo del baricentro della variabilità dei livelli di grigio per ciascun pixel del contorno di partenza comprende le ulteriori fasi di:

- Definizione di due domini Θι e θθ ciascuno nell'intorno di un punto del contorno di partenza;

- associazione al primo dominio Θι di una prima funzione di peso wi e calcolo del valor medio μ della mappa dei livelli di grigio su θ1;

- associazione al secondo dominio 02 di una seconda funzione di peso w2 e calcolo su θ2 del primo momento centrale assoluto dove il valor medio considerato è il valor medio μ calcolato su 0i;

- calcolo di un vettore b sommando le differenze assolute tra il valor medio μ e i livelli di grigio dei pixel pi che appartengono a θ2 moltiplicati per il vettore che unisce pi al centro di θ2 e divisi per il primo momento centrale assoluto;

- associazione del punto indicato dal vettore b al baricentro della variabilità dei livelli di grigio che è un punto che è più vicino alla discontinuità di quanto lo sia il punto di partenza, indipendentemente dalla distanza tra quest'ultimo e la discontinuità.

Vantaggiosamente, le funzioni peso sono scelte tra funzioni Gaussiane.

Preferibilmente, come funzioni peso sono usate due funzioni Gaussiane che sono normalizzate su domini circolari aventi raggi pari al doppio dell'apertura delle Gaussiane, essendo adottata una configurazione σ1=1⁄2σ2 per localizzare iterativamente il baricentro della variabilità dei livelli di grigio.

Vantaggiosamente, la fase di sostituzione dei punti del contorno di partenza con i baricentri consente l'applicazione di vincoli aggiuntivi.

L'applicazione di vincoli aggiuntivi può comprendere la fase di definizione del contorno approssimato come una curva di interpolazione di N nodi predeterminati.

La curva è preferibilmente scelta tra: una linea poligonale o una funzione spline cubica.

Secondo un altro aspetto dell'invenzione, una apparecchiatura per l'inseguimento di contorni su immagini video organizzate come una seguenza di fotogrammi comprende una scheda DSP che interagisce con un Personal Computer, la scheda DSP catturando, elaborando e visualizzando i segnali video in tempo reale e interfacciandosi con il PC, l'apparecchiatura essendo caratterizzata nel tipo di operatore di discontinuità che il PC utilizza definito come il baricentro della variabilità dei livelli di grigio. La scheda DSP localizza il contorno dell'oggetto di interesse automaticamente usando come contorno approssimato di partenza il contorno determinato sul fotogramma precedente.

Le immagini trattate sono immagini anatomiche, di funzione o di perfusione di un organo, ottenute con tecniche di imaging idonee per il campo medicale scelte ad esempio tra: RX, angiografia, ultrasuoni, PET, SPECT, CAT, MR.

Nella apparecchiatura sono preferibilmente previsti due monitor per visualizzare la sequenza video e l'interfaccia utente, rispettivamente; un mouse e una tastiera disponibili come strumenti per l'interfaccia utente; due buffer di input in cui le immagini che giungono in ingresso sono immagazzinate in modo alternato Breve descrizione dei disegni

Ulteriori caratteristiche e vantaggi del metodo e della apparecchiatura secondo la presente invenzione, risulteranno più chiaramente dalla descrizione che segue di una loro forma realizzativa, fatta a titolo esemplificativo e non limitativo, con riferimento ai disegni annessi in cui:

- la figura 1 mostra un dominio circolare su un punto p e contenente una discontinuità nei livelli di grigio ad una distanza d;

- la figura 2 mostra un contorno approssimato di partenza Cs e il contorno finale Ci di un oggetto di interesse sul primo fotogramma di una sequenza di immagini;

- la figura 3 mostra le fasi di determinazione, a partire da immagini bidimensionali, del contorno di un organo; - la figura 4 mostra una vista schematica di una apparecchiatura per attuare l'invenzione comprendente un Personal Computer standard provvisto di una scheda DSP, nonché due monitor e l'interfaccia utente; un mouse e una tastiera sono disponibili come strumenti per l'interfaccia utente;

- la figura 5 mostra in un modo schematico il "data path" nella apparecchiatura di figura 4;

- la figura 6 mostra un diagramma a blocchi della apparecchiatura di figura 4 interfacciata ad un sistema ad ultrasuoni provvisto di una sonda transesofagea per registrare la sequenza di immagini dell'aorta;

- la figura 7 mostra un diagramma della architettura software residente nella apparecchiatura di figura 6;

- la figura 8 mostra i vettori del baricentro bi,j dei 2N+1 punti consecutivi presi attorno ai nodi Ki mediante i quali si ottengono i nodi del nuovo contorno che meglio approssima il contorno dell'aorta.

Descrizione di una forma realizzativa preferita In immagini mediche a livelli di grigio l'obiettivo e' quello di determinare le discontinuità, che sono spesso associate a pareti degli organi.

Per introdurre l'operatore matematico baricentro della variabilità dei livelli di grigio, secondo la presente invenzione, si consideri una mappa di livelli di grigio f (n,m) di un'immagine. Normalmente, in una mappa di livelli di grigio ciascun pixel può essere associato a 256 livelli di grigio, ossia da 0 a 255.

Il primo momento centrale assoluto utilizzato per determinare il baricentro della variabilità dei livelli di grigio è un filtro statistico che misura la variabilità dei livelli di grigio dell'immagine rispetto ad una media locale. Dato un punto p, la distribuzione spaziale della variabilità dei livelli di grigio rispetto alla media locale calcolata nel punto p può essere vista come una funzione di densità di massa che associa un valore di massa ad ogni pixel che circonda p. In tal caso, il primo momento centrale assoluto è la massa complessiva della variabilità dei livelli di grigio nel punto p. Il baricentro della variabilità dei livelli di grigio rispetto alla media locale può essere definito come un vettore b. Il vettore b, quando calcolato in un punto p vicino ad una discontinuità di livelli di grigio localizza un punto che è più vicino alla discontinuità di p, indipendentemente dalla distanza tra quest'ultimo e la discontinuità. Pertanto, la proprietà del baricentro della variabilità dei livelli di grigio è usata secondo l'invenzione per sviluppare una nuova procedura di inseguimento del contorno.

Se Θι e θ2 sono due domini circolari definiti come:

in cui Z rappresenta l'insieme di numeri interi, il valor medio di f (n,m) sul dominio circolare 0i ad un punto p = {n,m) è

in cui w(k, l , ri) è una funzione peso con somma unitaria sul dominio Θ1. Quindi, ogni pixel del dominio circolare 02 è associato a una massa h (p,k, l) in modo tale che:

in cui w (kf l , r2) è una funzione peso con somma unitaria sul dominio θ2 . La funzione h (p,k, l) rappresenta la distribuzione spaziale della variabilità dei livelli di grigio del dominio θ2 rispetto alla media locale fi (p) calcolata nel punto p. Il baricentro della funzione h (p,k, l) si calcola come:

in cui Γ è un vettore discreto con componenti (-k,-l).

Il vettore b unisce il punto p al baricentro p' della variabilità dei livelli di grigio del dominio θ2.

Con riferimento alla figura 1, se è presente una discontinuità nei livelli di grigio e un punto p è distante d dalla discontinuità come mostrato in Figura 1, se d<r2 e se viene scelta una corretta configurazione {w1,w2) dell'operatore, si ha che il baricentro p' della variabilità dei livelli di grigio è più vicino di p alla discontinuità indipendentemente dalla distanza d. Pertanto, il punto più vicino pi della discontinuità può essere localizzato mediante un calcolo iterativo del baricentro della variabilità dei livelli di grigio. Ad ogni nuova iterazione il punto di partenza è il baricentro determinato per mezzo della precedente iterazione. La procedura converge rapidamente e sono necessarie poche iterazioni per raggiungere la discontinuità. Il baricentro della variabilità dei livelli di grigio può essere quindi usato per localizzare una discontinuità a partire da un contorno approssimato.

Questo approccio è diverso dai metodi classici basati su operatori derivativi. I metodi classici localizzano la discontinuità ricercando massimi locali o "zero-crossing" in un intorno del contorno di partenza che, tuttavia, può essere piuttosto ampio. Secondo l'invenzione, il baricentro della variabilità dei livelli di grigio raggiunge la discontinuità in pochi "salti" e, di conseguenza, il costo computazionale del presente metodo è in generale minore di metodi basati su filtri derivativi.

Con riferimento alla figura 2, Cs è un contorno approssimato di partenza e C1 è il contorno dell'oggetto di interesse sul primo fotogramma di una sequenza di immagini. Se il baricentro della variabilità dei livelli di grigio si calcola in modo iterativo per ogni punto di Cs, allora tutti i punti di Cs si muovono al loro rispettivo punto più vicino di Ci. Una volta che Ci è calcolato, esso è usato come il contorno approssimato di partenza per calcolare C2 nel secondo fotogramma e così via. In conclusione, dato un contorno approssimato di partenza sul primo fotogramma di una sequenza video, l'operatore di discontinuità secondo l'invenzione può essere usato per inseguire automaticamente il contorno dell'oggetto di interesse attraverso tutta la sequenza.

Tuttavia, la procedura può richiedere alcuni vincoli aggiuntivi. Infatti, quando si calcola il baricentro della variabilità dei livelli di grigio in un punto dell'immagine, viene localizzato il punto più vicino della discontinuità più vicina. Se una seconda discontinuità è vicina all'oggetto, alcuni dei punti del contorno approssimato si possono muovere verso la seconda discontinuità invece di muoversi verso il contorno dell'oggetto in esame. Per superare questo errore di localizzazione, possono essere aggiunti vincoli aggiuntivi alla forma del contorno.

Per esempio, il contorno dell'oggetto è descritto come una curva interpolante N nodi K1 (quattro nodi in figura 8), dato che il numero di nodi e il tipo di interpolazione impone delle restrizioni sulla forma del contorno. In caso di necessità, tuttavia, possono essere aggiunti altri vincoli alla posizione e al movimento dei nodi.

Il metodo secondo l'invenzione, comprendente l'aggiunta di vincoli, è schematizzato in Figura 3:

- un contorno approssimato di partenza è tracciato manualmente o semi-automaticamente (2) sul primo fotogramma della sequenza (1);

- Quindi si calcola (3) il baricentro della variabilità dei livelli di grigio sui punti del contorno approssimato; - Vengono applicati i vincoli aggiuntivi (4) ottenendo così il contorno dell'oggetto;

- il contorno risultante è usato come un contorno approssimato di partenza per il fotogramma seguente (5) della sequenza.

Il costo computazionale della procedura è principalmente dovuto al calcolo iterativo del baricentro della variabilità dei livelli di grigio. Tuttavia, l'algoritmo e il numero di passi sono uguali per tutti i punti e ogni baricentro si calcola separatamente per ogni singolo punto del contorno. Pertanto, è possibile una efficiente implementazione in parallelo della procedura di inseguimento del contorno.

La procedura di inseguimento del contorno secondo l'invenzione viene eseguita in tempo reale in una apparecchiatura che è basata sull'interazione tra una scheda DSP e un Personal Computer. La scheda DSP fornisce le risorse necessarie a catturare, elaborare e visualizzare il segnale video in tempo reale mentre il PC opera come una interfaccia utente potente e flessibile. Questo tipo di architettura è completamente programmabile e fornisce una apparecchiatura versatile che può essere adattata a varie applicazioni di inseguimento del contorno.

Con riferimento alla figura 4, il blocco 11 è un Personal Computer standard provvisto di una scheda DSP. Due monitor 12 e 13 sono usati per visualizzare la sequenza video e l'interfaccia utente, rispettivamente. Un mouse 14 e una tastiera 15 sono disponibili come strumenti per l'interfaccia utente.

La figura 5 mostra il data path in modo schematico. L'apparecchiatura accetta segnali video standard 21 NTSC e PAL come segnale di input. Le immagini sono catturate (22) ed immagazzinate temporaneamente nella memoria della scheda DSP. Sono previsti due buffer 23 di input e le immagini che giungono in ingresso sono immagazzinate in modo alternato nei due buffer. Una volta che un fotogramma è interamente memorizzato, la scheda DSP 24 localizza il contorno dell'oggetto di interesse automaticamente usando come contorno approssimato di partenza il contorno determinato sul fotogramma precedente. Quindi, il contorno è graficamente sovrapposto al fotogramma ed i dati del fotogramma sono trasferiti all'hardware 25 per la visualizzazione delle immagini. Pertanto, quando il processo è avviato, il monitor 26 visualizza la sequenza delle immagini video con sovrapposto il contorno tracciato. I dati del contorno sono anche trasferiti in tempo reale dalla scheda DSP al PC 27 e il contorno è graficamente visualizzato in tempo reale sul monitor 28 che viene usato come un interfaccia utente.

Esempio

Il metodo secondo l'invenzione è stato usato per analizzare la variazione di area della sezione trasversale dell'aorta durante interventi farmacologici. L'aorta, registrata mediante ecocardiografia transoesofagea (TEE), è stata osservata prima e dopo iniezione endovenosa di 2 mg di Isosorbide Dinitrate. La vasodilatazione dovuta all'iniezione del Isosorbide Dinitrate fornisce importanti informazioni sulla meccanica vascolare. Il sistema proposto acguisisce il segnale video, consente all'operatore di tracciare un contorno approssimato di partenza dell'aorta sul primo fotogramma della sequenza, localizza i contorni dell'aorta su ogni successivo fotogramma della sequenza, calcola l'area della sezione trasversale dell'aorta, e visualizza sia i dati che le immagini in tempo reale.

L'apparato utilizzato nella apparecchiatura per l'acquisizione delle immagini dell'aorta è costituito da un sistema ecografico dotato di sonda transesofagea. La procedura di inseguimento del contorno basata sul baricentro della variabilità dei livelli di grigio è stata sviluppata sulla scheda TMS320C80 Software Development Board (SDB) della Texas Instruments.

La SDB è una scheda PCI progettata come uno strumento per lo sviluppo di applicazioni audio/video in tempo reale. Essa fornisce una interfaccia audio, risorse video per l'acquisizione e la visualizzazione fino a 30 fotogrammi/sec, memoria, e strumenti software per sviluppare codice sul 'C80. La SDB può comunicare con il Personal Computer per mezzo di un protocollo "clientserver". Il nucleo della SDB è il multiprocessore Texas Instruments TMS320C80 a singolo chip. Si tratta di un processore digitale di segnali ad alte prestazioni ed altamente integrato, studiato per essere utilizzato sia in image processing che per grafica bidimensionale e tridimensionale. È in grado di effettuare l'equivalente di 2 miliardi di operazioni RISC al secondo. La SDB comunica con il PC per ricevere comandi o per trasferire le coordinate dei punti del contorno calcolato.

Il segnale video di uscita del sistema ecografico è acquisito dalla SDB e convertito in immagini digitali con una risoluzione di 512X512 pixel e 8 bit per pixel. Quindi, la scheda TMS320C80 elabora l'immagine mediante un calcolo iterativo del baricentro della variabilità dei livelli di grigio in corrispondenza dei punti del contorno di partenza. Infine, il contorno calcolato viene sovrapposto all'immagine e contemporaneamente trasferito al PC tramite il bus PCI. L'immagine con il contorno sovrapposto è invece convertita in un segnale VGA che viene visualizzato sul monitor 31. Un interruttore seleziona il segnale video di uscita del sistema ecografico oppure il segnale video di uscita della scheda SDB come segnale di ingresso per il monitor VGA in funzione dell'utilizzazione: applicazioni cliniche standard o studi vascolari condotti durante interventi farmacologici. Inoltre, una volta che il contorno calcolato è stato trasferito al PC, opportune procedure calcolano e visualizzano graficamente le variazioni di area della sezione trasversale dell'aorta.

Il sistema può essere suddiviso in due unità operative separate nelle quali vengono eseguite simultaneamente due procedure distinte: la procedura di localizzazione del contorno (CLP) che viene eseguita sulla SDB e la procedura di interfaccia con l'utente (UIP) che viene eseguita sul PC. All'avvio il PC carica il software sulla 3DB ed inizializza tutti i parametri ai valori di default. Quando il sistema è in stato di esecuzione la UIP controlla quale dei seguenti eventi si verifica:

Command. Si ha quando l'utente interagisce con il sistema per tracciare un nuovo contorno di partenza, per fissare nuovi parametri, per cancellare un contorno sbagliato o per avviare o per interrompere la procedura di localizzazione. In tal caso la UIP comunica i dati dell'utente, i parametri ed i comandi alla SDB. Sono disponibili le seguenti funzioni : tracciamento manuale del contorno approssimato di partenza, cancellazione del contorno approssimato di partenza, localizzazione/non localizzazione del contorno, visualizzazione del grafico delle variazioni dell'area trasversale, visualizzazione del grafico delle variazioni dei diametro, e memorizzazione dei dati inseriti (contorni, aree e diametri) .

Contour. Si ha quando la SDB invia il contorno calcolato al PC. In tal caso la UIP esegue le seguenti fasi: visualizzazione del contorno, calcolo dell'area trasversale e del diametro, e stampa del grafico dei valori del diametro e dell'area.

Dopo l' inizializzazione la SDB esegue il CLP che verifica il verificarsi di uno dei seguenti eventi:

New fraine. Si ha quando il sistema acquisisce una nuova immagine digitale. In tal caso il CLP localizza il nuovo contorno dell'aorta a partire dal contorno dell'aorta determinato sulla immagine precedente ed invia il nuovo contorno al PC.

Command. Si ha quando il UIP invia comandi e/o dati alla SDB. In tal caso il CLP esegue i comandi ricevuti dall'utilizzatore .

La procedura è stata valutata quantitativamente calcolando la retta di regressione dell'area della sezione trasversale dell'aorta rilevata dal sistema in funzione di quella fornita da un esperto. Sono stati usati 20 studi farmacologici con immagini di diversa qualità. Di ogni studio sono stati analizzati 30 secondi, durante i quali l'area della sezione trasversale dell'aorta è stata valutata automaticamente sia in condizioni basali che dopo iniezione per vasodilatazione. Quindi, i contorni dell'aorta sono stati tracciati manualmente su 25 fotogrammi consecutivi di ogni studio usando gli strumenti del sistema ecografico. Quindi, le aree della sezione trasversale dell'aorta ottenute da questi contorni sono state confrontate con le aree delle sezione trasversale fornite dalla procedura automatica sugli stessi fotogrammi.

Se i è un indice che varia tra 1 e Q e j è un indice che varia tra 1 e 2N+1, il contorno di partenza è stato approssimato con una funzione spline interpolante Q nodi e sono stati scelti 2N punti equidistanti tra ciascuna copia di nodi adiacenti come mostrato in Figura 8. Successivamente, sono stati calcolati i vettori bi,j dei 2N+1 punti consecutivi presi intorno a ciascun nodo Ki. Quindi, sono stati calcolati i valori medi bi dei 2N+1 vettori bi,j e associati ai rispettivi nodi Ki. Una volta che i vettori bi sono stati determinati, essi determinano i nodi di un nuovo contorno che approssima meglio il contorno dell'aorta cercato. La procedura è stata ripetuta in modo iterativo e il contorno finale è stato localizzato dopo tre iterazioni. È stata usata una funzione spline cubica interpolante 4 nodi equidistanti e un valore di N pari a 2.

Per le funzioni peso w(k, l , ri) sono state usate due Funzioni Gaussiane g (k, l , σ i) . Le Funzioni Gaussiane sono state normalizzate su due domini circolari aventi un raggio pari al doppio del valore dell'apertura delle Gaussiane (r1=2σi) ed è stata adottata una configurazione σ1 =1⁄2σ2 per localizzare iterativamente il baricentro della variabilità dei livelli di grigio.

L'analisi della regressione lineare mostra una buona correlazione tra le aree delle sezione trasversale dell'aorta che sono derivate da contorni tracciati manualmente e le aree delle sezione trasversali fornite dalla procedura automatica sui medesimi fotogrammi: il parametro "slope" varia tra 0.95 e 0.98, il parametro "intercept" varia tra 9.275 e 12.221, il coefficiente di regressione varia tra 0.94 e 0.98. Nel caso in cui o il numero dei nodi o il valore di N aumenti, le prestazioni della procedura non aumentano in modo significativo. Il sistema dà errore solo nel caso di movimenti bruschi della finestra a ultrasuoni e nel caso di immagini ecocardiografiche non corrette.

I risultati sperimentali mostrano che la procedura secondo 1'invenzione è più robusta nei confronti del rumore rispetto alle procedure basate su operatori di edge detecion standard come ad esempio il GoG e il LoG. Inoltre, il costo computazionale delle procedure basate sul calcolo del baricentro della variabilità dei livelli di grigio è minore rispetto a metodi che utilizzano filtri GoG o DoG.

La descrizione di cui sopra di una forma esecutiva specifica è in grado di mostrare l'invenzione dal punto di vista concettuale in modo che altri, utilizzando la tecnica nota, potranno modificare e/o adattare in varie applicazioni tale forma esecutiva specifica senza ulteriori ricerche e senza allontanarsi dal concetto inventivo, e, quindi, si intende che tali adattamenti e modifiche saranno considerabili come equivalenti della forma esecutiva esemplificata. I mezzi e i materiali per realizzare le varie funzioni descritte potranno essere di varia natura senza per questo uscire dall'ambito dell'invenzione. Si intende che le espressioni o la terminologia utilizzate hanno scopo puramente descrittivo e per questo non limitativo.

Claims (13)

1. RIVENDICAZIONI 1. Metodo per inseguire contorni su sequenze di immagini video organizzate come una successione di fotogrammi a livelli di grigio, caratterizzato dal fatto che viene utilizzato un operatore di discontinuità definito come il baricentro della variabilità dei livelli di grigio.
2. 2. Metodo secondo la rivendicazione 1 caratterizzato dal fatto che esso comprende le fasi di: - Su un primo fotogramma della sequenza, tracciamento manuale o semi-automatico di un contorno di partenza (Cs) che segue una discontinuità sulla mappa dei livelli di grigio f(n,m) di un'immagine, detto contorno di partenza (Cs) essendo definito dalla selezione di una pluralità di pixel; - Calcolo del baricentro (ρ') della variabilità dei livelli di grigio per ciascun pixel (p) di detto contorno di partenza (Cs); - Ripetizione per alcune iterazioni delle fasi precedenti per ciascun baricentro (ρ' ) fino a convergenza ad un baricentro finale (pi); - Sostituzione dei punti (p) di detto contorno dì partenza con detti baricentri finali (pi) ottenendo così il contorno finale (Ci) sul primo fotogramma; - uso di detto contorno finale e ogni successivo contorno finale come contorno di partenza (Ci_1) sul fotogramma seguente (i) della sequenza e ripetizione delle fasi di cui sopra per ottenere il contorno finale (Ci) sul fotogramma seguente.
3. 3. Metodo secondo la rivendicazione 2 caratterizzato dal fatto che detta fase di calcolo del baricentro (ρ', pi) della variabilità dei livelli di grigio per ciascun pixel (p) di detto contorno di partenza (Cs) comprende le ulteriori fasi di: - definizione di due domini Θι e 02 nell'intorno del punto p del contorno di partenza; - associazione al dominio Θχ di una funzione peso wi e calcolo del valor medio μ della mappa a livelli di grigio su Θι; - associazione al dominio θ2 di una funzione peso w2 e calcolo su θ2 del primo momento centrale assoluto dove il valor medio considerato è il valor medio μ calcolato su 0i; - calcolo di un vettore b sommando le differenze assolute tra il valor medio μ e i livelli di grigio dei pixel pi che appartengono a θ2 moltiplicati per il vettore che unisce pi al centro p di θ2 e divisi per il primo momento centrale assoluto; - associazione del punto indicato dal vettore b al baricentro della variabilità dei livelli di grigio che è un punto più vicino alla discontinuità di quanto lo sia il punto di partenza, indipendentemente dalla distanza tra quest'ultimo e la discontinuità.
4. 4. Metodo secondo la rivendicazione 3 caratterizzato dal fatto che, dette funzioni peso (w) sono preferibilmente scelta tra Funzioni Gaussiane (g).
5. 5. Metodo secondo la rivendicazione 4 caratterizzato dal fatto che, come funzioni peso sono usate due funzioni Gaussiane che sono normalizzate su domini circolari aventi un raggio che è pari al doppio del grado di apertura delle Gaussiane { ri=2σi) , essendo adottata una configurazione per localizzare iterativamente detto baricentro della variabilità dei livelli di grigio.
6. 6. Metodo secondo la rivendicazione 3 caratterizzato dal fatto che, detta fase di sostituzione di detti punti (p) di detto contorno di partenza (Cs) con detti baricentri (ρ', pi) consente l'applicazione di vincoli aggiuntivi.
7. 7. Metodo secondo la rivendicazione 6 caratterizzato dal fatto che, detta applicazione di vincoli aggiuntivi comprende la fase di definizione del contorno approssimato come una curva interpolante N nodi predeterminati (Ki).
8. 8. Metodo secondo la rivendicazione 7 caratterizzato dal fatto che, detta curva è preferibilmente scelta tra: una linea poligonale e una funzione spline cubica.
9. 9. Metodo secondo la rivendicazione 7 caratterizzato dal fatto che, dette immagini sono immagini anatomiche, di funzione o di perfusione di un organo, ottenute con tecniche di imaging idonee per il campo medicale scelte tra: RX, angiografia, ultrasuoni, PET, SPECT, CAT, MR.
10. 10.Una apparecchiatura per l'inseguimento del contorno su immagini video organizzate come una sequenza di fotogrammi comprendente una scheda DSP che interagisce con un Personal Computer, detto DSP acquisendo, elaborando e visualizzando i segnali video in tempo reale e interfacciandosi con detto PC, caratterizzato dal fatto che detta apparecchiatura utilizza un operatore di discontinuità definito come il baricentro della variabilità dei livelli di grigio.
11. 11.Apparecchiatura secondo la rivendicazione 10, in cui detto operatore di discontinuità è implementato in detta apparecchiatura secondo le rivendicazioni da 2 a 9.
12. 12.Apparecchiatura secondo la rivendicazione 10, caratterizzata dal fatto che sono previsti: - due monitor per visualizzare la sequenza video e l'interfaccia utente, rispettivamente; - un mouse e una tastiera disponibili come strumenti per l'interfaccia utente; - due buffer di input in cui le immagini che giungono in ingresso sono immagazzinate in modo alternato
13. 13. Apparecchiatura secondo la rivendicazione 10, caratterizzata dal fatto che detta scheda DSP localizza il contorno dell'oggetto di interesse automaticamente usando come contorno approssimato di partenza il contorno determinato sul fotogramma precedente.