ISBN 978-84-09-16707-4 Ac as del XXXVII Cong eso Anual de la Sociedad Española de Ingenie ía Biomédica, pages 13–16
San ande , España, 27 al 29 de no iemb e, 2019
Segmen ación de hueso, músculo y g asa en olúmenes TAC
median e elajación con exa
J. A. Pé ez-Ca asco, C. Se ano, B. Acha
Dp o de Teo ía de la Señal y Comunicaciones, Uni e sidad de Se illa, Camino de los
Descub imien os, s/n. 41092, Se illa España, {jpe ez2, bacha, cse ano}@us.es
Resumen
La segmen ación de ejido óseo, g aso y muscula en olúmenes
TAC es de in e és especial pa a ci ujanos y adiólogos en el
diagnós ico de algunas en e medades y en plani icación
qui ú gica. Es os ejidos son muy di íciles de delinea debido a
la p esencia de múl iples y di e en es es uc u as y a la simili ud
de alo es de Houns ield con los ó ganos ci cundan es.
En es e a ículo se mues a un algo i mo au omá ico pa a
implemen a la segmen ación de hueso, músculo y ejido adiposo.
La segmen ación se lle a a cabo minimizando una unción de
ene gía median e elajación con exa. En abajos p e ios con
es a écnica solo se habían conside ado dos e ique as (hueso y
músculo) y los mé odos enían g andes p oblemas pa a
segmen a con p ecisión el músculo esquelé ico debido a la
p esencia de ó ganos in e nos con alo es Houns ield muy
simila es a los del ejido muscula . En es e abajo se ha incluído
el conocimien o p e io sob e la dis ibución del músculo
esquelé ico en los olúmenes de TAC abdominal, o ácico y pel is
median e la inclusión de una ans o mación de dis ancia bina ia
en el cálculo de los é minos de cos e. Pa a e alua el
endimien o del algo i mo se ha u ilizado una base de da os
pública y se han ob enido di e en es mé icas, como DICE,
Jacca d, sensibilidad y exac i ud pa a e alua el endimien o del
algo i mo. La écnica se ha compa ado con una implemen ación
an e io de dos e ique as, con écnicas de le el-se s y con
umb alización. El algo i mo p opues o supe ó a los o os
mé odos en odas las mé icas conside adas.
1. Mo i ación
En es e a ículo se desc ibe un algo i mo au omá ico que
implemen a la segmen ación de hueso, g asa y músculo
esquelé ico. La segmen ación de dichos ejidos es de
especial in e és pa a ci ujanos y adiólogos en mul i ud de
aplicaciones di e en es: plani icación qui ú gica,
localización de ac u as, diagnós ico de algunas
en e medades que al e an la densidad ósea ( euma, a i is,
os eopo osis), análisis de la composición co po al, e c. La
segmen ación de es os ejidos es muy cos osa
compu acionalmen e debido a la g an can idad de da os
(especialmen e en olúmenes TAC) y a la simili ud en
é minos de alo es de Houns ield de es as es uc u as
en e ellas mismas y con o os ó ganos ci cundan es.
Muchos au o es han p opues o di e en es écnicas pa a
segmen a ales es uc u as [1-9]. Po ejemplo, las écnicas
de deep lea ning [1] han demos ado se muy e ec i as en
la segmen ación de es os ejidos. Sin emba go, en es as
écnicas, el núme o de imágenes eque idas pa a el
en enamien o es muy g ande, y se equie e la
segmen ación manual, que debe de se muy p ecisa, po
pa e de expe os pa a ob ene los olúmenes e ique ados
co espondien es. Es a segmen ación manual equie e un
abajo muy du o en é minos de iempo y compu ación y,
po lo gene al, esas bases de da os no se hacen públicas y
no pueden u iliza se po an o pa a ines de compa ación
con o as écnicas.
En la mayo ía de los abajos ecien es, la segmen ación del
ejido muscula , óseo y g aso se implemen a en alguna
egión pa icula o es uc u a muscula u ósea [1,4,10,11].
Sin emba go, los ci ujanos y los adiólogos necesi an
mé odos au omá icos y que no dependan de egiones
pa icula es o es uc u as especí icas pa a ob ene las
es uc u as segmen adas. El hecho de no dispone de
algo i mos au omá icos o gene ales es un p oblema, ya que
conlle a la necesidad de ene que cambia en e di e en es
p og amas o algo i mos pa a ealiza la segmen ación de
es uc u as di e en es. Pa a in en a e i a odos es os
p oblemas, en es e a ículo se desc ibe un mé odo gene al
basado en la minimización de una unción de ene gía a
a és de la elajación con exa [3,12]. En compa ación con
un abajo an e io de segmen ación en dos e ique as [3], el
algo i mo p opues o en es e abajo p opo ciona una
segmen ación con es e ique as que son: hueso, músculo y
ejido adiposo. Además, en es e abajo se ha inco po ado
el conocimien o p e io sob e la dis ibución del músculo
esquelé ico en los olúmenes TAC abdominal, o ácico y
pel is median e la inclusión de una ans o mación de
dis ancia bina ia en el cálculo de las unciones de cos e.
2. Mé odo
El algo i mo p opues o cons a de cua o pasos. En el
p ime o de ellos, se lle a a cabo una e apa de
p ep ocesamien o pa a delimi a la piel de odos los
olúmenes TAC. Muy pocos abajos abo dan la
segmen ación de la piel en olúmenes TAC [3,4]. Pa a
implemen a es a a ea se han seguido los pasos desc i os
en el abajo de Pé ez-Ca asco y col. [3], donde se aplica
un algo i mo de c ecimien o de egiones pa a la
delimi ación de la piel.
En segundo luga , se ealiza una ope ación de mejo a de
con as e. En los olúmenes TAC, los alo es Houns ield
suelen es a en e -2000 y 3000, que es un ango muy
amplio. Po lo an o, pa a ealza la isualización y acili a
el p ocesamien o y segmen ación de los es ejidos de
in e és, se han seleccionado es en anas Houns ield
di e en es pa a cada es uc u a: huesos, músculos y g asa.
Cada olumen TAC se umb alizó u ilizando las es
en anas Houns ield di e en es y el esul ado se di idió po
el umb al supe io den o de cada en ana co espondien e
de modo que el alo máximo ue a 1. Como esul ado de
13
es as ope aciones se ob u ie on 3 olúmenes umb alizados
y escalados que han sido e iquedados como
b
TSV
(hueso),
m
TSV
(músculo) y
TSV
(g asa). Las es en anas
u ilizadas ue on ob enidas u ilizando el conjun o de da os
de en enamien o, de modo que pa a cada ejido, se
seleccionó el ango Houns ield más ap opiado. En el e ce
paso, se cons uye una unción de ene gía que se á
minimizada más a de median e elajación con exa. En
es a ene gía pa icipan cua o unciones de cos e que han
sido calculadas del siguien e modo:
)CITCITc(CIT-1=CIT
|)TSV-TSV(|=CIT
|)TSV-TSVb)(|-(1HDV b=CIT
|)TSV-TSVa)(|-(1HDV a=CIT
3214
3
bbb2
mmm1



(1)
En la ecuación (1),
m
TSV
,
b
TSV
y
TSV
son los alo es
medios de
n oen enamieb
TSV ,
,
n oen enamiem
TSV ,
y
n oen enamie
TSV ,
( olúmenes umb alizados y escalados
den o del conjun o de da os de en enamien o),
m
HDV
y
b
HDV
son olúmenes de dis ancia de his og ama pa a
músculo y hueso, donde cada óxel x mide la dis ancia
(Ea h Mo e ’s Dis ance) en e dos his og amas: el
his og ama local en cada óxel x del olumen TSI
co espondien e (
b
TSV
o
m
TSV
) y dos modelos de
his og ama de e e encia co espondien es a ejido óseo y
al muscula . Hay que ene en cuen a que los his og amas
locales calculados p opo cionan in o mación sob e la
dis ibución de los alo es den o de los ejidos
(in o mación de ex u a). Los pa áme os a, b y c en la Ec.
(1) se ob u ie on median e simula ed annealing siguiendo
los pasos del mé odo en [3].
Figu a 1. Cua o unciones de cos e co espondien es a un
co e en un olumen TAC. a) Té mino de cos e
co espondien e al ejido muscula , b) é mino
co espondien e al ejido óseo, c) é mino co espondien e
al ejido adiposo, y inalmen e d) co esponde al es o de
es uc u as en el co e
En la Ec. (1),
1
CIT
debe oma alo es bajos en los óxeles
co espondien es al músculo,
2
CIT
debe oma alo es
bajos en los óxeles co espondien es al hueso,
3
CIT
debe
oma alo es bajos en los óxeles co espondien es a la
g asa y inalmen e
4
CIT
debe oma alo es bajos en el
es o de los óxeles. La igu a 1 mues a los cua o
é minos de cos e co espondien es a un co e en un
olumen TAC.
Los músculos esquelé icos en las omog a ías
compu a izadas abdominales, de ó ax y pel is se
encuen an p incipalmen e en e las cos illas, den o de la
caja o ácica, p o egiendo ó ganos como los pulmones y el
co azón. Po lo an o, pa a ene en cuen a es a in o mación
de localización en los olúmenes TAC co espondien es a
es as egiones, se ha inco po ado un é mino de
penalización, de modo que aquellos óxeles en el in e io
de la caja o ácica sean conside ados como músculo con
meno p obabilidad. Es a unción de penalización se ha
calculado u ilizando la ans o mación de dis ancia bina ia
[13], que p opo ciona una mé ica de la sepa ación en e
pun os en una imagen. Pos e io men e, es a dis ancia es
sua izada u ilizando una ley po encial con gamma = 0.15.
Po lo an o, el é mino de cos e en la Ec. (1) ha sido
modi icado y ecalculado como:
gamma
db
3NUEVO3,
CIT=CIT
(2)
donde
gamma
db
es la ans o mación de dis ancia bina ia a
la que se ha aplicado una ley gamma.
Finalmen e, en el cua o y úl imo paso se cons uye una
unción de ene gía mul i-e ique a u ilizando los cua o
é minos de cos e desc i os an e io men e en Ec. (1) del
siguien e modo:
 
0)()()()()(1..
)()()())()((min
43210
4
11
1,0)(

  



xuxuxuxuxu s
dxxuxCdxxCITxuxu
iiiii
x
i
u
(3)
En la ecuación (3), x ep esen a la posición del óxel, i
deno a la e ique a y
 
1,0)( xui
las unciones de e ique a.
)(xCIT
i
son los é minos de cos e asociados con la
asignación de la e ique a i al óxel x y el é mino
)(xC
es
una unción de penalización que a o ece que las on e as
en e las egiones se ubiquen en óxeles con al a in ensidad
de bo de. La unción de ene gía en la Ec. (3) se minimiza
u ilizando la écnica de elajación con exa con inua de J.
Yuan y col. [12].
Una ez que se ob ienen las es segmen aciones: hueso,
músculo y g asa, las e ique as del músculo esquelé ico y
las e ique as óseas se pueden usa como pa ed bina ia pa a
sepa a los dos componen es p incipales en la g asa: SAT
( ejido adiposo subcu áneo) y VAT ( ejido adiposo
isce al). Es os componen es se pueden usa , po ejemplo,
pa a calcula a ios índices de salud con el in de e alua
la hipe ensión o la obesidad [14].
14
3. Resul ados Expe imen ales
Pa a e alua la he amien a y ob ene mé icas con las que
alida y compa a el algo i mo se ha u ilizado una base de
da os pública de olúmenes TAC (base de da os
USe illabonemuscle [3]). De los 27 olúmenes disponibles
en la base de da os solo se han conside ado 9 de ellos. Es o
es debido a que es os olúmenes co esponden a pel is,
abdomen y ó ax, y po an o p esen an una mayo
complejidad en cuan o a segmen ación en compa ación con
el es o de olúmenes, que co esponden p incipalmen e a
ex emidades y en las que el mé odo p opues o uncionó
an bien como el mé odo an e io [3] en la segmen ación
del ejido óseo y muscula .
El disposi i o de adquisición pa a los olúmenes ue un
TAC helicoidal de Philips Medical Sys ems, con un
amaño de co e de 512 × 512 píxeles y 0,781 mm / píxel y
un g oso de co e de 5 mm. La base de da os p opo ciona
la e dad de e e encia (g ound u h) de segmen ación
pa a hueso y músculo esquelé ico. En nues o abajo, un
expe o ha p opo cionado la e dad de e e encia adicional
pa a el ejido adiposo (en pa icula el ejido adiposo
subcu áneo, SAT).
Pa a e alua el endimien o del algo i mo, se ealizó una
alidación c uzada iple. En cada i e ación, 3 olúmenes
TAC ue on u ilizados pa a en enamien o y los 6 es an es
como conjun o de p ueba. La écnica ha sido compa ada
con la écnica de dos e ique as en [3], la écnica de le el
se s en [9] y una écnica de umb alización que u iliza es
en anas Houns ield di e en es pa a cada uno de los es
ipos de ejidos (hueso, músculo y g asa). La écnica de
umb alización equi ió el meno iempo de cálculo. Sin
emba go, los esul ados ob enidos median e el uso de
umb ales ue on bajos debido a la supe posición en los
alo es de Houns ield en e los di e en es ejidos. Es a
simili ud en e los alo es es posible debido a muchos
ac o es: géne o, edad, p esencia de en e medades, egión
co po al, e c. La écnica de le el se s [9] mos ó p oblemas
de con e gencia debido a la g an can idad de es uc u as
p esen es en los olúmenes conside ados. La en ada al
algo i mo ue on los olúmenes
b
TSI
,
m
TSI
y
TSI
,
desc i os an e io men e, y los pa áme os óp imos
eque idos po el algo i mo se calcula on u ilizando el
conjun o de en enamien o en cada i e ación de la
alidación c uzada.
La igu a 2 mues a los esul ados de segmen ación pa a un
co e de un olumen TAC cuando se usan los cua o
mé odos di e en es.
Figu a 2. Resul ado de la segmen ación pa a un co e de un
olúmen TAC cuando se usan cua o mé odos di e en es: a)
mé odo de dos e ique as desc i o en [3]. b) umb alización,
c) mé odo de le el-se s híb ido, y d) algo i mo p opues o.
El ejido g aso se ep esen a en colo azul, el ejido
muscula en colo ama illo y, inalmen e, el hueso se
ep esen a en colo osa. Los con o nos ojos
co esponden a la g ound u h de músculo, los con o nos
azules oscu os co esponden a la g asa (SAT) y inalmen e,
los con o nos e des co esponden al hueso.
La Tabla I mues a el alo de di e en es mé icas (Dice,
Jacca d, Sensibilidad y exac i ud) y el iempo de cálculo
(en segundos po co e) ob enidos u ilizando las di e en es
Umb alización
Le el Se s híb ido [9]
T abajo p e io [3]
Algo i mo p opues o
Pa áme o
Hueso
Músculo
G asa
Hueso
Músculo
G asa
Hueso
Músculo
Hueso
Músculo
G asa
Dice
0.73
±0.14
0.41
±0.13
0.78
±0.05
0.74
±0.10
0.49
±0.16
0.68
±0.06
0.75
±0.15
0.60
±0.18
0.78
±0.13
0.74
±0.10
0.84
±0.15
Jacca d
0.59
±0.18
0.27
±0.13
0.64
±0.07
0.60
±0.13
0.34
±0.16
0.52
±0.07
0.62
±0.19
0.45
±0.20
0.65
±0.17
0.60
±0.13
0.75
±0.22
Sensibilidad
0.67
±0.18
0.99
±0.00
0.99
±0.07
0.86
±0.09
0.69
±0.09
0.99
±0.00
0.75
±0.15
0.86
±0.05
0.85
±0.12
0.83
±0.08
0.96
±0.05
Exac i ud
0.83
±0.15
0.27
±0.13
0.64
±0.07
0.66
±0.13
0.41
±0.21
0.52
±0.07
0.77
±0.19
0.50
±0.23
0.74
±0.19
0.69
±0.16
0.78
±0.21
Tiempo
cómpu acional(s)
0.038±0.01
14.83±2.65
50.77±8.59
51.21±9.27
Tabla 1.
Resul ados expe imen ales y compa ación con o as écnicas
15
écnicas. Las mé icas u ilizadas han sido calculadas
median e las siguien es exp esiones:
FNVP
VP

adSensibilid
(4)
FNFPVP
VP

2
2
Dice
(5)
FNFPVP
VP

dJacca
(6)
FNFPVNVP
VNVP


Exac i ud
(7)
En es as exp esiones e dade os posi i os (VP) son
aquéllos óxeles e ique ados como hueso, músculo o g asa
po el algo i mo y ambién según la e dad de e e encia.
Falsos posi i os (FP) co esponden a los óxeles
e ique ados po el algo i mo como uno de los es ejidos
sin se lo según la e dad de e e encia. Ve dade os
nega i os (VN) co esponden a los óxeles que no son
e ique ados po el algo i mo como uno de los es ejidos y
así lo de e mina ambién la e dad de e e encia.
Finalmen e, alsos nega i os (FN) son aquéllos óxeles
que según la e dad de e e encia co esponden a uno de
los es ejidos pe o el algo i mo conside a un ejido
di e en e al es ablecido po la e dad de e e encia.
4. Conclusiones
En es e a ículo se ha p esen ado un algo i mo de
segmen ación con múl iples e ique as pa a implemen a la
delimi ación de es uc u as de g asa, músculo y hueso
median e la minimización de una unción de ene gía
siguiendo un mé odo de op imización con exa. La unción
de ene gía p opues a incluye la dis ancia a los modelos de
his og ama (in o mación de ex u a) combinada con
in o mación de ni el de g is. En un abajo an e io [3],
solo se habían conside ado dos e ique as (músculo y hueso)
y el endimien o del algo i mo ue de icien e debido a la
p esencia de es uc u as con alo es Houns ield ce canos a
los p esen es en las es uc u as de in e és. En es e abajo,
se ag ega un e ce ejido (g asa) y se mejo a la
segmen ación de las es uc u as muscula es al conside a se
el conocimien o p e io sob e su dis ibución en los
olúmenes TAC abdominal, o ácico y pel is. Se ha
modi icado el é mino de cos e co espondien e a músculo
u ilizando una ans o mación de dis ancia bina ia pa a
penaliza los óxeles co espondien es a los ó ganos en el
in e io de la caja o ácica con alo es Houns ield ce canos
a los del ejido muscula .
Los esul ados ob enidos en es e abajo supe an a los del
abajo an e io [3] y a los esul ados ob enidos u ilizando
o as écnicas, como umb alización y le el se s. La
compa ación con o as écnicas basadas en deep lea ning
no se ha lle ado a cabo debido a la al a de disponibilidad
de bases de da os públicas g andes con las ano aciones
co espondien es.
Ag adecimien os
Es e abajo ha sido ealizado g acias al p oyec o DPI2016-
81103-R.
Re e encias
[1] Wes on AD, Ko ia is, P, e al. Au oma ed Abdominal
Segmen a ion o CT Scans o Body Composi ion Analysis
Using Deep Lea ning. Radiology, ol 290, sup 3, 2019, pp
669-679 (ISSN: 1527-1315).
[2] Pé ez Ca asco JA, Acha Piñe o B, Se ano Go a edona C.
Segmen a ion o bone s uc u es in 3D CT images based on
con inuous max- low op imiza ion. P oceedings o SPIE.
Medical Imaging: Image P ocessing, O lando, 2015, pp
94133Y-1-6 (ISBN: 978-1628415032).
[3] Pé ez-Ca asco JA, Acha B, Suá ez-Mejías C, López-Gue a
JL, Se ano C. Join segmen a ion o bones and muscles
using an in ensi y and his og am-based ene gy minimiza ion
app oach. Compu e Me hods and P og ams in
Biomedicine, ol 156, 2018, pp 85-95 (ISSN: 0169-2607).
[4] Banik S, Rangayyan RM, Boag GS. Au oma ic
Segmen a ion o he Ribs, he Ve eb al Column, and he
Spinal Canal in Pedia ic Compu ed Tomog aphic Images.
Digi al Imaging, ol 23, sup 3, 2010, pp 301–322 (ISSN:
1618-727X).
[5] Kim YJ, y col. Compu e ized Au oma ed Quan i ica ion o
Subcu aneous and Visce al Adipose Tissue F om Compu ed
Tomog aphy Scans: De elopmen and Valida ion S udy.
JMIR medical in o ma ics, ol 4, sup 1, 2016 (ISSN: 2291-
9694).
[6] A abi H, Zaidi H. Compa ison o a las-based echniques o
whole-body bone segmen a ion. Medical Image Analysis,
ol 36, 2017, pp 98-112 (ISSN: 1361-8415).
[7] Kullbe g J, Heds öm A, B andbe g J, y col. Au oma ed
analysis o li e a , muscle and adipose issue dis ibu ion
om CT sui able o la ge-scale s udies. Sci Rep, ol 7, sup
1, 2017 (ISSN: 2045-2322).
[8] Popu i K, y col. Body composi ion assessmen in axial CT
images using FEM-based au oma ic segmen a ion o skele al
muscle. IEEE T ansac ions on Medical Imaging, ol 35, sup
2, 2016, pp 512–520 (ISSN: 0278-0062).
[9] Zhang Y, y col. Medical Image Segmen a ion Using New
Hyb id Le el-Se Me hod. P oceedings o IEEE
In e na ional Con e ence on Biomedical Visualiza ion,
(MEDi08VIS), 2008, pp 71-76 (ISBN: 0-7695-2603-9).
[10] Rangayyan RM, Vu RH, Boag GS. Au oma ic Delinea ion
o he Diaph agm in Compu ed Tomog aphic Images.
Jou nal o Digi al Imaging, ol 21, sup 1, 2008, pp 134–147
(ISSN: 1618-727X).
[11] De-Leene B, Kadou y S, Cohen-Adad J. Robus , accu a e
and as au oma ic segmen a ion o he spinal co d.
Neu oImage. ol 98, 2014, pp 528-536 (ISSN: 1053-8119).
[12] Yuan J, Bae E, Tai XC. A s udy on con inuous max- low and
min-cu app oaches. P oc.o he IEEE Compu e Socie y
Con e ence on Compu e Vision and Pa e n Recogni ion,
2010, pp 2217–2224 (ISBN: 978-1-4244-6985-7).
[13] Rosen eld A, P al z J. Dis ance Func ions in Digi al Pic u es.
Pa e n Recogni ion, ol 1, 1968, pp 33-61 (ISSN: 0031-
3203).
[14] Pel z G, Agui e MT, Sande son M, Fadden MK. The ole o
a mass index in de e mining obesi y. Ame ican jou nal o
human biology: he o icial jou nal o he Human Biology
Council, ol 22, sup 5, 2010, pp 639–647 (ISSN: 1520-
6300).
16