Segmentación de hueso, músculo y grasa en volúmenes TAC mediante relajación convexa

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