Per accedir als documents amb el text complet, si us plau, seguiu el següent enllaç: http://hdl.handle.net/2099.1/6589

Detection and quantification of soft plaque in coronary arteries form MSCT image
Seseras Mas, Eduard
Universitat Politècnica de Catalunya. Departament de Teoria del Senyal i Comunicacions; Yang, Yongyi
Els mètodes de diagnòstic més actuals es basen en la inspecció visual d’escanejos MSCT amb programes software d’imatge mèdica, on el radiòleg especialista, realitza manualment els procediments per arribar a la detecció de la placa. Aquest projecte presenta un mètode semiautomàtic per detectar les plaques toves a les artèries coronàries i quantificar-ne el seu volum a partir d’un conjunt d’imatges tridimensionals MSCT del tors d’un pacient. El mètode presentat requereix una mínima aportació de l’usuari i consisteix en les següents parts: (1) extracció de la línia geomètrica central de l’artèria amb la implementació d’un algoritme de rastreig multiescala, (2) una primera segmentació de la llum de la vena per optimitzar l’extracció inicial de la línia central de l’artèria, (3) una segona segmentació de la llum i de la paret de la vena basada en la intensitat dels voxels, (4) anàlisi del volum al llarg de la vena per detectar la presència d’una placa tova, i (4) quantificació del volum de les plaques detectades. El mètode ha estat avaluat amb imatges mèdiques tridimensionals en format DICOM obtingudes de pacients reals amb l’escàner Phillips MSCT 64-slice del Rush Hospital de Chicago. El mètode proposat s’inicia amb la selecció d’una ‘llavor’ o voxel de l’escaneig, continguda dins d’una artèria coronària, amb la qual l’algoritme de rastreig partirà per resseguir la línia central de la vena seleccionada. L’objectiu d’aquesta etapa és extreure la trajectòria de l’artèria coronària dins de la imatge tridimensional per tal de poder-la segmentar. S’adopta un algoritme de rastreig eficient i ràpid basat en un filtre multiescala, que permet extreure els autovectors i autovalors de la matriu Hessiana de la imatge. A cada pas de l’algoritme, aquest proporciona una estimació del punt geomètric central de la secció transversal de l’artèria i la seva direcció local, que ens permet predir el següent punt en la trajectòria de la vena. L’inconvenient principal d’aquest algoritme és la seva precisió, al proporcionar-nos una bona aproximació a la línia central de la vena però insuficient per a obtenir una posterior segmentació de la paret de l’artèria de qualitat. Es corregeix l’extracció hessiana inicial de la línia central amb una primera segmentació EM (Estimació i Maximització) de la llum de la vena basada en un model de mescla de Gaussianes que classifica els voxels en funció de la seva intensitat. Per cada punt de la línia central inicial, es recomputa el centre de gravetat de la secció transversal que el conté i es recalculen els vectors de direcció mitjançant la matriu de Householder. Amb una línia central precisa, es pot dur a terme la segmentació acurada de la paret de la vena La segmentació de la llum i la paret de l’artèria es basa en un algoritme EM aplicat a un model de mescla de Gaussianes. Es mostra com la funció de densitat de probabilitat de la intensitat dels voxels de la imatge 3D és de distribució Gaussiana. L’objectiu d’aquesta etapa és classificar els voxels veïns dels punts de la línia central de l’artèria, podent ser aquests llum de la vena, paret de la vena o miocardi. L’algoritme iteratiu EM associa una funció de densitat de probabilitat Gaussiana a cadascun d’aquests tres components del cor, i n’estima els valors de pes , mitja iPiμ i variànçia iσ que les caracteritzen. Amb aquest coneixement estadístic, es classifiquen els voxels veïns de la línia central per segmentar la llum i la paret de la vena. Finalment, s’apliquen una sèrie de filtres morfològics per omplir forats i eliminar puntes de la segmentació. La darrera etapa és la detecció de plaques toves. Amb l’estudi dels volums normalitzats entre l’interior i la paret de la vena, s’aconsegueix detectar el tipus de placa tova que produeix l’estrenyiment de la llum. Es parteix l’artèria en segments, determinats per plans ortogonals a la línia central, es computen els voxels corresponents a la llum i a la paret entre plans consecutius i es normalitzen els dos volums amb la distància entre plans. S’analitzen els màxims i mínims de les dues corbes considerant uns llindars determinats pel coneixement previ de la mida de les plaques toves. Si es troben plaques, es quantifica el seu volum aproximat mitjançant propietats convexes amb mètode ‘convhull’.
Àrees temàtiques de la UPC::Enginyeria electrònica i telecomunicacions::Processament del senyal::Processament de la imatge i del senyal vídeo
Coronary arteries
Three-dimensional imaging in medicine
Medical imaging
MSCT
Gaussian mixture model
Multiscale tracking algorithm
Artèries coronàries
Imatges tridimensionals en medicina
Attribution-NonCommercial-NoDerivs 3.0 Spain
http://creativecommons.org/licenses/by-nc-nd/3.0/es/
info:eu-repo/semantics/bachelorThesis
Universitat Politècnica de Catalunya
         

Mostra el registre complet del document