بخش بندی بهینه و سریع کولون با استفاده از الگوریتم دو مرحله ای و استخراج ویژگی‌های موضعی در تصاویر CT

بخش­بندی بهینه و سریع کولون با استفاده از الگوریتم دو مرحله­ای و استخراج ویژگیهای موضعی در تصاویر سی تی اسکن

چکيده

مقدمه:سرطان روده بزرگ یکی از شایع ترین انواع سرطان در افراد سالخورده بوده و دومین علت مرگ و میر مبتلایان به سرطان می­باشد. استفاده از تصویربرداری 3 بعدی (CT Scan) یکی از تکنیکهای جدید تشخیص این سرطان با حداقل تهاجم است که به عنوان روش جایگزین بررسی جامعه مطرح می باشد. از مشکلات این روش، بدست آمدن حجم اطلاعات بسیار زیاد از هر بیمار(300 تا 400 تصویر) و زمان زیاد تجزیه و تحلیل آنها است. فرایند بخش­بندی با وجود شباهت دیگر بافت ها در ناحیه تصویر برداری به کولون، مواد غذائی بجای مانده در آن، شکل پیچیده کولون و عدم اتصال قسمتهای مختلف آن با یکدیگر، با مشکلات بسیاری همراه است. در این پروژه از الگوریتمهای سریع, کارامد و قابل اطمینان جهت بخش بندی موثر استفاده شده است.

مواد و روش ها:در این پروژه از یک الگوریتم 2 مرحله ای برای بخش بندی استفاده شده است. هدف از مرحله اول الگوریتم، حذف اشیاء اضافی و محدود کردن ناحیه مورد نظر در فضای نیم رزولوشن می باشد تا با یک الگوریتم دقیقتر در مرحله دوم مرزهای دقیق مشخص گردند. در مرحله اول، الگوریتم از ترکیب روشهای آستانه گذاری تطبیقی، اعمال مورفولوژی و عملگر گسترش ناحیه ای با استفاده از دانه هایی که به صورت خودکار ایجاد می شوند، بهره برده است. خروجی این مرحله استخراج مرزهای کولون در فضای نیم رزولوشن و ایجاد ناحیه جستجوی محدود می باشد. در مرحله دوم، از عملگر گسترش ناحیه ای اصلاح شده جهت بخش بندی دقیقتر مواد حاجب بجای مانده در کولون و در نهایت از عملگر استخراج مرزهای خارجی استفاده شده است.

نتایج:برای ارزیابی متد، پارامترهای مد نظر، برای خروجی های هر 2 مرحله الگوریتم محاسبه شدند. پس از ارزیابی، 72 مجموعه عالی (دسته 1)، 7 مجموعه خوب (دسته2)، 2 مجموعه متوسط (دسته3) و 1 مجموعه ضعیف (دسته4) تشخیص داده شده است، که این امر نشان دهنده عملکرد موفق الگوریتم بوده است.

بحث و نتیجه گیری: استفاده از الگوریتم دو مرحله ای تا حد بسیاری می تواند به کاهش مناطق جستجو با حفظ دقت عملکرد کمک کند. این کار با توجه به ویژگی آناتومیکی کولون قابل انجام است. از مرزهای استخراج شده در مرحله اول می توان به عنوان ورودی اولیه هر الگوریتم بخش بندی دقیقتری استفاده نمود. نتایج بدست آمده بیانگر موفقیت الگوریتم بوده است.
(مجله فیزیک پزشکی ایران، دوره 2، شماره 9، زمستان84 : 42-29)

واژگان کلیدی: بخش بندی خودکار کولون، الگوریتم دو مرحله ای، مواد حاجب، کولونوسکپی مجازی، سی تی اسکن
Iranain Journal of Medical Physics> Vol.2, No.9, Winter 2006> Abstract
Abstract

Introduction: Colorectal cancer is one of the most widely occurring cancers among the aging population and the second leading cause of cancer related deaths. The use of 3D imaging to acquire virtual anatomic models of colon provides a minimally invasive diagnostic tool for the detection of colorectal polyps and cancer. This procedure termed virtual colonoscopy (V.C.) has in recent years been developed as an alternative method of massive population screening to examine the entire colon for early cancer detection. There are some problems which make colon segmentation a difficult task like the colon has complex shape and it is not the only gas-fill structure in abdomen, and a lot of areas with high CT number like bones, Contrast Enhanced Fluid (CEF) in colon and small bowel. A two-stage method for an automated segmentation of the colonic walls in volumetric CT data is proposed.

Materials and Methods: In this study, a two-stage algorithm was used. The aims of the first stage were to eliminate the extra objects and also to restrict the region of interest (ROI) in half-resolution as an input for fine process in second stage. In this phase, the multistage method performs segmentation using adaptive threshold, morphology operation and region growing using automated seed generation technique leading to a tissue characterization. This stage generates colon borders in half-resolution dataset. In the second phase, an edge sharpening, a modified region growing and an outer boundary tracking are applied to make fine borders in colon segmentation. The region growing in the second phase makes use of local adaptive thresholding instead of global view on database voxels.

Results: To evaluate the results, certain tests for both stages of the algorithm were applied. In the total 82 datasets, the result showed 72 cases as excellent, 7 cases as good, 2 cases as fair and 1 case as poor in the segmentation process.

Discussion and Conclusion: An efficient segmentation method in half-sized volume data using an anatomical-oriented approach was developed to overcome the long processing time. The anatomical orientation guarantees the preservation of the segmentation accuracy while moving from half-resolution to full resolution. The output from the first stage can be used as a segmentation map for any complicated colon lumen extraction. The results demonstrate that the error of leakage to extra colonic can be minimized.

Keywords: Automated Colon Segmentation, Virtual Colonoscopy, Two-stage Algorithm, CT Scan, Contrast Enhanced Fluid

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *