Análisis de MRI cerebrales para la detección de tumores

A U TO R A : M A R TA M A R Í A S A N A N D R ÉS M A R CO

T U TO R A : VA L ERY N A R A N J O O R NED O

C OT U TOR ES : S A N D R A M O R A L ES M A R T Í N EZ Y M A R Í A D E L A I G L ES I A VAYÁ

Trabajo Fin de GradoGrado en Ingeniería Biomédica

ÍNDICE

• Introducción

• Materiales

• Metodología

• Resultados

• Conclusiones

• Líneas futuras

• Presupuesto

DOC. MEMORIA

DOC. PRESUPUESTO

2/21TRABAJO FIN DE GRADO MARTA MARÍA SAN ANDRÉS MARCO

• 3000 nuevos casos de tumores cerebrales en España cada año. Potencialmentemortal.

• Segmentación de tumores cerebrales:

1. Detección y localización del tumor.2. Diagnóstico.3. Tratamiento.4. Evolución del tumor.5. Ayuda en la toma de decisiones.

• La segmentación manual de tumores cerebrales es un proceso largo y tediosopara los especialistas automatización de las técnicas.

• Proyecto BRAIM del Instituto de Investigación e Innovación en Bioingeniería (I3B)de la UPV.

• CEIB-CS y Hospital Dr. Peset Banco de Imágenes Médicas de la ComunidadValenciana (BIMCV).

Materiales Metodología Resultados Líneas futurasConclusionesIntroducción

Motivación


1. Estudiar técnica Watershed para la segmentación detumores cerebrales y desarrollar un algoritmo en base aella.

2. Desarrollar interfaz gráfica para facilitar la segmentacióny visualización de los resultados.

3. Comparar resultados de dicha segmentación con latécnica watershed 3D.

4. Realizar validación de la técnica desarrolladacomparando sus resultados con los de la segmentaciónmanual.


Objetivos


•Tumor cerebral: Crecimiento anormal y descontrolado de células en elcerebro.


Algunas definiciones…

Ejemplos de tumores cerebrales: glioblastoma, astrocitoma, ependimoma, meningioma, oligodendroglioma, meduloblastoma…


• Segmentación: División de una imagen en regiones de interés. Cadaregión se identificará mediante una etiqueta y no por el nivel de gris.

• Segmentación de tumores cerebrales: Detección y diferenciación delos componentes tumorales del resto de tejidos cerebrales normales.


Algunas definiciones…

Manuales

SemiautomáticasAutomáticas

Basadas en umbrales

Basadas en clasificación de píxelesBasadas en modelos deformables

Tipos de técnicas

Basadas en regiones



¿Qué necesitamos?


Watershed: considera la imagen en escala de grises como unasuperficie topográfica. Los distintos valores de intensidad de laimagen son interpretados como alturas.

Técnica de segmentación watershed



Marcador: Conjunto de píxeles conectados pertenecientes a unaimagen que sustituyen artificialmente a los mínimos locales de ésta.

Watershed con marcadores

Marcador interno Marcador externo



Método Seleccionar punto: segmentación corte inicial

Umbralización

Preprocesado

Marcadores

Segmentación


10/21

Gradiented)

Imagen original

TRABAJO FIN DE GRADO MARTA MARÍA SAN ANDRÉS MARCO

Método Seleccionar punto: segmentación resto de cortes

Máscara binaria Negativo Distancia borde Marcadores

Corte inicial segmentado

Corte posterior

Corte anterior

Marcadores Marcadores

Corte posterior

Corte anterior ……

Marcadores Marcadores


Bucles


Método Rodear tumor: segmentación corte inicial

Contorno Marcadores

Preprocesado

Segmentación


12/21

Gradiented)

.

Alternativa para tumores más heterogéneos


Método Rodear tumor: segmentación resto de cortes

Corte inicial segmentado

Corte posterior

Corte anterior

Corte posterior

Corte anterior …

Marcadores

…



Marcadores en 2D

Watershed 3D

Marcadores en 3D




Interfaz gráfica de usuario


Ejemplos de segmentación


16/21

Método Seleccionar Punto Método Rodear Tumor


Comparación con watershed 3D


17/21

Watershed 3D Watershed 2D Watershed 3D Watershed 2D


Comparación con segmentación manual


18/21

OrdenadorIntel Core i78 Gb RAM


¿Qué se pretendía? Algoritmo semiautomático capaz de detectartumores cerebrales en estudios 3D de RM con metodologíaalternativa al watershed 3D.

¿Cómo se ha logrado? Interfaz gráfica de usuario en MATLAB conposibilidad de inicializar la técnica watershed con marcadores dedos formas distintas.

¿Qué resultados se han obtenido?

1. Superioridad del método propuesto frente al watershed 3D.

2. Resultados razonables en cuanto a tiempo y efectividad encomparación con la segmentación manual.

¿Qué limitaciones presenta el método propuesto? Lasegmentación puede dar lugar a errores en tumores heterogéneoso con bordes no delimitados claramente.


Hasta dónde hemos llegado…



• Ampliar la validación de la técnica en más pacientes.

• Comparar los resultados del método desarrollado consoftwares libres.

• Mejorar la segmentación en tumores heterogéneos ypermitir diferenciar distintos tipos de tejidos.

• Adaptar el método para la segmentación de tumoresdiseminados o tumores polilobulados.

• Adaptar el método para la segmentación de otraspatologías cerebrales.

•Continuar trabajando en la automatización de lasegmentación de tumores cerebrales.

¿Cómo avanzar?


Presupuesto

El coste total de la realización de este proyecto asciende a DOCE MILQUINIENTOS CUARENTA Y OCHO EUROS CON CINCUENTA Y CINCOCÉNTIMOS.


A U TO R A : M A R TA M A R Í A S A N A N D R ÉS M A R CO

T U TO R A : VA L ERY N A R A N J O O R NED O

C OT U TOR ES : S A N D R A M O R A L ES M A R T Í N EZ Y M A R Í A D E L A I G L ES I A VAYÁ

Trabajo Fin de GradoGrado en Ingeniería Biomédica

Análisis de MRI cerebrales para la detección de tumores

Health & Medicine

Transcript of Análisis de MRI cerebrales para la detección de tumores