Aspectos Bsicos del Registro y Fusin de Imgenes.Federico L. Biafore ECyT-UNSAM. ECyTArgentina

INTRODUCCION. Las imgenes mdicas constituyen un componente vital en un gran nmero de aplicaciones: Diagnstico, planificacin, seguimiento y evaluacin de tratamientos. Dado que la informacin obtenida por diferentes modalidades de imagen es usualmente complementaria, existe gran inters en la integracin de dicha informacin. Caso particular: Integracin de imgenes funcionales (SPECT, PET) e imgenes anatmicas (TAC, RM*).

1

Medicina nuclear: deteccin de anomalas funcionales sin precisar su situacin anatmica exacta. Imgenes por RM o TAC: caracterizar anomalas morfolgicas y su relacin anatmica. Existen mtodos (algoritmos) capaces de combinar diversas modalidades de imagen obtenidas en dispositivos diferentes.

Integracin de modalidades de imagen complementarias.Fusin? Registro de Imgenes? Normalizacin? Proceso de integracin de diversas Imgenes: 1. Registro de las Imgenes. Alineacin espacial. 2. Fusin de las Imgenes. Visualizacin de la informacin. Registro y Fusin de Imgenes designan etapas diferentes del proceso de integracin de la informacin de diversas imgenes.

2

Registro de Imgenes.El registro (etapa previa a la fusin) permite definir una relacin espacial (correspondencia) entre una imagen A y una imagen B. Correspondencia: establecer una transformacin espacial que especifique para cada punto de la imagen A el punto en la imagen B al cual se debe superponer.TTransformacin

A

B

B

Por qu? Diferencias en la geometra de adquisicin. Posicionamiento del paciente. Deformaciones anatmicas.

La obtencin de la transformacin espacial permitir compensar las variaciones debidas a la utilizacin de modalidades y condiciones de adquisicin diferentes. Matemticamente, se trata (en principio) de determinar una matriz de cambio de base T entre la imagen funcional (llamada imagen flotante) y la imagen flotante anatmica (llamada imagen de referencia) referencia PTAC=T.PPET Establecida la relacin espacial (T) es posible determinar, por ejemplo, en el espacio de la imagen TAC una lesin captante observada en el estudio PET.

3

Clasificacin de las transformaciones.1. 2. 3. Dimensionalidad. 2D / 2D 3D / 3D 2D / 3D Sujeto y Modalidad. 1. 2. 3. 4. Intra-sujeto, intra-modalidad (Imgenes de esfuerzo/reposoen cardiologa nuclear).

Intra-sujeto, inter-modalidad (imgenes anatmicas y Intrainterfuncionales, PET/TAC, PET/RM).

Inter-sujeto, intra-modalidad (comparacin de grupos porcartografa estadstica paramtrica, SPM).

Inter-sujeto, inter-modalidad (registro de una imagenfuncional con una imagen RM modelo).

Modelo de la transformacin espacial.1. Transformaciones rgidas. a. Rotaciones y translaciones (3D).

x ' = Rx + t.6 parmetros a determinar.

b. Rotaciones, translaciones y cambios de escala (isotrpicos). 7 parmetros a determinar.Transformacin de semejanza.

4

Las trasformaciones rgidas son tiles cuando las estructuras a registrar son seas o delimitadas por huesos. Crneo-Cerebro. Existen distorsiones de escala en las imgenes que no pueden ser compensadas con transformaciones estrictamente rgidas.

Transformacin afn. Rotaciones + traslaciones + cambios de escala (no isotrpicos). isotrpicos).

Permiten compensar distorsiones creadas por los equipos de deteccin. Son tiles para alinear imgenes cerebrales provenientes de individuos diferentes (normalizacin).

La deformacin que sufren diversos rganos (pulmones, corazn, vejiga) y los tejidos blandos son ms complicados y no pueden compensarse totalmente por transformaciones de tipo afn.

PET-TC. Diferencias no compensadas por tcnicas de registro rgidas y afines.

Transformaciones no rgidas. Transformaciones elsticas. Modificaciones locales. No pueden expresarse de forma matricial. Mayor complejidad de implementar y validar (costo computacional). Ejemplo: descomponer el volumen original en volmenes ms pequeos y aplicar transformaciones rgidas a cada uno de ellos.

5

PET-TC. Empleo de tcnicas no lineales de registro. RM (mama). Postcontraste-Precontraste.

Sin registro. Trans. rgida Trans. afn Trans. Afn + trans. locales

Naturaleza discreta de las imgenes. Las imgenes estn formadas por un conjunto discreto de voxels. La discretizacin puede ser distinta para los volmenes a registrar. La discretizacin posee importantes consecuencias en el registro de las imgenes.

Para una dada transformacin T la interseccin entre los dominios de ambos volmenes puede ser un conjunto vaco. Los puntos discretos no discretos se superponen.

6

Previamente a realizar el clculo de la transformacin T: Interpolar uno de los volmenes para obtener los mismos niveles de discretizacin. Problemas: Los algoritmos rpidos de interpolacin son imperfectos y pueden generar artefactos. Aliasing. Ejemplo: Interpolar el volumen PET para obtener el mismo nivel de discretizacin que el volumen TAC.

Clasificacin de las trasformaciones de registro.1. 2. 3. 4. Dimensionalidad Sujeto y Modalidad. Modelo de la Transformacin espacial. Extrnsecos e Intrnsecos.

Mtodos extrnsecos. Para obtener la transformacin T se relacionan objetos artificiales sujetos al paciente. Objetos visibles y fcilmente detectables en las modalidades a registrar. Ejemplo: Marco estereotxico.

Ventajas: Precisin, rapidez de computo. Desventajas: Tcnica invasiva. Requiere preparacin previa del paciente. Marcadores en la piel removibles. Desventajas: difcil mantener su posicin en estudios de larga duracin. Requiere preparacin previa del paciente.

7

Esquema. Mtodo extrnseco.

Identificacin de fiduciarios

TACCorrespondencia entre fiduciarios Clculo de la transformacin T Fusin

Identificacin de fiduciarios

PET

Rapidez de clculo. Solucin analtica.

Mtodos intrnsecos. Utilizan el contenido anatmico-funcional de las imgenes. Mtodos iterativos. a. Marcadores anatmicos y geomtricos.

Mtodo interactivo. Puede realizarse el registro retrospectivamente.

Existen programas comerciales que slo necesitan un par de marcadores en cada imagen para realizar la alineacin. b. Extraccin de caractersticas de la imagen (curvas, superficies, etc.)

Requiere un pre-procesado de las imgenes (segmentacin).

8

Caso intramodal (TAC-TAC, RM-RM): (TACRM Comparar directamente las intensidades de los voxels. Clculo del centro de masas y determinacin de la orientacin de los volmenes. Medida de similaridad: alinear los centros de masas y los ejes principales. Mtodo de los ejes principales.

Ventaja: mtodo rpido. Desventaja: impreciso si los campos de visin (FOV) de los volmenes difieren.

Otra hiptesis (Intramodal): las intensidades de los voxels de los volmenes a registrar son muy similares y difieren slo por el ruido. Medida de similaridad: suma de las diferencias de intensidades entre los voxels (valor absoluto o de manera cuadrtica). Desventajas: poco robusta si se cuenta con pocos voxels y si existe mucha variablidad en sus intensidades.

Caso multimodal (PET-TC). PETHiptesis (Woods): voxels con la misma intensidad se corresponden al mismo tipo de tejido. SPM: Igualar intensidades. Ejemplo PET-RM: La informacin del PET proviene principalmente de la sustancia gris. Procesar la imagen de RM (segmentar la sustancia gris, disminuir su resolucin). Aplicar mtodos del caso intramodal.

9

Mtodos basados en la teora de la informacin.Entropa Conjunta. Informacin Mutua. Se utiliza el histograma acumulativo conjunto de las imgenes.A Cada punto (a,b) del plano le corresponde un nivel de intensidad en funcin del nmero de veces que un voxel de intensidad a en la imagen A se corresponde con un voxel de intensidad b en la imagen B. Si las imgenes estn alineadas ciertos puntos del histograma poseen intensidades elevadas, ya que todos los voxels coinciden. Imgenes idnticas, los niveles de gris se agrupan alrededor de una recta.

Si las imgenes no estn bien alineadas, el nmero de coincidencias disminuye y los niveles de intensidad se dispersan en el histograma.

Para cuantificar esa dispersin se utiliza la entropa conjunta. conjunta. Idea general:Imgenes mal alineadas Mayor dispersin del histograma conjunto Aumento de la entropa conjunta.

Objetivo: Encontrar la transformacin T que minimice la entropa conjunta (concentre los niveles en el histograma) Informacin mutua. Utiliza las entropas de cada imagen por separado y la entropa conjunta. Entropa: medida de la informacin que posee una imagen.

I ( A, B ) = H ( A) + H ( B ) H ( A, B )Entropa conjunta

Puede interpretarse como la cantidad de informacin que no es exclusiva de A y B. Es una medida de la dependencia entre dos imgenes A y B.

Entropa (B) Informacin mutua Entropa (A)

10

La IM es un mtodo til y muy utilizado actualmente para el registro multimodalidad. Problema: puede ocurrir que la IM no decrezca con la no alineacin de las imgenes. Solapamientos de regiones de fondo. Se han propuesto expresiones normalizadas de la IM.Esquema. Mtodo intrnseco.Parmetros iniciales

TAC

Calculo de la transformacin T

No Adaptacin de la resolucin Medida de Similaridad Alineacin? SI Fusin

PET

Validacin de los algoritmos de registro.Exactitud: capacidad de registrar dos puntos equivalentes en dos imgenes. Precisin: reproducibilidad de los resultados. Fluctuaciones alrededor de un valor central. Robustez: resultados coherentes de manera independientemente de las condiciones de partida. Para cuantificar la calidad del algoritmo se necesita conocer de manera exacta la correspondencia entre los puntos de las imgenes a registrar. Existen diversos mtodos sin la existencia de un consenso sobre los ms adecuados. Los mtodos publicados permiten evaluar los algoritmo bajo condiciones muy concretas. Se dificulta la comparacin de los resultados de diversos autores.

11

Algunas consideraciones sobre el registro y fusin en la prctica cotidiana.Conocer las limitaciones de los mtodos de registro y fusin de imgenes. En caso de registrar y fusionar imgenes obtenidas en equipos diferentes minimizar las posibles fuentes de error: Posicionamiento del paciente. Protocolos de respiracin.

1. 2.

Registro y fusin

(Goerres et al., 2002) PET-CT image co-registration in the thorax: influence of respiration Campo de visin de cada estudio FOV. Conocer los riesgos que implica un mal registro de las imgenes.

Bibliografia: Bibliografia:Hutton BF, Braun M, Thurfjell L,Lau DYH. Image registration: an essential tool for nuclear medicine.Eur J Nucl Med 2002;29:559-77. Hill DLG, Batchelor PG, Holden M, Hawkes D. Medical image registration.Phys Med Biol 2001;46:R1-R45. Antoine Maintz JB. Viergever Max A. A survey of medical image registration: Medical Image Analysis 1998; 2(1):1-36. 4. Maes F, Collignon A, Vandermeulen D, Marchal G, Suetens P. Multimodality image registration by maximization of mutual information. Mathematical Methods in Biomedical Image Analysis 1996; IEEE computer Jannin P, Grova C, Gibaud B. Fusion de donnes en imagerie mdicale: revue mthodologique base sur le contexte clinique. ITBMRBM2001; 22(4):196-215

12