Método de segmentación de un órgano hepático en una secuencia de imágenes tomográficas.

Método de segmentación de un órgano hepático en una secuencia de imágenes [n1 ... nj ... ni ... nk ... nN] tomográficas que comprende: realizar una selección manual del órgano hepático en dos imágenes de referencia (nj nk); calcular para cada imagen de la secuencia una media de intensidad, una desviación típica de intensidad y un centroide de los píxeles de cada región seleccionada; calcular unos valores de media **IMAGEN-01**, desviación típica **IMAGEN-02** y posición estimada (xi, yi); binarizar la imagen asignando un valor a los píxeles cuya intensidad está comprendida en un intervalo **IMAGEN-03**, siendo **IMAGEN-04** y **IMAGEN-05** proporcionales a **IMAGEN-02**; seleccionar un conjunto de píxeles adyacentes con dicho valor que comprenden el pixel de la posición (xi, yi); y asignar como resultado dicho conjunto de píxeles. En el caso de ni, j

MÉTODO DE SEGMENTACIÓN DE UN ÓRGANO HEPÁTICO EN UNA SECUENCIA DE IMAGENES TOMOGRAFICAS

CAMPO DE LA INVENCIÓN

La presente invención se aplica al campo del tratamiento de imágenes médicas, más concretamente, a la segmentación del órgano hepático en imágenes tomográficas.

ANTECEDENTES DE LA INVENCIÓN

En el ámbito del procesado de imágenes médicas, son numerosos los sistemas comerciales que proporcionan medios para el manejo y visualización de las imágenes obtenidas mediante cualquiera de los medios técnicos disponibles

(resonancia magnética, tomografía computerizada, radiografía, etc.) . Así por ejemplo, WO 2003/043490 Al se centra en un sistema de visualización, manejo de información y manejo de herramientas para el tratamiento genérico de imágenes. Proporciona herramientas para definir las Regiones de Interés (ROI, del inglés Region of Interest) y mostrar los resultados en 2D y 3D, sin adaptarse a ningún órgano en concreto.

En general la mayoría de los sistemas orientados a segmentar un órgano u estructura genéricos se inscriben en un entorno o sistema basado en ordenador con herramientas para manejo y visualización tanto de las secuencias de

describen como orientados a segmentar cualquier órgano, como ocurre con el descrito en US 2006/0228009 Al, que

presenta un método automático basado en algoritmos de superficies deformables, o en US 2006/0159341 Al, que utiliza un método diferente también basado en el ajuste de modelos deformables. us 2005/0207628 presenta una estrategia alternativa basada en operaciones morfológicas como dilatación, erosión, cálculo de umbrales y relleno de

enfrentarse a un escenario concreto, en este caso, a la segmentación del órgano hepático.

Una posible estrategia para la segmentación específica del órgano hepático es la presentada por us 2009/052756 Al, en la que parte de unas formas tridimensionales de entrenamiento que intenta ajustar a las imágenes sobre las que desea realizar la segmentación a través de rotaciones y traslaciones. El tratamiento tridimensional del problema, supone sin embargo, una elevada carga computacional, además de estar su precisión limitada por el conjunto de formas de entrenamiento.

Por otra parte, US 2009/097726 Al presenta un método de segmentación basado en imágenes tomográficas multifase, donde dichas fases se refieren a instantes en los que los agentes de contraste se concentran en distintas zonas del hígado (en este caso, venas o arterias) . Sobre dichas imágenes se aplica posteriormente un procesado que tiene en cuenta los histogramas de intensidad para cada una de las fases. Este método supone unos mayores requisitos sobre las imágenes de entrada, lo que se traduce en un mayor uso y exigencia del sistema de captura de imágenes.

la diversidad de propiedades de las imágenes.

Sigue existiendo por lo tanto una necesidad de un método de segmentación del órgano hepático que se adapte a

RESUMEN DE LA INVENCIÓN

La presente invención resuelve el problema anterior mediante un método de segmentación semiautomático que utiliza como información inicial una segmentación manual del órgano hepático en dos imágenes tomográficas de referencia de una secuencia de cortes axiales de un tronco humano que comprenden cortes axiales de dicho órgano hepático.

En el área segmentada de cada imagen de referencia, se calcula la media y desviación típica de los píxeles contenidos en dicha área segmentada, así como la posición del centroide de la misma. Estos valores de media, desviación típica y posición se interpolan para obtener un valor de media estimada, una desviación típica estimada y una posición estimada para cada imagen de la secuencia comprendida entre las dos imágenes de referencia.

Preferentemente, para las imágenes cuyo índice es menor que el de la imagen de referencia de menor índice, la media estimada, la desviación típica estimada y la posición estimada toman los valores calculados de media, desviación típica y posición en dicha imagen de referencia de menor índice.

estimadas permiten al método adaptarse a los cambios de intensidad típicos de los extremos superior e inferior del hígado.

Para cada imagen de la secuencia se define entonces un rango de intensidades a partir de la media estimada y la desviación típica estimada para esa imagen, utilizando dicho rango para binarizar la imagen. Es decir, a los píxeles cuya intensidad esté comprendida en dicho rango se les asigna un primer valor, y a los píxeles cuya intensidad quede fuera del rango, se les asigna un segundo valor.

Finalmente, se selecciona como área correspondiente al órgano hepático un conjunto de píxeles adyacentes que tienen dicho primer valor y que incluyen el pixel que se encuentra en la posición estimada para dicha imagen.

adapta a las variaciones entre distintos pacientes y a las condiciones de medida al extraer los datos iniciales de una segmentación manual.

Preferentemente, la precisión y robustez del método se mejoran incorporando procesado morfológico (erosión, rellenado de huecos y dilatación) .

Preferentemente las imágenes sobre las que se realiza la segmentación manual corresponden al corte de máxima superficie del órgano hepático en el caso de la imagen de referencia de mayor índice, y a un corte correspondiente a la región inferior del órgano hepático en el caso de la imagen de referencia de menor índice, en ambos casos mediante una inspección visual de las imágenes por parte del usuario.

no nula y no ha sufrido una variación respecto al área segmentada de la imagen anterior mayor que un umbral predefinido. Si cualquiera de las verificaciones no se cumplen, el método calcula una nueva área segmentada.

En otro aspecto de la presente invención, se presenta un programa de ordenador que comprende código de programa de ordenador adaptado para realizar las etapas del método descrito cuando el mencionado programa se ejecuta en un ordenador, un procesador digital de la

BREVE DESCRIPCIÓN...

l. Método de segmentación de un órgano hepático en una secuencia de imágenes [n1 nJ ni nk nNl tomográficas

000 000 000 000

de cortes axiales sucesivos de un tronco humano que comprenden cortes axiales de dicho órgano hepático, siendo n1 la imagen que comprende el corte axial correspondiente a un extremo inferior del órgano hepático y nN la imagen que comprende el corte axial correspondiente a un extremo superior del órgano hepático, y estando cada una de dichas imágenes formada por un conjunto de píxeles con un valor de intensidad, obteniéndose para cada imagen un conjunto de píxeles resultado,

caracterizado por que comprende los siguientes pasos:

- para una primera imagen de referencia nJ:

- seleccionar manualmente una primera región comprendida dentro del corte axial del órgano

hepático en dicha primera imagen de referencia;

- calcular una media mJ de la intensidad de los píxeles de dicha primera región seleccionada;

- calcular una desviación típica oJ de la intensidad de los píxeles de dicha primera región seleccionada;

- calcular una posición (xJ, yJ) de un centroide de dicha primera región seleccionada.

- para una segunda imagen de referencia nk, siendo k>j:

- seleccionar manualmente una segunda región comprendida dentro del corte axial del órgano hepático en dicha segunda imagen de referencia;

- calcular una media mk de la intensidad de los píxeles de dicha segunda región seleccionada;

- calcular una desviación típica ok de la intensidad de los píxeles de dicha segunda región seleccionada; dicha segunda región seleccionada.

- para cada imagen ni, con 1~i~N,

- calcular una media estimada mi, una desviación típica estimada Bi, una posición estimada (xi, yd, una primera longitud de intervalo Bia y una segunda longitud de intervalo Bib' donde si j<i~k:

- la media estimada se calcula mediante interpolación de la media calculada para la primera imagen de referencia (mJ) y la media calculada para la segunda imagen de referencia (mk) ;

- la desviación típica estimada Bi se calcula mediante interpolación de la desviación típica calculada para la primera imagen de referencia (oJ) y la desviación típica calculada para la segunda imagen de referencia (ok) ;

- la posición estimada (xi, yd se calcula mediante la interpolación de la posición calculada para la primera imagen de referencia

(xJ, yJ) y la posición calculada para la segunda imagen de referencia (xk, Yk)

- la primera longitud de intervalo ola se calcula multiplicando la desviación típica estimada Bi por un primer número positivo predefinido a 1 •

- la segunda longitud de intervalo Bili se calcula multiplicando la desviación típica estimada Bl por un segundo número positivo predefinido b 1 •

- seleccionar en la imagen binarizada Bi un conjunto de píxeles Ai adyacentes y con dicho primer valor binario asignado que comprenden el pixel de la posición estimada (xi, yd ;

- asignar como pixeles resultado para la imagen ni el conjunto de píxeles Ai.

2. Método según la reivindicación 1 caracterizado porque verifica a1<b1.

3. Método según cualquiera de las reivindicaciones anteriores caracterizado porque, en el paso de calcular

una media estimada mi, una desviación típica estimada oi, una posición estimada (xi, yd, una primera longitud de intervalo oia y una segunda longitud de intervalo oib, si 1<i::s;j:

- a la media estimada ml se asigna la media calculada para la primera imagen de referencia

(mJ) ;

_la segunda longitud de intervalo Bili se calcula multiplicando la desviación típica estimada Bl por el segundo número positivo predefinido b1.

4 . Método según cualquiera de las reivindicaciones anteriores caracterizado porque la segunda imagen de referencia nk es una imagen en la que se estima de forma manual la mayor superficie del corte axial del órgano hepático de entre los cortes axiales del órgano hepático de todas las imágenes [n1 nJ ni nk nNl.

000 000 000 000

5. Método según cualquiera de las reivindicaciones anteriores caracterizado porque comprende además, para cada imagen ni, con 2~i~N, un primer paso de verificación para verificar:

una condición i) si el número de píxeles segmentados

Ai es nulo; una condición ii) si el valor absoluto de la diferencia entre el número de píxeles segmentados Ai

calcular un nuevo valor de segunda longitud de intervalo B'ili multiplicando la desviación típica estimada por un tercer número positivo

dentro de un intervalo:

[ mi -a ia , mi +6'ib J

y un segundo valor binario a los píxeles cuya intensidad está fuera de dicho intervalo;

- seleccionar en Bi un conjunto de píxeles adyacentes A'i con dicho primer valor binario que comprenden un pixel cuya distancia al pixel de la posición (xi, yil es menor que un umbral predefinido;

- asignar como pixeles resultado para la imagen ni el conjunto de píxeles A'i·

6. Método según la reivindicación 11 caracterizado porque, si se cumple cualquiera de las condiciones i) y ii) del primer paso de verificación, comprende además, para cada imagen ni, con 2~i~N, un segundo paso de verificación para verificar:

una condición iii) si el número de píxeles segmentados A'i es nulo;

una condición iv) si el valor absoluto de la diferencia entre el número de píxeles segmentados A'i y el número de píxeles resultado para la imagen anterior ni-1 es mayor o igual que un umbral predefinido;

y si cumple cualquiera de las condiciones iii) y iv) o

- asignar como pixeles resultado para la imagen ni los píxeles resultacto de la imagen anterior ni-1 ;

7. Método según cualquiera de las reivindicaciones anteriores caracterizado porque comprende además:

Bi un conjunto de píxeles Ai con el primer valor binario, un paso de aplicar a Ai un proceso de dilatación.

8. Método según cualquiera de las reivindicaciones anteriores caracterizado porque, en el paso de calcular

- la media estimada ml se calcula como la media de las intensidades de los píxeles resultado para la imagen la imagen anterior ni-l;

- la desviación típica estimada 6i se calcula como la desviación típica de las intensidades de los píxeles resultado para la imagen la imagen anterior ni-l;

- la posición estimada (xi, yd se calcula como el centroide de los píxeles resultado para la imagen la imagen anterior ni-l;

la primera longitud de intervalo oia se calcula multiplicando la desviación típica estimada ol por el primer número positivo predefinido a1;

9. Método según la reivindicación 6 caracterizado porque verifica b2<b1.

10. Método según cualquiera de las reivindicaciones

anteriores caracterizado porque comprende además, un paso de calcular un volumen del órgano hepático sumando un volumen asociado a cada pixel segmentado, donde dicho volumen asociado a un pixel se calcula multiplicando un tamaño de una superficie representada por dicho pixel por

una distancia entre dos cortes axiales consecutivos.

11. Programa de ordenador que comprende medios de código de programa de ordenador adaptados para realizar las etapas del método de acuerdo con cualquiera de las