|
Manyetik rezonans (MR) görüntüleri kıkırdaksı anatomik yapıların elle veya otomatik bölütlenmeleri yoluyla şekilsel ve nicel değerlendirilmesine olanak tanır. Diz bölgelerindeki yapısal değişimler, özellikle kıkırdaksı dokuların bozulması, osteoartrit olarak adlandırılan bir hastalıkla sıkı ilişkili olduğundan kıkırdağın ölçümlenmesi veya görsellenmesi terapötik veya cerrahi uygulamaların etkinliğinin yanında bu hastalığın bulgu veya ilerlemesini saptayabilir. Bu tezde diz eklemi MR görüntülerindeki bütün femura ait kıkırdak (FK), tibiaya ait kıkırdak (TK), ve patellaya ait kıkırdak (PK) bölgelerinin anatomik ilgi bölgeleri için özelleşmiş yaklaşımlardan kaçınarak ve bilhassa sınırlı kaynakları olan sistemler düşünülerek tamamen otomatik bölütlenmesi ve modellenmesi temelde amaçlanmıştır. Hacimsel görüntüler için kenar ve ilgi noktaları gibi görüntü özelliklerinin genelde olduğu gibi iki boyutlu (2-B) kesitler yerine direkt üç boyutlu (3-B) hacimlerde tespitinin bazı faydalar sağlayıp sağlamayacağının araştırılması tezdeki ikincil amaç olarak belirlenmiştir.
Tezde sunulan ilk çalışmada diz eklemindeki tüm kıkırdaksı bölgeler Osteoartrit Girişimi'nden elde edilen yüksek alan MR görüntülerinde örnekle-yay yöntemiyle voksel sınıflandırmaya dayalı bir bölge büyütme algoritması kullanılarak otomatik bir şekilde bölütlenmiştir. Kısıtlı hafızası ve işlemci gücü olan sistemler göz önüne alınarak sınıflandırmanın hesabi karmaşıklığı eğitim MR görüntülerindeki arka plan voksellerinin alt örneklenmesi ve küçük bir önemli özellik alt kümesi seçilmesiyle azaltılmıştır. Düzgün, Gauss, çevre ilişkili (Çİ) seyrek ve Çİ sık alt örneklemeyi içeren farklı alt örnekleme teknikleri kullanılarak dört eğitim modeli oluşturulmuştur. Bölütleme sistemi 10 eğitim 23 test MR görüntüsü kullanılarak denenmiş ve farklı eğitim modellerinin bölütleme başarıları üzerine etkisi araştırılmıştır. Deneysel sonuçlar göstermiştir ki tüm bölgeler için en yüksek ortalama Dice benzerlik katsayısı (DBK) değerleri özgün Çİ seyrek alt örnekleme tekniğinin eğitim modelleri kullanıldığında elde edilmiştir. Bu teknikle eniyilenen ortalama DBK değerleri FK, TK ve PK için sırasıyla %82,6, %83,1 ve %72,6 olarak bulunmuştur. Literatürdeki ilgili çalışmaların çoğundan farklı olarak, bu çalışma bir kıkırdak bölgesinin bölütlenmesinden önce bir ilgi hacmi bulma, bir kemik bölütleme veya kemik kıkırdak arayüzü belirlemeyi gerektirmemiştir. Dolayısıyla sistemde böylesi bir ön işlemin hesapsal karmaşıklığı giderilmiştir. Ayrıca sadece osteoartritli katılımcılar için tek türde MR görüntüsünün işlenmesine rağmen sistemin elde ettiği başarılar ilgili çalışmalarınkine benzerdir. Kısıtlı kaynaklı bir ortamda bir MR görüntüsünün tüm kesitlerinde tüm bölgelerin bölütlenmesi için takribi 30 dakikalık işleme süresi gelecek için ümit vericidir.
Ayrıca çoğunlukla önceki sistemin aşırı bölütleme problemlerinin üstesinden gelmek için özgün bir hibrit bölütleme yöntemi önerilmiştir. Bu yöntem kıkırdak bölgelerinin voksel sınıflandırma tabanlı bölütleme sonuçlarını aktif görünüm modeli (AGM) bölütleme sonuçlarıyla bir bilgi kaynaştırma yordamı aracılığıyla birleştirmiştir. Aynı eğitim ve test MR görüntü kümeleri kullanıldığında deney sonuçları sadece FK bölgesi için göstermiştir ki AGM bölütleme test MR görüntülerinin çoğunluğunda bölgelerin görünüm bilgisini yaklaşık olarak belirleyebilmiştir. Bununla beraber, bazı MR görüntülerindeki başarısızlık bilgi kaynaştırma biriminin planlandığı gibi uygulanmasını önlemiştir. Bilgi kaynaştırma için sadece doku sınıflandırma ve görünüm modelleme birimlerinin sonuçları kesiştirildiğinde hibrit bölütleme yöntemi FK için %73.78'lik en yüksek ortalama DBK değeriyle önceki voksel sınıflandırma tabanlı bölütleme yönteminden daha üstün olamamıştır.
İkincil amaçla ilgili olarak, standart Marr-Hildreth kenar tespit ve Harris köşe tespit yöntemleri hacimsel 3-B görüntülerde çalışmak üzere genişletilmiştir. Hacimsel görüntülerin 2-B kesitlerine uygulanan standart yöntemlerin sonuçları 3-B yöntemlerin sonuçlarıyla nitel olarak karşılaştırılmıştır. Sonuçta 3-B Marr-Hildreth yöntemi diz MR görüntülerinde kesit yönündeki eğim değişimlerine ek hassasiyet kazanarak 2-B Marr-Hildreth yönteminin bulduğu ana kemik ve kıkırdak kenarlarını belirgin bir biçimde tespit etmiştir. Hacimsel FK görüntülerinde önerilen 3-B Harris köşe tanıma yöntemi yüzey sınırlarına yakın çıkıntılı kısımlarda iyi konumlandırılmış ve daha bağımsız ilgi noktaları belirlemiştir.
|
|
Magnetic resonance (MR) images enable morphological and quantitative assessment of cartilaginous anatomic structures through their manual or automatic segmentations. Because structural changes in the joint compartments, especially deterioration of cartilaginous tissues, indicate strong correlation with a disorder so-named as osteoarthritis, quantification and visualization of the cartilage can establish evidence or progression of this disorder as well as effectiveness of therapeutic or surgical practices. In this thesis, fully-automatic segmentation and modelling of the whole femoral cartilage (FC), tibial cartilage (TC), and patellar cartilage (PC) compartments in MR images of the knee joint was mainly aimed avoiding segmentation methods specialized for the anatomical structures of interest and considering systems with limited resources in particular. The secondary purpose of the thesis was to investigate if detection of the image features such as edges or interest points directly in three-dimensional (3-D) volumes, rather than in two-dimensional (2-D) slices as usual, brings about some advantages or not for volumetric images.
In the first study presented in this thesis, all cartilaginous compartments in the knee joint were automatically segmented in high-field MR images obtained from Osteoarthritis Initiative using a voxel-classification-driven region-growing algorithm with sample-expand method. Computational complexity of the classification was alleviated via subsampling of the background voxels in the training MR images and selecting a small subset of significant features by taking into consideration systems with limited memory and processing power. Different subsampling techniques, which involve uniform, Gaussian, vicinity-correlated (VC) sparse, and VC dense subsampling, were used to generate four training models. The segmentation system was experimented using 10 training and 23 testing MR images, and the effects of different training models on segmentation accuracies were investigated. Experimental results showed that the highest mean Dice similarity coefficient (DSC) values for all compartments were obtained when the training models of novel VC sparse subsampling technique were used. Mean DSC values optimized with this technique were 82.6%, 83.1%, and 72.6% for FC, TC, and PC, respectively. This study did not require finding a volume of interest, segmenting a bone, or determining bone-cartilage interface prior to segmentation of a cartilage compartment unlike most of the related studies in the literature. Therefore, computational complexity of such a prior operation was reduced in the system. Also, despite processing MR images with single modality for only osteoarthritic participants, the system obtained accuracies similar to those of the related works. About 30-min processing time was promising for segmenting all compartments in all slices of an MR image on a resource-limited platform.
Moreover, a novel hybrid segmentation method was proposed to primarily deal with the oversegmentation problems of the former system. This method combined the results of voxel classification-based segmentation with results of active appearance model (AAM) segmentation of the cartilage compartments through an information fusion procedure. Experimental results for only FC compartment using the same sets of training and testing MR images indicated that AAM segmentation could approximately determine the appearance information of the compartments in most of the testing MR images. However, failure in some of the MR images prevented implementation the information fusion module as intended. Simply intersecting the segmentation results of the tissue classification and appearance modelling modules for information fusion, the hybrid segmentation method could not outperform the former voxel classification-based segmentation method with its highest mean DSC value of 73.78% for FC.
With regard to the secondary purpose, standard Marr-Hildreth edge detection and Harris corner detection methods were extended to run in 3-D volumetric images. The results of the standard methods, which were applied in 2-D slices of the volumetric images, were qualitatively compared with results of the 3-D methods. As a result, in knee MR images, 3-D Marr-Hildreth method prominently detected the principal bone and cartilage edges found by the standard 2-D Marr-Hildreth method gaining additional sensitivity to gradient changes along the slices. In volumetric images of FC, the proposed 3-D Harris corner detection method determined well-localized and more distinct interest points at salient positions close to the surface boundaries. |
