Αυτοματοποιημένο σύστημα κατάτμησης εικόνας και ανίχνευσης φαλαγγικών αρθρώσεων σε ακτινογραφίες άκρας χειρός

Abstract

Τα τελευταία χρόνια οι ραγδαίες εξελίξεις στην τεχνολογία έχουν επηρεάσει πολλές πτυχές της ζωής του ανθρώπου. Ένα χαρακτηριστικό παράδειγμα είναι η τομή της επιστήμης της Πληροφορικής με την Ιατρική, καθώς οι υπολογιστές παίζουν σήμερα ολοένα και πιο σημαντικό ρόλο στην κλινική πρακτική. Η Ιατρική Απεικόνιση και η εξεύρεση αυτόματων μεθόδων επεξεργασίας ιατρικών εικόνων έχουν αποτελέσει σημαντικό αντικείμενο έρευνας, με σκοπό την ουσιαστική υποβοήθηση ιατρικών διαδικασιών κουραστικών και χρονοβόρων, την αύξηση της παραγωγικότητας των υπεύθυνων ιατρών και τη βελτίωση της ακρίβειας της διάγνωσης. Η παρούσα διπλωματική εργασία αποτελεί μέρος μιας ευρύτερης μελέτης που αποσκοπεί στην ανάπτυξη αυτοματοποιημένων συστημάτων κατάτμησης και ανάλυσης των χαρακτηριστικών των περιοχών ενδιαφέροντος σε μια ακτινογραφία άκρας χειρός. Στα πλαίσια της εργασίας τέθηκαν δύο στόχοι: α) η υλοποίηση ενός πλήρως αυτόματου αλγορίθμου για την εξαγωγή του περιγράμματος του χεριού και το διαχωρισμό του από το υπόβαθρο της εικόνας και β) ο αυτόματος εντοπισμός των αρθρώσεων των δακτύλων. Αρχικά, η εικόνα υπόκειται σε ένα στάδιο προεπεξεργασίας το οποίο περιλαμβάνει τη διόρθωση του ανομοιογενούς φωτισμού του υποβάθρου, τη βελτίωση της αντίθεσης και την αποθορυβοποίησή της. Η παρατήρηση των ιστογραμμάτων των εικόνων-εξόδου του σταδίου αυτού έδειξε ότι είναι δυνατή η περιγραφή του εν λόγω σήματος από κάποιο μαθηματικό μοντέλο. Έτσι, σε επόμενο στάδιο, επιλέχθηκε η προσέγγιση του ιστογράμματος από μια κατανομή Gauss και μελετήθηκαν μέθοδοι ελαχιστοποίησης της απόκλισής της από τις πραγματικές τιμές του ιστογράμματος. Η ομαλή γραφική παράσταση της νέας προσέγγισης καθιστά δυνατή μία πλήρως αυτόματη επιλογή κατωφλίου για τη δημιουργία μιας δυαδικής εικόνας και την εξαγωγή του περιγράμματος του χεριού μέσω αυτής. Στη συνέχεια, το αποτέλεσμα της κατωφλίωσης χρησιμοποιείται για την υλοποίηση του δεύτερου μέρους της εργασίας. Συγκεκριμένα, μέσω της δυαδικής εικόνας που προκύπτει λαμβάνεται μια εκτίμηση του μορφολογικού σκελετού του χεριού και πραγματοποιείται διαχωρισμός των δακτύλων. Το κάθε δάκτυλο αναπαρίσταται από ένα ευθύγραμμο τμήμα κατά μήκος του οποίου εξετάζονται οι μεταβολές στην ένταση της εικόνας, με σκοπό τον αυτόματο εντοπισμό των θέσεων των μεσοφαλαγγικών και μετακαρποφαλαγγικών αρθρώσεων του χεριού. Οι μέθοδοι αυτές βρήκαν εφαρμογή σε έναν ευρύ δειγματικό χώρο αποτελούμενο από 117 ακτινογραφίες άκρας χειρός και η ολοκλήρωσή τους σημειώθηκε με ένα ιδιαίτερα αισιόδοξο ποσοστό επιτυχίας

In recent years, rapid advancements in technology have affected many aspects of the human life. One of the most characteristic examples is the intersection of Computer Science and Medicine, since computers play a crucial role in clinical practice nowadays. Medical Imaging and automated methods in medical image processing have been an important research topic aiming at assisting strenuous and time-consuming medical procedures and increasing the accuracy of a diagnosis. The work at hand is part of a larger study which focuses on automated segmentation methods and region of interest (ROI) extraction and analysis in radiographic hand images. Therefore, the thesis goal is twofold: a) development of a fully automated algorithm for the extraction of the hand boundaries and background removal and b) automatic joint detection. Initially, the image is subjected to a preprocessing stage which performs uneven background illumination correction, contrast enhancement and denoising. At this point, histogram observation of the images proved that a mathematical model can be used for histogram representation. Thus, as a next step, the histogram is fitted by a Gaussian distribution, optimized by various methods for a minimum error between the fit and the histogram values. Through the smoother plot that describes this fit, a fully automated threshold selection is now possible. This threshold value allows the formation of the binary image that separates the hand from the background and therefore the extraction of the hand boundaries. Taking advantage of the segmentation result we move on to the second part of the thesis. Specifically, the binary image is used to produce the skeleton of the hand (morphological operation) and the proper branches that run through the middle of each finger. The automatic detection of 14 phalangeal joints is possible by identifying the sharp changes in gray scale intensity along the phalangeal branch paths through the profile plot of the image. The regions of interest around the detected locations are subsequently presented on the image. The aforementioned methods have been implemented on a wide range of radiographic samples, consisting of 117 hand X-ray images. Our experiments have been completed with a significantly optimistic success rate.