Estructuras en Imagen Médica y Tecnologías Cloud

Transcripción

1 Segmentación e Identificación de Estructuras en Imagen Médica y Tecnologías Cloud José Crespo DLSIIS Grupo de Informática Biomédica Facultad de Informática Universidad Politécnica de Madrid Campus de Montegancedo, Boadilla del Monte (Madrid) jcrespo@fi.upm.es Workshop Internacional en Imagen Médica, La Coruña, 2-3 Marzo de 2011

2 Índice Parte I: Tratamiento y analisis i de imágenes biomédicas Procesamiento y análisis morfológico de imágenes Watershed con restricciones ti i de formas Parte II: Aplicación de Cloud computing para imágenes médicas

3 Parte I: Introducción Procesamiento y análisis i de imágenes biomédicas. Algunos problemas frecuentes: Ruido Fondos complejos Objetos que se solapan Gradientes no-homogéneos.

4 Parte I: Introducción Procesamiento y análisis morfológico de imágenes Procesamiento morfológico vs. Procesamiento lineall Énfasis en la forma Marco conjuntista Importancia del orden y de los operadores crecientes Marco matemático sólido y elegante Estructura matemática de retículo Operadores y filtros para procesado Técnicas de segmentación Watershed

5 Watershed Watershed Gradiente de la Imagen Agua Inundación Líneas de Líneas de Separación

6 Watershed Watershed restringida localmente Watershed R t i id Restringida Localmente Función de Coste Elemento Estructurante E t t t Beare 2006 Gradiente de la Imagen Inundación Líneas de Lí d Separación

7 Introducción Camino de Minkowski ki Función de coste

8 Ejemplo imagen sintética

9 Resultados

10 Resultados

11 Resultados

12 Resultados

13 Parte I: Conclusión La introducción de restricciones en la watershed puede proporcionar una mayor flexibilidad y robustez Particularmente útil en aplicaciones de extracción de partículas cuando se encuentran: Estructuras solapadas Estructuras adyacentes Gradientes no homogéneos

14 Parte II: Introducción En Biomedicina se genera una gran cantidad de información multimedia Micro-Arrays Anatomía Patológica CT MRI PET Rayos-X Una tarea fundamental en la informática biomédica: Tratamiento de señales e imágenes biomédicas.

15 Parte II: Introducción Sistemas de almacenamiento de imágenes biomédicas Picture Archiving and Communication Systems (PACS) Para tener un PACS se requiere: Grandes desarrollos software. Servidores potentes. Alto coste de mantenimiento y administración. Actualización de sistemas y compatibilidad. continuos avances en sensores y dispositivos de captura generan imágenes cada vez con mayor resolución, y por lo tanto mayor información ió contenida y mayor tamaño.

16 Cloud Computing Qué es Cloud Computing Nuevo paradigma de programación (aún en definición). i ió Definición del NIST (National Institute of Standards and Technology) Peter Mell and Tim Grance Versión 15, 07/Octubre/2009 Cloud computing is a model for enabling convenient, on-demand network access to a shared pool of configurable computing resources (e.g., networks, servers, storage, applications, and services) that can be rapidly provisioned and released with minimal management effort or service provider interaction. This cloud model promotes availability and is composed of five essential characteristics, three service models, and four deployment models.

17 Cloud Computing Características esenciales del Cloud Computing: Auto-servicio bajo demanda. Sin interveción de un proveedor humano. Acceso por red de banda ancha. Accesible por métodos estándar a través de internet. Batería (pool) de recursos. El usuario no sabe exactamente de cuantos recursos dispone el proveedor, ni donded se encuentran. Elasticidad y rapidez. El sistema debe ser escalable de forma transparente al cliente. Medición del servicio. La utilización de los recursos es controlada y almacenada de forma transparente.

18 Cloud Computing Modelos de Servicios i en Cloud Computing: Nube de Software como Servicio (SaaS). El cliente tiene acceso a una aplicación creada por el proveedor. Nube de Plataforma como Servicio (PaaS). El cliente puede ejecutar aplicaciones propias en la plataforma. Sin administrar los recursos. Nube de Infraestructura como Servicio (IaaS). El cliente puede administrar los recursos físicos e instalar software propio p (incluso S.O.)

19 Cloud Computing Modelos de desarrollo de Nubes: Nube privada. Nube usada exclusivamente por una organización. Nube Communitaria. La nube es compartida por varias organizaciones con propósitos comunes. Nube Pública. Nube disponible para el público general. La nube pertenece a una organización que vende sus servicios. Nube Híbrida.

20 Métodos Objetivo del proyecto: Creación un servicio software de cloud computing para: almacenar, procesar y recuperar imágenes e información multimedia biomédica. Para profesionales e instituciones sin suficientes recursos técnicos (nube pública). Servicio privado, sólo accesible por clientes con autorización. ación Podría crearse un PACS privado Virtual basado en el cloud computing.

21 Métodos Se ha creado usando sistema multi-agente distribuido. Cada agente maneja una base de datos de imágenes. El almacenamiento, indexación y procesamiento de las imágenes es orientado a regiones. Se almacenan características de básicas de color, forma, textura de cada región y las relaciones con otras regiones.

22 Métodos Las imágenes biomédicas generan un gran volumen de datos. La distribución de las imágenes en varias bases de datos es habitual para mejorar el rendimiento y estabilidad. Se ha creado un algoritmo de división i ió orientado a regiones. Que preserva las regiones. Un aspecto novedoso: cuando un agente del sistema recibe una imagen muy grande puede dividirla en varias sub-imágenes. Cada sub-imagen es almacenada de forma separada.

23 Métodos Se han implementado operadores distribuidos básicos orientados a regiones, de la morfología matemática erosión, dilatación, watershed, etc. Se pueden aplicar operaciones directamente sobre la base de datos. Las consultas de recuperación pueden usar cualquier atributo de las regiones. Una consulta sobre una imagen puede requerir información guardada en varios agentes.

24 Métodos Tipos de agentes en el sistema: El agente punto de acceso al servicio de cloud computing. Ofrece métodos para (a) almacenar imágenes, (b) aplicar operaciones, y (c) consultar el sistema. El agente índice de recursos puede ser visto como el servicio de directorio del sistema. Los agentes trabajadores son la parte principal del Los agentes trabajadores son la parte principal del sistema.

25 Métodos

26 Métodos Los agentes trabajadores implementan todos los métodos explicados: Algoritmo de división. Segmentación, almacenamiento e indexación. Procesamiento. Recuperación. Además se encargan de monitorizar su carga y registrarla. S d li b l d di i ió Son capaces de realizar balanceo de carga: división y almacenamiento.

27 Resultados Para las pruebas se han empleado tres imágenes de diferentes tamaños: Imagen 1 de 1000x1000 píxeles Imagen 2 de 3000x3000 píxeles Imagen 3 de 5000x5000 píxeles. Las imágenes se han almacenado distribuyendo cada imagen en un número diferente de agentes (desde 1 a 3 agentes). El tiempo mostrado (en segundos) es el de aquel agente que más tarda en realizar la consulta.

28 Resultados Tiempos de ejecución para una consulta compleja. Obtiene de las distintas i imágenes todas aquellas regiones que tengan (a) un área menor que una constante, (b) un valor de etiqueta (color) mayor que un umbral dado, y (c) tanto el eje mayor de la región como el menor sean más pequeños que el 10% del tamaño de la imagen (por ejemplo para eliminar regiones no significativas, o ruido de la imagen).

29 Resultados Obtener los píxeles contenidos en un recuadro de 300x600 píxeles de las distintas imágenes (cada píxel es obtenido con la etiqueta de la región a la que pertenece). El tiempo de ejecución se reduce en ambas consultas al incrementarse el número de agentes en el sistema. Cuando se usan dos agentes el tiempo ahorrado es, de media, un g p,, 48%. Cuando de usan 3 agentes el porcentaje de ahorro de tiempo asciende al 61% de media.

30 Parte II: Conclusión Se ha presentado un prototipo escalable de sistema multiagente: li Capaz de almacenar grandes colecciones de imágenes biomédicas. Ofrece métodos para almacenar, analizar y recuperar las imágenes a través de un servicio de cloud computing. Permitiendo administrar y procesar colecciones de imágenes sin la necesidad de grandes servidores. Los resultados muestran que la división en sub-imágenes, de las imágenes grandes,reduce el tiempo de ejecución en consultas de recuperación.

31 Gracias por su atención.