SISTEMA DE APOYO PARA IDENTIFICACIÓN Y ESTIMACIÓN DE VOLUMETRÍA DE NÓDULOS PULMONARES

SISTEMA DE APOYO PARA IDENTIFICACIÓN Y ESTIMACIÓN DE VOLUMETRÍA DE NÓDULOS PULMONARES CIS1510AP04 Pontificia Universidad Javeriana Autor. José Alejandro León Andrade Directores: Andrea del Pilar Rueda Olarte Carlos Alberto Parra Rodríguez Bogotá, Junio 2015 [En línea]. Disponible en: http://imdillano.com/site/images/institucional/tac/tac3.jpg. [Accedido: 03-jun- 2015]. 1

CONTENIDO 1. Introducción 2. Descripción 3. Análisis 4. Diseño 5. Implementación 6. Resultados 7. Conclusiones ] [En línea]. Disponible en: http://1.bp.blogspot.com/-c3lznesv-b0/vhkkngu2v9i/aaaaaaaaaho/24crz0lo25q/s1600/_w8z2829.jpg. [Accedido: 03-jun-2015]. 2

INTRODUCCIÓN PULMÓN Nódulos ouno de los problemas radiológicos más frecuentes. oacumulación de células de origen diferente a las células normales del pulmón. Puede ser benigno o maligno. 3 [En línea]. Disponible en: http://www.cun.es/material-audiovisual/infografia/nodulo-pulmonar Accedido: 03-jun-2015].

INTRODUCCIÓN DETECCIÓN Broncoscopia Videotoracoscopia Tomografía Axial Computarizada (TAC) de tórax. Tomografía por Emisión de Positrones (PET). Punción percutánea 4 LA ÚLTIMA DECISIÓN ES DEL MÉDICO ESPECIALISTA [En línea]. Disponible en: http://www.cun.es/material-audiovisual/infografia/nodulo-pulmonar Accedido: 03-jun-2015].

CONCEPTOS BÁSICOS IMAGEN MÉDICA Representación de una imagen tridimensional Escala Hounsfield para estructuras de interés 5 - «MOTE: Modelos Matema ticos III: Vectores y Matrices». [En lińea]. Disponible en: http://moteorg.blogspot.com/2013/09/modelos-matematicos-iii.html. [Accedido: 17- may-2015]. - A. T. Reali, Radiodiagnośtico y Radioterapia. Lulu, 2012.

CONCEPTOS BÁSICOS NÓDULO PULMONAR Características 6 [En línea]. Disponible en: http://www.cun.es/material-audiovisual/infografia/nodulo-pulmonar Accedido: 03-jun-2015].

CONCEPTOS BÁSICOS NÓDULO PULMONAR Nódulo calcificado Nódulo grande Nódulo pegado a pleura Nódulo pequeño 7 [En línea]. Disponible en: http://www.via.cornell.edu/databases/lungdb.html Accedido: 03-jun-2015].

INTRODUCCIÓN JUSTIFICACIÓN 90% Hallazgo casual Nódulos malignos 68% diagnosticados previamente como indeterminados 70-80% 85% Tasa de curación (Cáncer en estadio I) Cáncer detectado son estadio I. 20-30% Carcinomas presentados como un Nódulo Pulmonar Solitario (NPS) 70% Nódulos menores o iguales de 10 mm son benignos. 40-50% NPS son lesiones malignas, la mayoría carcinomas primitivos de pulmón. [En línea]. Disponible en: http://www.cun.es/material-audiovisual/infografia/nodulo-pulmonar Accedido: 03-jun-2015]. O. Dumeńigo Arias, B. de Armas Peŕez, A. Gil Hernańdez, y M. V. Gordis Aguilera, «No dulo pulmonar solitario: Que hacer», Rev. Cuba. Cir., vol. 46, n.o 2, 2007. 8

INTRODUCCIÓN PROBLEMA Cómo generar una aplicación con una interfaz gráfica que facilite a un médico la lectura e interpretación de imágenes de TAC de tórax, para la identificación de estructuras del pulmón y de nódulos pulmonares? Aplicación intuitiva. Aplicación sencilla de usar. Hacer uso de algoritmos ya existentes. Aplicaciones similares en el mercado. [En línea]. Disponible en: http://aluminiosvillalba.coremtheme.com/wpcontent/blogs.dir/32/files_mf/1365530395preguntas.jpg Accedido: 03-jun-2015]. 9

DESCRIPCIÓN OBJETIVO GENERAL Implementar una aplicación usando visión por computador, para ayudar a un médico en la identificación, ubicación y estimación de la volumetría de nódulos pulmonares, en tomografía axial computarizada (TAC) de tórax. [En línea]. Disponible en: http://img.directindustry.es/images_di/photog/pantalla-lcd-tft-aplicaciones-medicas-1920-x-1200-25098-8239944.jpg. [Accedido: 03-jun-2015]. 10

DESCRIPCIÓN OBJETIVOS ESPECÍFICOS Evaluar los diferentes métodos que se emplean en la segmentación y visualización de imágenes médicas de TAC de tórax. Diseñar un sistema para generar un modelo en 3D de los pulmones, que ayude a identificar nódulos pulmonares y estimar su volumetría, a partir de imágenes TAC de tórax. Implementar el sistema diseñado, junto con una interfaz 3D interactiva. Realizar pruebas funcionales y de usabilidad con tomografías de diferentes pacientes. Analizar los resultados, con el fin de refinar la herramienta de software realizada. 11

DESCRIPCIÓN METODOLOGÍA FLUJOS DE TRABAJO CONCEPCIÓN ELABORACIÓN CONSTRUCCIÓN Modelo Requerimientos Análisis y diseño Implementación Pruebas Documentación Gestión de proyecto Iteración 1 Iteración 2 Iteración 3 Iteración 4 Iteración 5 Iteración 6 Metodología ágil de proceso unificado (AUP) 12

DISEÑO ARQUITECTURA Arquitectura MVC Arquitectura Pipeline Insight Segmentation and Registration Toolkit [En línea]. Disponible en: http://www.itk.org/itkindex.html. [Accedido: 03-jun-2015]. [En línea]. Disponible en: http://www.vtk.org [Accedido: 03-jun-2015]. [En línea]. Disponible en: http://www.qt.io/about-us/ [Accedido: 03-jun-2015]. Visualization Toolkit QT 13

ANÁLISIS CASOS DE USO Casos de uso básicos 14

ANÁLISIS CASOS DE USO 15 Casos de uso algoritmo

ANÁLISIS CASOS DE USO Casos de uso otras opciones 16

DISEÑO MODELO DE DOMINIO Modelo de dominio de la aplicación 17

Inicio IMPLEMENTACIÓN - ALGORITMO Obtener imagen de entrada Cuerpo Preprocesamiento Segmentación de estructuras importantes Pulmones 1 OR Mediastino Imagen en escala de gris Imagen de valores propios Imagen de contraste local Obtener Vasos y árbol bronquial Umbralización Umbralización Umbralización AND 1 Contorno Imagen de candidatos Detección de candidatos Algoritmo de la aplicación Fin 18

IMPLEMENTACIÓN - PRE PROCESAMIENTO Inicio Obtener imagen de entrada Imagen de entrada radio Filtro mediana(radio) Mediana Imagen de entrada Obtener histograma Fin Imagen de entrada Filtro mediana radio 5 19

IMPLEMENTACIÓN SEGMENTACIÓN PULMONES Mediana Semillas Obtener pulmones(semillas) Máscara de pulmones Obtener Contorno de Pulmones Contorno pulmones 2 Perfil de intensidad de borde Crecimiento de regiones Cierre Contorno 20

IMPLEMENTACIÓN SEGMENTACIÓN MEDIASTINO Máscara de pulmones Obtener Mediastino Máscara de mediastino Máscara de pulmones Máscara del mediastino Máscara del mediastino apertura 21

IMPLEMENTACIÓN SEGMENTACIÓN VASOS, ÁRBOL BRONQUIAL Máscara de pulmones Máscara de mediastino Obtener Vasos Vasos- Árbol bronquial Obtener Máscara de Región de interés Obtener Región de búsqueda. Región de Búsqueda Obtener imagen de interés Imagen de entrada 1 Máscara de región de interés Región de interés 22

IMPLEMENTACIÓN SEGMENTACIÓN VASOS, ÁRBOL BRONQUIAL Vasos y árbol bronquial son tubulares H = Ixx Ixy Ixz Iyx Iyy Iyz Izx Izy Izz Definición de Matriz Hessiana f λ = det(λi A) Definición de función de valores propios λ 1 < λ 2 < λ 3 ESTRUCTURAS: - Tubulares brillantes: λ 1 0 y λ 2 0 y λ 3 0 - Tubulares oscuras: λ 1 0 y λ 2 0 y λ 3 0 - Planas brillantes: λ 1 0 y λ 2 0 y λ 3 0 - Planas oscuras: λ 1 0 y λ 2 0 y λ 3 0 - Esféricas brillantes: λ 1 0 y λ 2 0 y λ 3 0 - Esféricas oscuras: λ 1 0 y λ 2 0 y λ 3 0 23

IMPLEMENTACIÓN SEGMENTACIÓN VASOS, ÁRBOL BRONQUIAL Máscara de pulmones Máscara de mediastino Obtener Vasos Vasos- Árbol bronquial Obtener Máscara de Región de interés Obtener Región de búsqueda. Región de Búsqueda Obtener imagen de interés Imagen de entrada 1 Vasos Árbol bronquial (grises) Segmentación Vasos Árbol bronquial Región de búsqueda 24

IMPLEMENTACIÓN IMÁGENES DE CANDIDATOS - HU Imagen 1: Criterio de Intensidad Región de Búsqueda Imagen 1: Intensidad (Escala Hounsfield) Obtener Imágenes de candidatos (Escala de gris) Obtener imágen de candidatos en escala de gris Imagen en escala de grises Umbral Umbralización Umbralización de imagen original Imagen en escala de grises (HU) Umbralización por criterio de HU 25

IMPLEMENTACIÓN IMÁGENES DE CANDIDATOS VALORES PROPIOS Imagen 2: Criterio de valores propios Región de Búsqueda Obtener Imágenes de candidatos (Escala de gris) Obtener imagen de valores propios Imagen de valores propios Umbral Umbralización Umbralización de valores propios λ 1 > λ 2 > λ 3 Método Valores propios Cλ 1 = λ 1, λ 1 > 0 λ 3, λ 1 0 y λ 2 > 0 y λ 3 > 0 0, Cualquier otro caso Imagen con criterio de λ 1 Umbralización de imagen con criterio de λ 1 26

IMPLEMENTACIÓN IMÁGENES DE CANDIDATOS CONTRASTE LOCAL Imagen 3: Criterio de contraste local Región de Búsqueda Obtener Imágenes de candidatos (Escala de gris) Obtener imagen de Contraste Local Imagen de contraste local Umbral Umbralización Umbralización de contraste local Top-hat f b = f (f b) Imagen de contraste local 27 Umbralización de imagen de contraste local

IMPLEMENTACIÓN IMAGEN DE CANDIDATOS Imagen 1 Umbralización de valores propios Contorno de pulmones 2 Umbralización de contraste local Umbralización de imagen original Obtener candidatos Segmentación de candidatos Fin 3 AND + Imagen 2 - Imagen 3 Segmentación de candidatos 28

IMPLEMENTACIÓN INTERFAZ GRÁFICA 29

IMPLEMENTACIÓN INTERFAZ GRÁFICA 30

IMPLEMENTACIÓN VISUALIZACIÓN DE ALGORITMO Panel de selección de imagen Panel de selección de imagen 31

IMPLEMENTACIÓN VOLUMETRÍA 32 Ventana de volumetría

IMPLEMENTACIÓN MODELO 3D Ventana de modelo 3D 33

IMPLEMENTACIÓN APLICACIÓN 34

RESULTADOS PRUEBAS DE SISTEMA Funcionamiento de cada elemento. Integración del sistema. Verificación de errores en cada método, elemento. [1] Creación de algoritmo adicional. [1] [En línea]. Disponible en: https://cdn0.iconfinder.com/data/icons/customicondesign-office6-shadow/256/checklist.png Accedido: 03-jun-2015]. [2][En línea]. Disponible en: https://supervisionassist.com/assets/img/tour/checklist.png Accedido: 03-jun-2015]. [2] 35

RESULTADOS PRUEBAS DE ENTREGA Base de datos etiquetada: ELCAP Public Lung Image Database. [En línea]. Disponible en: http://www.via.cornell.edu/databases/lungdb.htmlaccedido: 03-jun-2015]. TAC Nódulos en imagen etiquetada Nódulos en imagen obtenida Porcentaje de acierto 3 7 4 57,1 4 23 14 60,9 6 9 5 55,6 7 2 1 50,0 8 6 5 83,3 9 8 6 75,0 10 7 5 71,4 11 9 6 66,7 12 19 14 73,7 13 11 10 90,9 15 11 5 45,5 18 4 2 50,0 Total 116 77 66,4 36

RESULTADOS PRUEBAS DE USABILIDAD Selección de tres perfiles: Ingeniero de sistemas experto en aplicaciones con interfaz de usuario. Ingeniero de sistemas e investigador experto en procesamiento de imágenes medicas. Estudiante de Doctorado en ingeniería, con experiencia en procesamiento y análisis de imágenes médicas. Prueba del sistema en su totalidad. Calificaciones numéricas. Conclusiones: Función de histograma no es tan importante. Valores de entrada deben ser restringidos. Datos de encabezado de DICOM poco relevantes. Recorte de mediastino no es útil. En general la aplicación es útil e intuitiva. Percepción de utilidad. Percepción general. 37

CONCLUSIONES Se realizó una aplicación prototipo de acuerdo a los requerimientos obtenidos, las pruebas realizadas y el contexto de la aplicación. 1. Tiempo de ejecución y procesamiento. [1] 2. Tamaño de los nódulos en relación con los algoritmos usados. [2] 3.Contexto en el que se desarrolla la aplicación. [1] [En línea]. Disponible en: http://www.blogmatico.com/wp-content/uploads/2009/10/iobit_game_booster_beta_2.jpg Accedido: 03-jun-2015]. [2][En línea]. Disponible en: http://www.teledet.com.uy/figuras/fig49.jpg Accedido: 03-jun-2015]. [3] [En línea]. Disponible en: https://fundamentodemercadotecnia04.wordpress.com/files/2009/04/microentorno.jpg Accedido: 03-jun-2015]. [3] 38

CONCLUSIONES 4. Interacción 3D (Manipulación, navegación, selección). 5. Imagen de candidatos. 6. Público objetivo y trabajo futuro. Médicos radiólogos. Médicos en general. Estudiantes de medicina. Facultad de Ingeniería. Hospital San Ignacio. 39

GRACIAS 40