1 Métodos de fusión de las etiquetas basadas en registro no rígido Sandra Rodríguez Rodrigo

2 INTRODUCCIÓN Enfermedades neurodegenerativas Ciertos trastornos psiquiátricos VolumenÁrea Frecuentemente asociados con cambios estructurales en el cerebro.

3 Volumen del hipocampo Puede ser crucial para el diagnóstico de enfermedades tales como el Alzheimer o la Esquizofrenia.

4  Métodos de fusión  Freesurfer

5 MÉTODOS DE FUSIÓN Segmentaciones de múltiples atlas Única segmentación Se combinan Fusión de etiquetas Atlas

6 MÉTODOS DE FUSIÓN  GLOBALES Majority Voting Weighted Voting  LOCALES Generalized Local Weighted Voting STAPLE

7 ESTRATEGIAS GLOBALES Votación por mayoría – Majority Voting (MV)  Es la técnica mas sencilla y más utilizada en la segmentación de imágenes médicas.  Todas las segmentaciones a fusionar tienen exactamente el mismo peso.

8 1, if i = e k (x) 0, otherwise W k,i (x) A cada voxel se le asigna la etiqueta con la que coinciden varias segmentaciones.

9 Votación ponderada – Weighted Voting (WV)  Tiene como particularidad la asignación de ponderaciones a cada segmentación de manera global. m p, if i = ek(x) 0, otherwise Wk,i (x) m: medida de similitud entre el atlas y la imagen de origen p: exponente de ganancia asociado.

10

11 GWV-MIGWV-NCCGWV-MSD Ganancia p84 Ganancia p IBSR Database 46 Valores de p

12 Limitaciones de usar Estrategias Globales Ejemplo de limitación de estrategias globales. Artaechevarria09

13 Generalized Local Weighted Voting (LWV)  Asignación de un peso diferente para cada voxel  Se calcula para cada píxel la medida de similitud en un subvolumen de la imagen dependiente del píxel.

14 [m(s,r)] p, if i = e k (x) 0, otherwise W k,i (x) m depende ahora de dos parámetros que son s: shape r: radio

15

16 LWV-MILWV-NCCLWV-MSD Ganancia r1510 Ganancia p85-6 Ganancia p IBSR Database 82 Valores de p

17 STAPLE  STAPLE (Simultaneous Truth and Performance Level Estimation) trata la fusión de etiquetas como un problema de maximización de probabilidades y lo resuelve usando EM.  Este algoritmo procede realizando estimaciones de manera iterativa y maximizando la función de probabilidad.

18 Breve comparativa  Estrategias localesAlto contraste  Estrategias globales Intensidades similares No se puede determinar cuál es el óptimo para todos los casos.

19 FREESURFER Software de código abierto para el procesamiento y análisis de imágenes de resonancia magnética MRI del cerebro humano. skull-stripping cortical and subcortical segmentations etc.

20 Skull-stripping Proceso de separar el cerebro (materia gris (GM) y materia blanca (WM)) de lo que no lo es (como por ejemplo el cráneo o la dura madre) Semi-automática Automática BET, BSE, MAPS, HWA.

21 HWA Hybrid Watershed Algorithm (HWA) Obtención de brainmask.mgz Aplicar el algoritmo watershed Valor de h h > 25 si parte del cerebro se ha eliminado h < 25si parte del cerebro queda sin eliminar

22 ICV Suma de materia gris (GM) y materia blanca (WM). Se puede encontrar en el archivo aseg.stats Corrección aplicando la transformación talairach.xfm Protocolo Enigma

23 EXPERIMENTACIÓN MÉTODOS DE FUSIÓN Votación por mayoría – Majority Voting (MV) SIN MEX Target 1 Elapsed time is 0.006931 seconds. Elapsed time is 0.005247 seconds. DICE: 0.801 0.827 Target 2 Elapsed time is 0.005106 seconds. Elapsed time is 0.005115 seconds. DICE: 0.786 0.749 Target 3 Elapsed time is 0.005026 seconds. Elapsed time is 0.005099 seconds. DICE: 0.706 0.676 … La media de los DICE es: 0.7915 0.7984

24 MEX Target 1 Elapsed time is 0.004657 seconds. Elapsed time is 0.004761 seconds. DICE: 0.801 0.827 Target 2 Elapsed time is 0.003667 seconds. Elapsed time is 0.004266 seconds. DICE: 0.786 0.749 Target 3 Elapsed time is 0.004807 seconds. Elapsed time is 0.004749 seconds. DICE: 0.706 0.676 La media de los DICE es: 0.7915 0.7984

25 EXPERIMENTACIÓN FREESURFER

26

27 ICV

28 FUTURAS LÍNEAS MEX Votación ponderada – labelPriorTerm Skull-stripping e ICV del resto de imágenes del Proyecto Vallecas

29 BIBLIOGRAFÍA  [1] Xabier Artaechevarria, Arrate Munoz-Barrutia, and Carlos Ortiz-de Solorzano. Combination strategies in multi-atlas image segmentation: Application to brain mr data. Medical Imaging, IEEE Transactions on, 28(8):1266{1277, 2009.  [2] M.Carmen Tobar Carlos Platero. A label fusion method using conditional random elds with higher-order potentials: Application to hippocampal segmentation (pendiente de publicacion).  [5] Kelvin K Leung, Josephine Barnes, Marc Modat, Gerard R Ridgway, Jonathan W Bartlett, Nick C Fox, Sebastien Ourselin, Alzheimer's Disease Neuroimaging Initiative, et al. Brain maps: an automated, accurate and robust brain extraction technique using a template library. Neuroimage, 55(3):1091{1108,2011.  [6] M Tobar Puente. Optimizacion de una energa mediante cortes de grafos. segmentacion de imagenes. 2014.