Tecniche di segmentazione applicate a immagini biomediche

Nel presente lavoro di tesi sono state analizzate e sviluppate alcune tecniche di segmentazione di immagini digitali, che sono state poi applicate ad immagini biomediche ottenute mediante risonanza magnetica. Negli ultimi anni si è reso necessario l’utilizzo di algoritmi per elaborare ed analizzare le moltissime immagini provenienti da diverse tecniche di diagnosti- ca. In particolare, l’implementazione di algoritmi per il riconoscimento delle strutture anatomiche e di altre regioni di interesse ricopre un ruolo importan- te nell’assistere ed automatizzare alcuni dei compiti svolti dai radiologi. Si parla, quindi, di algoritmi per la segmentazione di immagini, i quali vengono utilizzati in molte applicazioni biomediche quali la quantificazione dei volumi e degli spessori delle strutture di interesse, la diagnosi, la localizzazione delle patologie e lo studio di strutture anatomiche. In generale, la segmentazione rientra nell’ambito dell’elaborazione digitale delle immagini ed è il processo per cui l’immagine di partenza viene suddivisa in diverse regioni significative, i cui pixel (Picture Element) hanno una o più caratteristiche in comune (ad esempio colore, intensità, texture, ecc.). Sono moltissimi i metodi di segmentazione di immagini biomediche pre- senti in letteratura, e la scelta di quale metodo applicare risulta spesso molto complessa dal momento che nessuno di essi è adeguato per tutti i tipi di immagine e, allo stesso tempo, non tutti i metodi sono ugualmente validi su una stessa immagine. Numerosi studi sulla segmentazione di immagini biomediche fanno riferi- mento ad immagini di risonanza magnetica (Magnetic Resonance Imaging, MRI), una delle tecniche di diagnostica più utilizzate in campo medico, la quale consente di produrre immagini ad alta definizione dell’interno del corpo umano in maniera non invasiva e senza l’utilizzo di radiazioni ionizzanti. Gli scanner per MRI utilizzati attualmente in ambito clinico generano campi magnetici statici da 1.5 e 3 T, ma, a partire dai primi anni del 2000, sono disponibili, per scopi di ricerca, anche scanner con campo magnetico statico B0 ≥ 7 T; per campi di questo tipo si parla di risonanza magnetica a campo ultra-alto (Ultra High Field, UHF). L’interesse per l’UHF MRI cresce anno dopo anno grazie soprattutto ai miglioramenti in termini di rapporto segnale–rumore (Signal to Noise Ratio, SNR), rapporto contrasto–rumore (Contrast to Noise Ratio, CNR) e risoluzione spaziale che, insieme, permettono di identificare dettagli anatomici indistinguibili con i normali scanner per uso clinico. Il lavoro di tesi è stato svolto nell’ambito di una collaborazione tra diversi enti, tra cui il Dipartimento di Fisica dell’Università di Pisa, l’Istituto Nazionale di Fisica Nucleare (INFN), l’Azienda Ospedaliero–Universitaria Pisana (AOUP) e la fondazione IMAGO 7 di Calambrone (PI), primo centro di ricerca italiano per risonanza magnetica a campo ultra-alto anche per studi in–vivo sull’uomo. Grazie a questa collaborazione è stato possibile effettuare due diversi studi sulla segmentazione di immagini di risonanza magnetica. In particolare, una prima parte del lavoro riguarda l’analisi di immagini UHF MRI del ginocchio, mentre la seconda parte del lavoro riguarda l’analisi di immagini UHF MRI del cervello. Entrando nello specifico, viene presentato lo studio relativo alla segmenta- zione delle cartilagini del ginocchio. Infatti, l’UHF MRI applicata al ginocchio offre notevoli miglioramenti nella visualizzazione delle patologie della car- tilagine e nella segmentazione della stessa, pertanto buona parte di questo lavoro di tesi è centrato sullo sviluppo di una procedura di segmentazio- ne semi–automatica delle tre cartilagini del ginocchio (femorale, tibiale e rotulea). Di grande interesse nell’ambito dell’UHF MRI è anche l’analisi delle immagini del cervello. L’alta risoluzione che si ottiene con scanner a 7 T permette di individuare anche le sottostrutture dell’ippocampo, aprendo così la strada verso diverse applicazioni cliniche nello studio delle malattie neurodegenerative. Sono state, quindi, analizzate ed applicate alle immagini UHF MRI disponibili diverse tecniche di segmentazione delle sottostrutture ippocampali utilizzando due software dedicati (ASHS e FreeSurfer). Per quanto riguarda i risultati, il lavoro effettuato sulle cartilagini del ginocchio ha permesso di effettuare analisi volumetriche delle cartilagini di soggetti sani e di soggetti affetti da artrosi (malattia articolare conseguente ad un deterioramento della cartilagine). È stato effettuato un confronto con una segmentazione manuale delle tre cartilagini effettuata da un radiologo esperto, mediante la quale è stato possibile stimare l’accuratezza dei risultati ottenuti con il metodo semi–automatico, e lo stesso radiologo ha effettuato una valutazione qualitativa di tutte le segmentazioni. Per la valutazione dei risultati sono stati inoltre utilizzati il coefficiente di similarità Dice (Dice similarity coefficient, DSC), la sensibilità (frazione dei pixel correttamente identificati come appartenenti all’oggetto da segmentare) e la specificità (frazione dei pixel correttamente identificati come appartenenti allo sfondo). Per quanto riguarda lo studio delle immagini del cervello, invece, non sono stati ottenuti dei risultati quantitativi poiché le immagini disponibili non soddisfano adeguatamente le richieste dei software utilizzati. Sulla base delle analisi effettuate sono stati quindi identificati i parametri di acquisizione da utilizzare per eventuali sviluppi futuri