Segmentación del hipocampo en imágenes de resonancia magnética utilizando un modelo de forma activa

Abstract

Actualmente, el uso de las imágenes médicas tiene impacto en el área clínica, gracias a que el desarrollo científico y tecnológico permite a los médicos hacer un análisis y diagnóstico para distintas patologías del cerebro y otras estructuras anatómicas. La segmentación del área del hipocampo es de interés en el área médica, debido a que se considera un biomarcador para el diagnóstico de patologías neurológicas y psiquiátricas, incluyendo enfermedad de Alzheimer (EA), epilepsia y esquizofrenia (Dill et al., 2015; Boccardi et al., 2015), así como para revelar las diferencias anatómicas (atrofia) de personas, debido al envejecimiento o la demencia (Kim et al., 2013), su anatomía puede ser analizada con neuroimágenes médicas, por ejemplo, las imágenes de resonancia magnética (IRM). Dicha segmentación de la estructura anatómica puede ser de forma manual, semiautomática o automática. En esta tesis se evalúa un método para la segmentación de la forma del hipocampo en imágenes de resonancia magnética, utilizando un modelo de forma activa (ASM, por sus siglas en inglés Active Shape Model), el cual es utilizado en dos etapas: entrenamiento y ajuste. En la etapa del entrenamiento de ASM se utiliza un conjunto de imágenes segmentadas manualmente que sirven para formar un modelo de distribución de puntos (MDP), donde cada forma es representada por un conjunto de puntos que describen el borde de una estructura. Por otra parte, la etapa de ajuste consiste en segmentar nuevas formas en el que se analizan los niveles de gris alrededor de cada punto de referencia de la forma. Además, se utiliza una métrica de distancia (distancia euclidiana) con la que se mide la distancia entre los puntos de la segmentación manual y la segmentación ajustada con ASM para obtener los errores de ajuste. El modelo de forma activa fue construido con 41 imágenes de resonancia magnética tomadas de la base de datos Alzheimer’s Disease Neuroimagen Initiative (ADNI), de la Universidad del Sur de California (University, 2020). Las imágenes del conjunto de entrenamiento fueron marcadas con 30 puntos de referencia, dado que el hipocampo es una estructura anatómica cuya dimensión es de 4 a 4.5 cm de longitud y de 1 a 1.5 cm de ancho (Duvernoy, 2013). Se presenta una experimentación para validar el nivel de ajuste del modelo de forma activa, previo a una consistente revisión literaria del estado del arte. La experimentación de ajuste se realiza utilizando la técnica leave one out. En dicha experimentación se obtiene un error de ajuste medio de 1.85 mm, el cual está por debajo del máximo error permisible (2 mm) en diagnósticos clínicos (Yue et al., 2006), lo cual indica que son resultados aceptables. Por otra parte, se obtuvo el coeficiente de similitud de Dice (DSC, por sus siglas en inglés Dice Similarity Coefficient) para cuantificar la precisión de la segmentación. El resultado del DSC medio es de 62 %, lo cual indica un resultado por debajo del valor aceptable que es de 80%.