Desarrollo de un método de segmentación automática del hígado en sus segmentos de Couinaud y los vasos hepáticos mediante un atlas probabilístico a partir del análisis de imágenes de Tomografía Computarizada

Abstract

[ES] El hígado es un órgano crucial, donde lesiones o tumores pueden acabar en graves consecuencias para el correcto funcionamiento del cuerpo humano. Los tumores hepáticos son detectados habitualmente en un estado avanzado donde una hepatectomía parcial (extirpación del tumor) no siempre es posible. El tamaño del tumor, la localización respecto a los vasos y el estado de su función son factores claves en cuanto a la decisión del tratamiento de cada paciente. Las técnicas de imagen como soporte al diagnóstico y evaluación del tratamiento aseguran tratamientos e intervenciones más seguras y sencillas, algo esencial tanto para el paciente como para el cirujano. En concreto, la localización del hígado y sus vasos, mediante análisis de imágenes médicas, permite la división de éste en sus ocho segmentos funcionalmente independientes según la clasificación de Couinaud, lo cual permite una evaluación más precisa de la lesión hepática. En el caso de la localización del hígado, así como sus lesiones, las imágenes de TAC (Tomografía Axial Computarizada) presentan ventajas como una buena relación señal-ruido y una alta resolución espacial. No obstante, está técnica también suele resultar en heterogeneidades de intensidad debido a artefactos o a la propia patología. Además, las intensidades de los órganos más próximos al hígado (corazón y estómago) se asemejan mucho al tejido hepático, resultando en bordes borrosos y poco claros. Es por ello por lo que la segmentación de forma automática y precisa del hígado y sus vasos sigue siendo a día de hoy todavía un desafío. Los factores comentados anteriormente dificultan la segmentación tradicional basada en niveles de grises y es la razón por la que, en este trabajo, se ha optado por una segmentación basada en atlas. Un atlas incorpora información estadística sobre la localización de los volúmenes anatómicos de interés proporcionando conocimientos previos (probabilidades) de que un píxel pertenezca o no a una estructura de interés. Este conocimiento previo es explotado mediante el co-registro entre la imagen del atlas y la imagen a analizar (imagen de interés). El procedimiento de la segmentación basada en atlas se reduce a un primer registro global seguido por un registro no lineal que sitúa al atlas en una correspondencia espacial punto-a-punto con la imagen de interés. Esta transformación geométrica se usa posteriormente para propagar las etiquetas asignadas a las estructuras del atas para obtener la localización de las estructuras de interés en la imagen que se busca segmentar. Por lo tanto, el objetivo de este trabajo consiste en lograr una segmentación del hígado basado en múltiples atlas, los cuales están compuestos por un volumen 3D de tórax adquirido mediante tomografía axial computarizada (TAC) y la etiqueta (segmentada manualmente por un experto) del hígado y los vasos, entre otros. Además, de la misma forma se busca etiquetar el hígado en sus segmentos de Couinaud con el fin de ubicar con mayor precisión los tumores hepáticos en la totalidad de este para facilitar el diagnóstico y asegurar tratamientos más precisos que reduzcan los daños en tejido sano. Por último, y con el fin de refinar los resultados del etiquetado de los segmentos de Couinaud, se trata de segmentar y etiquetar los vasos hepáticos, ya que estos son los límites anatómicos que dividen el hígado en segmentos. Para el desarrollo de este trabajo se cuenta con un conjunto de datos disponible públicamente del IRCAD_3D (Research Institute against Digestive Cancer). Este conjunto de datos incluye 20 volúmenes de TAC junto con la etiqueta del hígado y los vasos, a partir de las cuales se obtendrá la segmentación de las imágenes mediante el método leave-one-out y se comparan los resultados obtenidos con la referencia. Por otro lado, se cuenta con un atlas probabilístico del hígado disponible en Surgical Plan Laboratory (SPL

[EN] The liver is a crucial organ, where injuries or tumours can be fatal for the correct functioning of the human body. Hepatic tumours are commonly detected in an advanced stage where a partial hepatectomy (tumour extirpation) is not always possible. The size and localization of such tumour with respect to vessels as well as its functioning state are key factors when it comes to treatment decision-making. Image assisted diagnosis and treatment evaluation enables safer and simpler treatments or interventions, which is essential not only for the surgeon but also for the patient. Specifically, the localization of the liver and its hepatic vessels, by means of medical image analysis, allows the division in its eight independent functional segments according to Couinaud¿s classification, consequently allowing a highly accurate evaluation of a hepatic injury. Dealing with hepatic localization, Computerized Axial Tomography (CT) is advantageous due to a good signal-to-noise ratio and a high spatial resolution. Nevertheless, this technique usually results in heterogeneous intensities due to artefacts or even the pathology itself. Moreover, intensities of the organs closer to the liver (heart and stomach) have a certain degree of similarity, resulting in blurred borders. For these reasons, automatic and accurate hepatic structures segmentation nowadays continues to be a challenge. The factors argued above hinder the traditional segmentation based on grey levels and it is the reason why an atlas-based segmentation was chosen for this project. An atlas includes statistic information about the localization of anatomic region of interest providing prior-knowledge regarding the probability that an individual pixel belongs or not to such region. This prior-knowledge is exploited by means of co-registration to obtain the segmentation of the reference image. The procedure that will be followed in order to obtain the atlas-based segmentation comes down to a registration problem of the atlas with the reference image. The first step will be to apply a global registration to subsequently apply the non-linear registration that will correlate the atlas and the reference image in a point-to-point spatial correspondence. This geometrical transformation will be used to project the atlas labels of interest resulting on the localization of structures on the reference image. Therefore, the objective of this dissertation is that of achieving a multi atlas-based segmentation process for the liver from a 3D thorax volume derived from CT. Furthermore, the liver will be divided into its Couinaud segments in order to assure the locating, with higher precision, of hepatic tumours in the liver totality, thus, reducing healthy tissue damaging. Finally, to achieve finer results, the hepatic vessels will also be segmented and posteriorly labelled as supra-hepatic veins (left/ right /median) portal veins (right/left). Given that this blood structures are responsible for the Couinaud segments¿ anatomical division. A publicly available data base from IRCAD_3D (Research Institute against Digestive Cancer) will be used for the development and evaluation of this project. Such data base includes 20 atlases, each of which contain the CT image of the subject with the liver and hepatic vessels labels manually segmented by an expert radiologist. Each of the 20 volumes will be segmented via multi atlas-based segmentation with a leave-one-out strategy and evaluated by comparing our results with the ground truth labels. In addition, a probabilistic atlas obtained from the Surgical Plan Laboratory (SPL) [46] is available for the labelling of both the Couinaud segments and the hepatic vessels. This atlas includes a CT volume with a group of labels, their 3D models and an anatomical model hierarchy. Specifically, the liver atlas is formed by the Couinaud, and the portal and supra-hepatic vessels labels, as well as other big vessels and organs around the liver. By means of t