3D rekonštrukcia medicínskych dát

26. apr. 2016 • Lekárske vedy

3D rekonštrukcia medicínskych dát

V súčasnosti, v dobe vyspelých technológií spracovania dát, aj v oblasti medicíny sa vo veľkej miere pri diagnostike chorôb využívajú rôzne metódy určené pre 3D rekonštrukciu tkanív človeka. Avšak neoddeliteľnou súčasťou ich liečby nie je len ich diagnostika, ale aj cielená terapia. Z tohto pohľadu je dôležité plánovanie liečebného zákroku prostredníctvom presnej navigácie terapeutického nástroja, alebo polohovaním pacienta priamo na základe takto zrekonštruovaných dát z primárnych CT alebo MRI dát a súčasne s optimalizáciou a minimalizáciou poškodenia zdravých tkanív.

Proces tvorby 3D modelov (Obr. 1) a získavanie hĺbkových informácií zo vstupných CT rezov je v dnešnej dobe veľmi aktuálnym problémom. Na získavanie hĺbkových informácií je možné použiť rôzne zariadenia ako napríklad hĺbkové kamery, či laser. Tieto zariadenia po nasnímaní celého prostredia získavajú množinu hĺbkových informácií, ktorú predstavuje hĺbková mapa. Hĺbková mapa nie je teda nič iné, ako množina obsahujúca priestorovú pozíciu jednotlivých bodov v trojrozmernej scéne. Samotná komplikovanosť problému 3D rekonštrukcie je daná hlavne zložitosťou ľudského tela, ktoré obsahuje mnoho štruktúr s nepravidelným tvarom a veľkosťou. Problémom je taktiež umiestnenie a prítomnosť cudzích telies na snímkach ako napríklad rôznych implantátov, či kovových platničiek.

Pre 3D rekonštrukciu CT dát je možné využiť nasledujúce metódy:

  • Povrchová rekonštrukcia (surface rendering) – prahová hodnota hustoty je vyberaná lekárom (napr. úroveň, ktorá odpovedá hustote kostí). Viacnásobné 3D modely tak môžu byť vytvorené z rôznych odlišných prahových hodnôt, ktoré umožňujú použitie rozdielnych farieb na znázornenie každej anatomickej zložky akými sú napríklad kosť, sval, alebo chrupavka. V trojrozmerných dátach sa hľadajú hrany a body povrchu. Z nich sa interpoluje povrch dvojrozmernými záplatami.
  • Objemová rekonštrukcia (volume rendering) – povrchová rekonštrukcia je obmedzená v tom, že sa zobrazia len tie povrchy, ktoré majú zhodnú prahovú hodnotu hustoty. Pri objemovej rekonštrukcii sú priehľadnosť a farby použité na znázornenie lepšieho objemu v jednotlivých zobrazeniach – napríklad kosti panvy môžu byť zobrazené ako polopriehľadné, alebo dokonca v šikmom uhle.

Popis navrhnutého systému:

  • Hľadanie vzájomných korešpondencií medzi extrahovanými význačnými bodmi využitím segmentácie (rohy, hrany).

Detektor prvého stupňa – hľadá body, ktoré sú jednoznačne určiteľné medzi viacerými vstupnými dátami. Tieto body sú následne použité na rozdelenie obrazu na jednotlivé segmenty.

Detektor druhého stupňa – hľadá páry kľúčových bodov v rámci jednotlivých segmentov.

  • Výpočet 3D súradníc bodov (vytváranie hĺbkovej mapy) na základe nájdených korešpondencií.
  • Vytvorenie výsledného 3D modelu a optimalizovanie vzniknutých dier.

Vstupnú časť navrhnutého algoritmu tvorila kolekcia vstupných CT rezov, ktoré boli získané postupným prežarovaním pacienta v rôznych smeroch úzkym röntgenovým lúčom. Snímky získané metódou výpočtovej tomografie nie sú farebné, ale obsahujú iba hodnoty jasu (rôzne stupne šedej farby). Pri samotnom testovaní bolo k dispozícii 200 snímok ľudskej panvy vo formáte DICOM. Názov snímky bol identifikovateľný číslom rezu. Vzdialenosť susediacich CT rezov bola 2 mm a ich rozlíšenie bolo 587 x 341 bodov. Ich farebná hĺbka bola 8 bitov, čo zodpovedá 256 odtieňom šedej (0 – čierna, 255 – biela). Po načítaní vstupných dát nasledovalo určenie vzájomných vzťahov medzi načítanými susednými CT dátami. Pre získanie týchto vzťahov bolo potrebné určiť korešpondujúce (vzájomne si zodpovedajúce) body. Inými slovami, bolo potrebné nájsť k bodu v primárnej snímke jeho vzájomne korešpondujúci bod v sekundárnej snímke a vytvoriť z nich vzájomný pár. Výstupom navrhnutého algoritmu bola množina bodov pre každú snímku. Tieto body boli medzi susednými snímkami navzájom spárované a zadelené do jednotlivých segmentov. Nájdené body v jednotlivých segmentoch slúžili ako vstup do samotného procesu výpočtu 3D súradníc a tvorby výsledného 3D modelu ľudskej panvy (Obr. 2).

Obr. 2 Výsledný 3D model ľudskej panvy, a) vizualizácia, b) fyzický 3D model

Použitie vhodnej segmentačnej metódy v navrhnutom algoritme umožnilo jednoduchú a rýchlu identifikáciu a zobrazenie kostí, alebo mäkkých tkanív. Po samotnej 3D rekonštrukcii bol vytvorený fyzický 3D model ľudskej panvy (Obr. 2b) optimalizovaný a pripravený na 3D tlač. Vytlačený 3D model ľudskej panvy pomocou 3D tlačiarne je znázornený na Obr. 3.

Obr. 3 Vytlačený 3D model ľudskej panvy na 3D tlačiarni

Poďakovanie
Táto práca bola podporená projektom "Kompetenčné centrum pre výskum a vývoj v oblasti diagnostiky a terapie onkologických ochorení", ITMS: 26220220153, „Centrum translačnej medicíny“ ITMS 26220220021 a „Vytvorenie nového diagnostického algoritmu pri vybraných nádorových ochoreniach“, ITMS 26220220022, spolufinancovaných zo zdrojov EÚ a Európskeho fondu regionálneho rozvoja.

„Podporujeme výskumné aktivity na Slovensku/Projekt je spolufinancovaný zo zdrojov EÚ“

Autori:

Ing. Patrik KAMENCAY, PhD., (patrik.kamencay@fel.uniza.sk), doc. Ing. Róbert HUDEC, PhD., (robert.hudec@fel.uniza.sk), Katedra telekomunikácií a multimédií, Elektrotechnická fakulta, Žilinská univerzita v Žiline.

Foto: Žilinská univerzita v Žiline

Uverejnila: BK

Súvisiace:

Hore
Veda v CENTRE / Vedecká kaviareň 9/2020
TVT2020 prihlasovanie
sutaz FB TVT 2020
Agrofilm
Quark_9/2020
TVT2020 súťaže
Veda v CENTRE máj
Vedecká cukráreň 5/2020
Aurelium - centrum vedy
Vírusy, vakcíny, imunita
Quark 25 rokov
TAG Slovenská veda
kúpa časopisov jún 2016
banner záhrady
Publikácie Veda v CENTRE
Zaujímavosti vo vede
Vďaka vedeckému mysleniu sa vieme naučiť uvedomovať si chyby vo vlastnom myslení.
Zistite viac