نوع مقاله: مقاله کامل پژوهشی

نویسندگان

1 کارشناس ارشد، گروه مهندسی و فیزیک پزشکی، مرکز تحقیقات علوم و تکنولوژی در پزشکی، دانشگاه علوم پزشکی تهران

2 دانشیار گروه مهندسی و فیزیک پزشکی، مرکز تحقیقات علوم و تکنولوژی در پزشکی، دانشگاه علوم پزشکی تهران

3 دانشیار گروه مهندسی برق و کامپیوتر، دانشگاه رایرسون

4 استادیار گروه مهندسی پزشکی، دانشکده مهندسی برق، دانشگاه صنعتی شریف

5 استادیار گروه داخلی، دانشکده پزشکی، دانشگاه علوم پزشکی ایران

10.22041/ijbme.2008.13426

چکیده

پیچیدگی ساختار درخت راه هوایی، اثر جزئی حجم بر شاخه های ریز و کنتراست پایین بین بافت های موجود در قفسه سینه، بخش بندی آن را دشوار می سازد. پدیده نشتی به عنوان یکی از بزرگ ترین مشکلات در مسیر بخش بندی تصاویر پزشکی به ویژه در موارد پیچیده ای مانند راه های هوایی است. روش اتصال فازی با بهره گیری همزمان از دو خاصیت اصلی تصاویر یعنی وجود همگونی در وکسل های متعلق به یک شی و وجود یک ارتباط درهم آمیخته بین آنها، و با در نظر گرفتن خاصیت فازی ذاتی تصاویر پزشکی، الگوریتم کارامدی برای بخش بندی ساختارهای پیچیده مانند راه های هوایی است. در رویکرد جدید اتصال فازی مبتنی بر خوشه یابی فازی FCM، که تحت عنوان FC-FCM به وسیله همین گروه مطرح شده است، ضمن عدم نیاز به تعیین متغیرهای اولیه، فضای جستجو نیز با بهره گیری از تابع عضویت فضایی فازی در فرایند برگشتی رشد هسته اولیه محدود شده است. اما در تعیین شاخه های پس از لایه سوم با نشتی مواجه می شود. امکان تشخیص نشتی فقط پس از رشد آن و فرایند زمان بر تکرار بخش بندی با متغیرهای جدید که روش متداول در رویارویی با پدیده نشتی است، ما را به سمت ارائه یک فرایند بهینه سازی مبتنی بر شکل در بطن الگوریتم اتصال فازی، برای جلوگیری از تشکیل نشتی به عنوان یک شیوه جدید رهنمون شده است. با در نظر گرفتن ساختار استوانه ای شاخه های درخت راه های هوایی تابع هزینه ای که شاخصی از میزان استوانه ای بودن است، معرفی و به کار گرفته شد. شایان ذکر است کمینه کردن آن به قرار گرفتن وکسل ها در نظام استوانه ای منجر گردید. با کاربرد رویکرد جدید اتصال فازی راه های هوایی تا لایه چهارم با دقت 92.92% استخراج شدند. با استفاده از فرایند بهینه سازی در بطن رویکرد جدید اتصال فازی، ضمن ممانعت از تشکیل نشتی، شاخه های درخت راه هوایی تا لایه ششم بخش بندی شد. چنان که نتایج نشان می دهد، الگوریتم پیشنهادی OPT-FC-FCM قادر به تشخیص شاخه ها، چهار برابر بیشتر از روش FC-FCM است. تعداد کل شاخه های بخش بندی شده در روش 65 OPT-FC-FCM شاخه است که نسبت به تعداد کل شاخه های استخراج شده از روش) FC-FCM با 15 شاخه) 4 برابر بیشتر است.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

A Robust to Leakage Method for Airway Tree Segmentation Based on Shape Feature Optimization

نویسندگان [English]

  • Fereshte Yousefi Rizi 1
  • Alireza Ahmadian 2
  • Javad Alirezaie 3
  • Emadoddin Fatemizadeh 4
  • Nader Rezaei 5

1 M.Sc Graduated, Biomedical Systems & Biophysics Department, Research Center for Science and Technology in Medicine (MI Group), Tehran University of Medical Sciences

2 Associate Professor, Biomedical Systems & Biophysics Department, Research Center for Science and Technology in Medicine (MI Group), Tehran University of Medical Sciences

3 Associate Professor, Department of Electrical and Computer Engineering, Engineering and Applied Science School, Ryerson University

4 Assistant Professor, Department of Medical Engineering, Electrical Engineering School, Sharif University of Technology

5 Assistant Professor, Pneumologist Consultant, Medical School, Iran University of Medical Sciences

چکیده [English]

Partial volume effect and image noise greatly decrease the visibility of the airway wall. Another dilemma with airway segmentation methods, which significantly influences their accuracy, is the leakage into the extra-luminal regions due to thinness of the airway wall during the process of segmentation. A solution to this problem in the previous methods was based on leak detection and reduction by adjusting the segmentation parameters and performing the whole segmentation process, which is very time consuming and demands user interaction. The new strategy presented here is to prevent the leakage by taking the advantage of the fact that the airway branches are cylindrically shaped objects. This has been achieved by introducing a new mathematical shape optimization approach embedded in FC-FCM algorithm to retain the cylindrical properties of the airway branches during the segmentation process. The main role of this optimization approach is to detect and correct the underlying voxels which belonging to the airway by satisfying both conditions of the fuzzy connectivity and shape features.  The proposed FC-FCM algorithm was first applied on four data sets each containing 430 CT images of CT images of airway tree. The result showed an accuracy of 93% obtained for segmentation of the airway tree up to the fourth generation. We then applied OPT-FC-FCM algorithm to segment the airway tree with optimization process up to the sixth generation of airway. The result proves the ability of our proposed method to complete a visually acceptable segmentation of airway trees with no leakage. The number of detected branches was found 65 (4 times of those obtained by using just the FC-FCM method).

کلیدواژه‌ها [English]

  • Airway segmentation
  • Fuzzy connectivity
  • shape optimization
  • Center estimation