SEGMENTAREA

SEMIAUTOMATA A
IMAGINILOR
[Document subtitle]

Seria 6, An 2, Grupa 66
Stanca Alex - Cezar
 Cuprins

 Scopul segmentarii
 Blind Traversal on Edge Algorithm (BTE)
 Detecţia interactivă cu interpolare spline
 Detecţia semi-automată a punctelor de contur cu aproximare spline
 Segmentarea semi-automată pe baza algoritmului BTE
 Calculul volumului format de selecţiile realizate pe fiecare secţiune de imagine
 Concluzii
 Bibliografie
 Scopul segmentarii

Segmentarea este procesul de clasificare a pixelilor dintr-o imagine sau volum. Este unul dintre
procedeele cele mai complexe în procesele de vizualizare. Pentru reconstrucţia unei suprafeţe sau a unui
volum medical, ţesuturile de interes trebuie separate de altele în toate imaginile capturate. După
determinarea contururilor de delimitare ale acestor ţesuturi, pixelilor care constituie acel ţesut li se poate
atribui un anumit nivel de gri, care să reprezinte doar acel ţesut.
Pentru segmentarea imaginilor pot fi utilizate metode automate, semiautomate sau manuale.
Utilizarea procedurilor de segmentare automată duce inevitabil la realizarea unor asocieri incorecte de
etichete. Astfel că în literatura de specialitate se precizează faptul căsegmentarea manuală este încă cea
mai bună metodă. Pentru aplicaţii medicale în care se impune precizie, segmentarea manuală va duce la
cel mai bun rezultat. În acest caz, utilizatorul trasează marginile zonei de interes folosind mouse-ul. Un
mare dezavantaj al segmentării manuale este însă timpul necesar acestei operaţii.
Segmentarea semi-automată presupune stabilirea cu mouse-ul a unor puncte de contur şi apoi
generarea cu un anumit algoritm a conturului care să trecă prin punctele respective. Pentru acest tip de
segmentare se utilizează algoritmi de tipul “live-wire” sau “intelligent scissors”, [Wieclawek, 2009].
Metodele de segmentare propuse sunt metode semi-automate orientate spre domeniul radiologic:
două dintre acestea utilizează pentru trasarea conturului o interpolare spline; o altă metodă realizează
segmentarea imaginii pe baza gradienţilor imaginii, după care selecţia regiunii de interes este realizată
printr-o metodă bazată pe algoritmul BTE (Blind Traversal on Edge Algorithm), descris în continuare.
Aceste metode au fost integrate în aplicaţia dedicatăMedViz2D folosind mediul Java, oferind flexibilitate
medicului în procesul de măsurare.

Obtinerea unui contur dintr-o imagine medicala

 Blind Traversal on Edge Algorithm (BTE)

Acesta este un exemplu de algoritm de selecţie a unei regiuni de interes bazat pe contururi active,
[da Silva, 2009]. Se stabileşte un punct de pornire situat pe contur şi se caută cel mai apropiat punct de
acesta care se găseşte la rândul său pe contur. Algoritmul se repetă considerând punctul găsit ca fiind
punct de pornire. Algoritmul se opreşte când se revine în punctul de pornire. Pentru a verifica dacă un
punct este sau nu pe contur se stabileşte o valoare de prag.

Scanarea imaginii pentru

algoritmul BTE

Algoritmul BTE este următorul:

Poziţia_curentă ← Poziţia_de_start;
do
Găseşte poziţia primului pixel de pe contur din vecinătate;
Din această poziţie găseşte primul pixel care nu este pe contur;
Stochează această poziţie P;
Poziţia_curentă=P;
while (Poziţia_curentă ≠ Poziţia_de_start);

Analiza imaginilor radiologice digitale este utilizată în special la observarea anumitor patologii.
Cele mai multe imagini radiologice sunt reprezentate pe nivele de gri. Segmentarea automată a acestor
imagini este dificilă, pentru că o anumită intensitate a nivelului de gri poate prezenta o patologie dacă
apare într-o anumită zonă a imaginii sau o structură normală dacă se regăseşte într-o altă zonă. De aceea,
pentru punerea în evidenţă a unei tumori se utilizează încă cel mai mult segmentarea manuală. Această
segmentare este un proces anevoios, pentru că poate fi necesar să se efectueze pe zeci/sute de imagini.
Pentru detecţia imaginilor medicale în vederea selecţiei unei zone cu o anumită patologie au fost propuşi
şi dezvoltaţi algoritmi simpli, care să permită o marcare manuală sau semi-automată a unei zone
patologice. Metodele implementate sunt destinate selecţiei regiunilor de interes din imagini radiologice.
Scopul acestor selecţii este de a evalua dimensiunea zonei selectate şi a volumului structurii patologice
din care face parte.
1. Detecţia interactivă cu interpolare spline.
Metoda interactivă implementată realizează marcarea cu mouse-ul a unor puncte de pe contur.
Conturul este trasat apoi utilizând o interpolare Spline.
2. Detecţia semi-automată a punctelor de contur cu aproximare spline
O altă metodă de segmentare dezvoltată constă în stabilirea cu mouse-ul a unui punct din cadrul
unei structuri ce se doreşte a fi delimitată. Se citeşte valoarea intensităţii în acel punct, considerată ca şi
referinţă. Se stabileşte o valoare acceptată pentru diferenţa dintre valoarea referinţă şi valoarea pixelilor
consideraţi ca făcând parte din structura de interes. De la punctul stabilit cu mouse-ul se parcurge
imaginea în direcţiile orizontală (dreapta, stânga), verticală (sus, jos) şi direcţiile ce fac un unghi de 45,
135, 225 şi 315 în raport cu axa Ox (O fiind punctul selectat cu mouse-ul). Pe fiecare direcţie se determină
primul punct ce este considerat ca nefăcând parte din structură. Punctele determinate sunt considerate
puncte de contur. Se realizează o interpolare spline între aceste puncte, stabilindu-se astfel conturul
structurii dorite. În cazul în care conturul nu reprezintă destul de fidel structura, se realizează modificarea
ulterioară a conturului, utilizând mouse-ul.

Scanarea imaginii pentru

metoda semi-automată

Descrierea metodei de determinare a punctelor de control:

Pas 1 Punct_pornire􀃅 Punct_selecţie_mouse; // (xa,ya)
Val=valoarea_intensităţii în Punct_selecţie_mouse;
ε = valoare_utilizator;
Pas 2 Se crează Vector puncte_control;
Pas 3 Setăm unghiul α = 0;
Pas 4 Se caută pe direcţia dată de α primul punct pentru care |val - imagine[x][y]| > ε
Se adaugă punctul găsit la vectorul puncte_control.
Pas 5 α = α +45;
Pas 6 Cât timp α < 360 se reia de la punctul 4.
Pas 7 Ieşire puncte_control.
3. Segmentarea semi-automată pe baza algoritmului BTE (Blind Traversal on Edge Algorithm )
Este implementată o segmentare a imaginii pe baza gradienţilor imaginii şi a unei valori de prag
stabilite. Se stabileşte un punct de pornire situat în interiorul regiunii de interes. Se aplică apoi metoda
bazată pe algoritmul BTE.
Calculul volumului format de selecţiile realizate pe fiecare secţiune de imagine
În aplicaţia de selecţie a zonelor de interes din imagine, am implementat şi testat un algoritm de calcul al
volumului format din secţiunile 2D respective.
Din fişierul DICOM se pot citi diferite atribute ale imaginii. Astfel am determinat distan-ţele între
pixelii din imagine, utilizând atributul PixelSpacing, cu tagul (0x0028,0x0030). Acest atribut ne dă
distanţele pe linii şi coloane între centrele pixelilor adiacenţi. Calculând pentru fiecare secţiune numărul
de pixeli pe rânduri şi coloane, se determină aria Ai a fiecărei sectiuni.

Ak =x*y*∑𝑛−1
𝑖=0 (nr_pixeli_liniai-1)
unde Ak – aria selecţei de pe secţiunea k

x, y – distanţele pe linie, respectiv coloană între centrele pixelilor adiacenţi

nr_pixeli_i - numărul de pixeli de pe linia i
n - numărul rândurilor de pixeli în selecţia realizată
Grosimea g a unei secţiuni se poate determina din atributul SliceThickness având tagul
(0x0018,0x0050).
Pentru distanţa între secţiuni există un alt atribut Spacing Between Slices (0018, 0088), dar acesta nu
este un atribut obligatoriu în cadrul fişierelor Dicom şi apare doar în cele cu imagini MRI. Mai mult, unii
dintre furnizorii de aparatură medicală nu trimit în acest tag valoarea dintre centrele secţiunilor, ci distanţa
dintre marginile lor.
Din aceasta cauză am apelat la o altă metodă şi anume: am obţinut din două secţiuni suc-cesive
geometria acestora şi am determinat distanţa fiecărei secţiuni faţă de origine, calculată de-a lungul
normalei planului, d1 şi d2.
Distanţa între centrele celor 2 secţiuni este h= |d1-d2|.

unde :
V – volumul structurii formate de secţiunile paralele
h – distanţa între centrele a două secţiuni succesive
 m - numărul de secţiuni ce alcătuiesc volumul
A - aria secţiunii k
k

A1 - aria primei secţiuni

Am - aria ultimei secţiuni

g - grosimea unei secţiuni

Concluzii:
Primul algoritm de segmentare permite o selecţie mai fidelă, permiţând selecţia unui număr mare
de puncte. Ca dezavantaj trebuie precizat faptul că este consumator de timp, mai ales în cazul în care
pentru o examinare trebuie realizată selecţia de contur de pe zeci de imagini.
Al doilea algoritm de segmentare permite selecţia semiautomată a 8 puncte de contur. Aceasta
selecţie nu este la fel de precisă, pentru că pe de o parte avem număr fix de puncte de selecţie, iar pe de
altă parte diferenţa de intensitate între structuri trebuie determinată empiric. Avantajul constă în
rapiditatea marcării. Spre deosebire de metodele de segmentare prin urmărirea conturului bazate pe
funcţii cost, căutarea punctelor de contur se realizează doar pe 8 direcţii, conducînd la determinarea rapidă
a celor 8 puncte de contur. După realizarea selecţiei, conturul poate fi modificat interactiv de către
utilizator, pentru o selecţie mai fidelă.
Mecanismul de selecţie a regiunii de interes utilizând algoritmul BTE necesită îmbu-nătăţiri,
pentru anumite puncte de selecţie nu se închide conturul, evoluţia lui continuând într-o altă direcţie decât
cea dorită.
Volumul este calculat după câte secţiuni doreşte utilizatorul. Este o măsură importantă, deoarece
calculând volumul întregii structuri patologice, medicul va avea o informaţie cantitativă a problemei
medicale a pacientului respectiv. Volumul oferă o informaţie importantă mai ales în cazul unei rezecţii,
de pildă în domeniul maxilo-facial, unde o astfel de intervenţie necesită uneori înlocuirea structurii
extirpate şi este necesar să se cunoască volumul acesteia.
1. Wikipedia http://en.wikipedia.org/wiki/Segmentation_(image_processing)
2. Universitatea Tehnica din Cluj: http://www.etti.utcluj.ro/
3. UPB prezentarea cursului “Analiza si prelucrarea digitala a semnalelor video”