Riconoscimento automatico del distretto anatomico in immagini TAC

Every year St. Anna Hospital in Como performs some 26500 CT (Computerized Tomography) exams. A CT exam entry is composed by a variable number of DICOM digital images. DICOM is a file format for medical use; it containing the visual images of the body region analyzed and additional information about the patient and the exam. The estimation of the toxic level of a radiation dose administered to a patient is a mandatory parameter to consider when a patient undergoes anti-tumor radiation therapy, besides being a precautionary measure for the patient’s safety. The dose can be estimated by using the ARGO system, a special software developed by Politecnico di Milano in cooperation with the St. Anna Hospital. ARGO provides an accurate toxicity prediction value called SSDE (Size Specific Dose Estimate). SSDE is calculated based on the additional information provided by DICOM headers such as age, body region size and type. These DICOM header values are manually inserted by technicians during the exam; these values, in certain cases may be erroneous due to typing errors or may lack the required precision. The aim of this thesis is to correct technicians’ errors by providing a method for automatic body region recognition (head, thorax and abdomen) by analyzing CT image contents. This problem is not as trivial as one may think, and the results are obtained by using a modified version of Histogram of Oriented Gradients (HOG) technique. A pre-labeled dataset is created by obtaining HOG features vectors from some relevant image portions and the labeling procedure is done by comparing the dataset with HOG feature vectors taken from different regions inside the not labeled sample images. The level of similarity between HOG feature vectors is computed using the symmetry level expressed by the coefficient of a straight line (generated by plotting a features vector in terms of another one) in a 2D space: the close to 1 this coefficient is, the more similar the vectors are. The position inside the image which provides the best “near to 1” coefficient is the result of the computation. This result not only provides the right body region type of an image, but also the exact position inside a larger portion of the body. This extra feature can also improve the precision of dose estimates calculation. This method was conceived after a long testing phase and it’s completely empirical. System accuracy is about 91% and the execution average time for each image on Hospital PCs is about 1m40s. These results have been considered acceptable by St. Anna Hospital Staff.

All’Azienda Ospedaliera S.Anna di Como, ogni anno vengono effettuati circa 26500 esami TAC. Un esame TAC è costituito da un numero variabile di immagini digitali in un formato specifico chiamato DICOM che contiene un’intestazione con informazioni su paziente ed esame svolto per l’ottenimento dell’immagine. Nel caso della pianificazione di una terapia con radiazioni ionizzanti oppure per lo svolgimento di ulteriori esami, lo studio della distribuzione della dose di radiazioni nel paziente è molto importante, perché fornisce una stima dell’irradiazione dei tessuti tumorali e sani, permettendo una maggiore capacità di previsione sulla risposta e sulla tossicità della dose di radiazione subita dal corpo. Per il calcolo della dose è in uso all’Ospedale un Software chiamato ARGO, già frutto della collaborazione con il Politecnico di Milano, che permette l’ottenimento di un fattore piuttosto preciso chiamato SSDE ( Size-Specific Dose Estimates) che tiene conto di età, dimensioni e distretto anatomico analizzato. Tale programma non è però in grado di rilevare in automatico il distretto anatomico preso in esame: l’etichettatura dei file DICOM, svolta dai tecnici, è spesso imprecisa o sbagliata; nasce così l’idea del seguente lavoro di tesi. L’obbiettivo è trovare un metodo affidabile per il riconoscimento automatico dei distretti anatomici principali (encefalo, torace ed addome) analizzando direttamente il contenuto visivo delle immagini radiologiche TAC. Il problema, che si è dimostrato essere non banale, è stato risolto modificando l’uso di un metodo noto di confronto tra immagini attraverso l’estrazione di features: Histograms of Oriented Gradients (HOG). Viene creato un dataset calcolando HOG per porzioni significative da alcune immagini e l’analisi è poi svolta confrontando l’HOG di porzioni delle immagini da etichettare con il dataset mediante il calcolo della loro simmetria, espressa dal coefficiente di una retta nel piano ottenuta calcolando un istogramma in funzione dell’altro. La posizione all’interno dell’immagine in cui il coefficiente della retta è più vicina al valore 1 indica la zona dove si è trovato il valore più simile ad uno degli elementi del dataset. Tale risultato permette non solo di capire la tipologia di distretto anatomico presente nell’immagine, ma anche la sua posizione permettendo calcoli di dose ancora più precisi. Questo metodo è stato sviluppato mediante una lunga fase di testing ed è basato su un approccio completamente empirico al problema successivo al fallimento dei metodi tradizionali. L’accuratezza del sistema si attesta al 91% circa mentre il tempo di elaborazione medio, utilizzando i PC in dotazione all’Ospedale, per una singola immagine è pari ad 1 minuto e 40 secondi. Tali risultati sono stati ritenuti accettabili dall’Azienda Ospedaliera comasca.