Atlas-based segmentation of skeleton in whole-body MRI

The use of whole-body magnetic resonance imaging (WB-MRI) in oncology has increased in the last years as a result of technological innovations and research but also as a result of recent validation of clinical indications Several diseases benefit from MRI for diagnosis, evaluation of the extent and activity of the disease, early treatment initiation and therapeutic response assessment. In particular, WB-MRI has been first developed and evaluated in cancers that commonly metastasize to bone, e.g. prostate cancer. Treatment response assessment is critical in deciding whether to continue, adapt or change the routine treatment. However, there are several technical challenges while evaluating WB-MRI: the inevitable differences in patient posture between scans, different scanning equipment and acquisition parameters, as well as changes of anatomical structures occur in combination with the massive amount of data. Therefore, the reporting process of a whole-body scan can be rather time-consuming with increased risk of misinterpretations. In cancer staging and treatment response monitoring, medical image processing tools might assist in automatic tumor detection and segmentation as well as volumetric whole-body lesions burden assessment. Although the number of methods available for medical image visualization is constantly increasing, only few groups have addressed the inherent problems of comparing whole-body scans. The main objective for this thesis is to develop an automated method for the segmentation of the human skeleton from T1-weighted (T1w) WB-MRI dataset from patients with skeletal metastases. A multi-atlas approach for skeleton segmentation is proposed; the atlas considered is made of ten male subjects, five with bone metastases and five volunteers. Three methods are described to explain the different steps in the optimization process and how to obtain a more accurate result. The quality of the final segmentation is mainly improved when using a skeleton mask in the deformable registration in combination with adjusted registration parameters for this specific application. The best results achieved (mean ± standard deviation in the leave-one-out cross validation) are: Dice= 0.86±0.01, false negative volume fraction = 0.09±0.03, false positive volume fraction = 0.17±0.04, mean surface distance (mm) = 1.07±0.04, standard deviation surface distance (mm) = 1.28± 0.32, maximum surface distance (mm) = 16.32± 7.52. Even if more advanced methods will most likely be needed to increase the segmentation accuracy, the multi-atlas approach proposed is able to generate skeleton segmentations in mono-modality (T1w) WB-MRI that are in a good agreement with the manual ones. In particular, the use of the skeleton labels, that are part of the atlas, as masks in the registration step has proved to increase the quality of the segmentations.

L'uso della risonanza magnetica total-body (WB-MRI) in oncologia è aumentato negli ultimi anni a seguito di innovazioni e ricerche tecnologiche ma anche a seguito della sua dimostrata utilità in ambito clinico. Diverse malattie traggono beneficio dalla risonanza magnetica per la diagnosi, la valutazione dell'entità e dell'attività della malattia, l'inizio del trattamento tempestivo e la valutazione della risposta terapeutica. In particolare, la WB-MRI è stata inizialmente sviluppata e valutata in tumori che comunemente metastatizzano all'osso, ad es. cancro alla prostata. La valutazione della risposta al trattamento è fondamentale per decidere se continuare, adattare o modificare il trattamento di routine. Tuttavia, le inevitabili differenze nella postura del paziente tra diversi esami, l’utilizzo di diverse apparecchiature e parametri di acquisizione, nonché i cambiamenti delle strutture anatomiche si verificano in combinazione con l'enorme quantità di dati. Pertanto, il processo valutazione di un esame total-body può richiedere molto tempo per un radiologo e avere come conseguenza un rischio maggiore di diagnosi errate. Nella stadiazione del cancro e nel monitoraggio della risposta al trattamento, gli strumenti di elaborazione delle immagini mediche potrebbero aiutare nella rilevazione e segmentazione automatica del tumore, nonché nella valutazione volumetrica delle lesioni del corpo. Sebbene il numero di metodi disponibili per la visualizzazione di immagini mediche sia in costante aumento, solo pochi gruppi hanno affrontato i problemi inerenti al confronto delle scansioni di tutto il corpo. L'obiettivo principale di questa tesi è quello di sviluppare un metodo per la segmentazione automatica dello scheletro umano da un data set di WB-MRI (T1w) da pazienti con metastasi scheletriche. Viene proposto un approccio mediante atlanti per la segmentazione dello scheletro; l'atlante considerato è composto da dieci soggetti maschili, cinque con metastasi ossee e cinque volontari. Sono descritti tre metodi per spiegare le diverse fasi del processo di ottimizzazione e come ottenere un risultato più accurato. La qualità della segmentazione finale è maggiore quando si utilizza una maschera dello scheletro nella registrazione deformabile in combinazione con un tuning dei parametri di registrazione specifico per questa applicazione. I migliori risultati sono ottenuti nel Metodo 3 testato. Essi sono (media ± deviazione standard nella validazione incrociata con esclusione): Dice = 0,86 ± 0,01, frazione di volume falsi negativi = 0,09 ± 0,03, frazione di volume falsi positivi = 0,17 ± 0,04, distanza media della superficie (mm ) = 1,07 ± 0,04, deviazione standard della distanza della superficie (mm) = 1,28 ± 0,32, distanza massima della superficie (mm) = 16,32 ± 7,52. Anche se molto probabilmente saranno necessari metodi più avanzati per aumentare l'accuratezza della segmentazione, l'approccio mediante atlanti proposto è in grado di generare segmentazioni scheletriche in WB-MRI mono-modali (T1w) che sono in buon accordo con quelle manuali. In particolare, l'uso delle maschere dello scheletro, che fanno parte dell'atlante, come maschere nella fase di registrazione ha dimostrato di aumentare la qualità delle segmentazioni.