3D shape matching methods for nasal cavities

Otolaryngology, in particular rhinology, is a field of medicine in which diagnosis tools and techniques are mostly bound to the analysis of the morphology of nasal cavities and overall airflow quality. These diagnoses, though, are carried on through outdated technologies, if compared to other medical branches. In recent years, however, with the exponential growth of computational power available, computational fluid dynamics (CFD) has presented the possibility of improving rhinological diagnoses through high-detail simulations of patients' nasal cavities' airflow. This powerful tool, however, requires an enormous and very slow work of collecting medical data, i.e computerized tomography, and extracting 3D volumes from these data. Being the nasal cavities characterized by a very complex structure, in order to make the fluid dynamic calculation more streamlined, it is critical to exclude regions with little or completely absent air flow. For example the cavities of the paranasal sinuses, directly connected to the nasal ones and morphologically variable and irregular from patient to patient. Precisely for these reasons, however, their removal results hugely complex and time consuming. It is therefore extremely important to identify a method that allows to automatically identify and separate the paranasal sinuses from the underlying cavities. Techniques of shape matching between 3D volumes, in this scenario, can be useful for various reasons. First they can be exploited in order to increase the dataset quickly and effectively, allowing to apply to the few slowly accumulated data many small changes which would make them more varied and numerous. Secondly to allow the identification of areas present only on one of the two volumes, in the specific case of this work those of the paranasal sinuses. The aim of this thesis, in addition to the one of investigating the main shape matching techniques, is to study and produce a reliable and solid pipeline for the recognition and automatic elimination of the paranasal sinuses from 3D volumes extracted from computerized tomographies as, to date, there is no such tool.

L'otorinolaringoiatria, in particolare la rinologia, è una branca della medicina in cui gli strumenti e le tecniche di diagnosi sono legate in modo particolare allo studio della morfologia delle cavità nasali e della qualità del flusso d'aria che le attraversa mediante tecnologie ormai di gran lunga obsolete rispetto a quelle di altri rami della medicina. Negli ultimi anni, tuttavia, con la crescita esponenziale di potere computazionale a disposizione, la fluidodinamica computazionale (CFD) ha presentato la possibilità di migliorare le diagnosi rinologiche rendendo possibili simulazioni ad alto dettaglio del flusso d'aria all'interno delle cavità nasali dei pazienti. Questo potente strumento tuttavia rende necessario un enorme e molto lento lavoro di raccolta di dati medici, ovvero di tomografie computerizzate, e di estrazione di volumi 3D da questi dati. Poichè le cavità nasali presentano una struttura molto complessa, per rendere più snello il calcolo fluidodinamico un aiuto potrebbe essere quello di escludere delle regioni con poco flusso o con flusso d'aria completamente assente. Per esempio le cavità dei seni paranasali, direttamente connesse a quelle nasali e morfologicamente variabili ed irregolari da paziente a paziente. Proprio per questi motivi però la loro rimozione è estremamente complessa e richiede molto tempo. Risulta quindi di estrema rilevanza un metodo che permetta di individuare e separare in maniera automatica i seni paranasali dalle sottostanti cavità. Tecniche di shape matching tra due volumi 3D, in questo scenario, possono essere molto utili. Per prima cosa al fine di aumentare il dataset in maniera rapida ed efficace permettendo di applicare ai pochi dati accumulati lentamente tante piccole modifiche che li renderebbero vari e più numerosi. In secondo luogo permetterebbero di identificare zone volumetriche presenti solo su uno dei due volumi. L'obbiettivo di questa tesi, oltre che di investigare le principali tecniche di shape matching, è soprattutto quello di studiare e produrre una pipeline affidabile e solida per il riconoscimento e l'eliminazione automatica dei seni paranasali dai volumi 3D estratti da tomografie computerizzate poichè, ad oggi, non esiste uno strumento del genere.