Segmentación de imágenes para la extracción de estructuras en imágenes ultrasónicas

Abstract

El trencament prematur de membranes és una de les complicacions associades a la cirurgia fetal, concretament a la fetoscopia, que suposa un gran risc per al fetus durant l'embaràs. Des de l'Institut de Ginecologia i Obstetrícia de l'Hospital Clínic, es planteja una línia de recerca centrada en l'estudi de les imatges ultrasòniques (adquirides en dies previs a l'operació), amb la finalitat de crear un model de classificació capaç d'identificar aquelles dones amb major probabilitat de patir el trencament de la bossa amniòtica.

Amb aquest motiu, es planteja iniciar l'estudi per l'extracció de les estructures membranoses uterines de les imatges, per a obtenir el conjunt de dades amb el qual entrenar el model de classificació. Amb la finalitat de donar suport a aquest propòsit, neix la idea d'aquest projecte enfocat en el desenvolupament d'un programari de segmentació d'imatges la finalitat del qual és automatitzar i agilitzar el procés d'extracció de les estructures membranoses.

En aquest projecte, s'empra MATLAB com a eina de processament d'imatge i anàlisi de dades. Es valoren diferents tècniques per al tractament de les ecografies, triant aquelles que més s'adeqüin a les necessitats requerides. Com a resultat, s'obtenen dos mètodes diferents de segmentació que s'avaluen mitjançant mètriques estadístiques per a triar aquell que resulti òptim en el propòsit del projecte. Finalment, s'implementa el mètode en noves imatges ultrasòniques per a analitzar la seva eficàcia i precisió.

La rotura prematura de membranas es una de las complicaciones asociadas a la cirugía fetal, concretamente en la fetoscopia, que supone un gran riesgo para el feto durante el embarazo. Desde el Instituto de Ginecología y Obstetricia del Hospital Clínic, se plantea una línea de investigación centrada en el estudio de las imágenes ultrasónicas (adquiridas en días previos a la operación), con el fin de crear un modelo de clasificación capaz de identificar aquellas mujeres con mayor probabilidad de sufrir la rotura de la bolsa amniótica.

Con este motivo, se plantea iniciar el estudio por la extracción de las estructuras membranosas uterinas de las imágenes, para obtener el conjunto de datos con el que entrenar el modelo de clasificación. Con el fin de apoyar este propósito, nace la idea de este proyecto enfocado en el desarrollo de un software de segmentación de imágenes cuya finalidad es automatizar y agilizar el proceso de extracción de las estructuras membranosas.

En este proyecto, se emplea MATLAB como herramienta de procesado de imagen y análisis de datos. Se valoran diferentes técnicas para el tratamiento de las ecografías, escogiendo aquellas que más se adecuen a las necesidades requeridas. Como resultado, se obtienen dos métodos diferentes de segmentación que se evalúan mediante métricas estadísticas para escoger aquel que resulte óptimo en el propósito del proyecto. Finalmente, se implementa el método en nuevas imágenes ultrasónicas para analizar su eficacia y precisión.

Premature rupture of membranes is one of the complications associated with fetal surgery, specifically in fetoscopy, which poses a great risk to the fetus during pregnancy. From the Institute of Gynecology and Obstetrics of the Hospital Clínic, a line of research focused on the study of ultrasound images (acquired in the days prior to the operation) is proposed, in order to create a classification model capable of identifying those women most likely to suffer rupture of the amniotic sac.

For this reason, it is proposed to start the study by extracting the uterine membranous structures from the images, to obtain the data set with which to train the classification model. In order to support this purpose, the idea of this project was born, focused on the development of an image segmentation software whose purpose is to automate and speed up the process of extraction of membranous structures.

In this project, MATLAB is used as a tool for image processing and data analysis. Different techniques for the treatment of ultrasound scans are evaluated, choosing those that best suit the needs required. As a result, two different segmentation methods are obtained that are evaluated using statistical metrics to choose the one that is optimal for the purpose of the project. Finally, the method is implemented in new ultrasound images to analyze its efficiency and accuracy.