volumetr ia intracraneal y del hipocampo desde imagenes … · del hipocampo desde imagenes de...

103
UNIVERSIDAD POLIT ´ ECNICA DE MADRID ESCUELA T ´ ECNICA SUPERIOR DE INGENIER ´ IA Y DISE ˜ NO INDUSTRIAL Grado en Ingenier´ ıa Electr´ onica y Autom´atica Industrial TRABAJO FIN DE GRADO VOLUMETR ´ IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IM ´ AGENES DE RESONANCIA MAGN ´ ETICA USANDO FREESURFER Sandra Rodr´ ıguez Rodrigo Tutor: Carlos Platero Due˜ nas Departamento: Ingenier´ ıa El´ ectrica, Electr´ onica, Autom´ atica y F´ ısica Aplicada Madrid, Septiembre 2015

Upload: others

Post on 19-Jul-2020

7 views

Category:

Documents


0 download

TRANSCRIPT

Page 1: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

UNIVERSIDAD POLITECNICA DE MADRID

ESCUELA TECNICA SUPERIOR DE INGENIERIA Y

DISENO INDUSTRIAL

Grado en Ingenierıa Electronica y Automatica Industrial

TRABAJO FIN DE GRADO

VOLUMETRIA INTRACRANEAL YDEL HIPOCAMPO DESDE IMAGENES

DE RESONANCIA MAGNETICAUSANDO FREESURFER

Sandra Rodrıguez Rodrigo

Tutor: Carlos Platero Duenas Departamento: IngenierıaElectrica, Electronica,Automatica y Fısica Aplicada

Madrid, Septiembre 2015

Page 2: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

ii

Page 3: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

UNIVERSIDAD POLITECNICA DE MADRID

ESCUELA TECNICA SUPERIOR DE INGENIERIA Y

DISENO INDUSTRIAL

Grado en Ingenierıa Electronica y Automatica Industrial

TRABAJO FIN DE GRADO

VOLUMETRIA INTRACRANEAL YDEL HIPOCAMPO DESDE IMAGENES

DE RESONANCIA MAGNETICAUSANDO FREESURFER

Firma Autor

Firma Tutor

Page 4: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

ii

Page 5: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

iii

Tıtulo: Volumetrıa intracraneal y del hipocampo desde imagenes de resonanciamagnetica usando Freesurfer.Autor: Sandra Rodrıguez RodrigoTutor: Carlos Platero Duenas

EL TRIBUNAL

Presidente:

Vocal:

Secretario:

Realizado el acto de defensa y lectura del Trabajo Fin de Grado el dıa ....... de.................... de ... en .........., en la Escuela Tecnica Superior de Ingenierıa y DisenoIndustrial de la Universidad Politecnica de Madrid, acuerda otorgarle la CALIFI-CACION de:

VOCAL

SECRETARIO PRESIDENTE

Page 6: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

iv

Page 7: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

Agradecimientos

En primer lugar querıa dar las gracias a mis companeros Jose Marıa Sanz yJuan Manuel Aunon. Por todas esas tardes en la quinta planta, por aquellas risasabriendo nueces como si fueran cerebros y por ayudarme en aquellos momentos dedesesperacion... por todo eso y mas, gracias, sin vosotros no habrıa sido lo mismo.

Tambien nombrar a nuestro tutor Carlos Platero, agradecerle haber podido for-mar parte de este gran proyecto, habernos atendido semanalmente y habernos dadola oportunidad de poder hacer simulacros de presentacion que nos han ayudado amejorar poco a poco y a darnos confianza.

Por otra parte, agradecer a mis padres, a mi hermano, a mis abuelos y a Sergiopor todo el apoyo que me habeis dado diariamente e ilusionaros con cada logro.

Dedicaros a todos vosotros este TFG pero en especial a mi abuelo Adrian quienfallecio hace anos con Alzheimer, gracias por darle en parte un sentido a mis estudios.

Gracias.

v

Page 8: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

vi AGRADECIMIENTOS

Page 9: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

Resumen

Este proyecto se resume en el tratamiento de imagenes cerebrales T1-MRI queconforman las bases de datos del Proyecto Vallecas y del estudio ADNI. Concreta-mente se realizara la eliminacion de zonas no cerebrales y el etiquetamiento de cadauna de las subregiones cuya finalidad sera la de obtener resultados numericos sobrevolumetrıa intracraneal, hipocampal y de materia gris que ayuden a la deteccionprecoz del Alzheimer. Como principal herramienta se utilizara FreeSurfer, la cualademas se paralelizara debido a su elevado tiempo de ejecucion.

Para el caso de las imagenes del Proyecto Vallecas, se realizara una comparacioncon los resultados obtenidos por el CTB mientras que para el caso de ADNI, setomara el DICE como medida de similitud entre lo realizado por este software y elground truth.

Palabras clave: segmentacion, paralelizacion, volumetrıa.

vii

Page 10: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

viii RESUMEN

Page 11: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

Abstract

This project could be summarized in the treatment of T1-MRI brain images fromPV database and ADNI study. The extraction of non-brain areas and the labelingof each subregion will be crucial to obtain numerical results about intracranial andhippocampal volume in order to the Alzheimer early detection.

Also, because of the high runtime of the main tool used which is FreeSurfer, itwill be necessary to parallelize it.

For PV images, it will be made a comparison with the CTB’s results while forADNI images, the value of DICE will be taken as a measure of similarity between theaccomplishments of this software and the labels given considered as ground truth.

Keywords: segmentation, parallelization, volume.

ix

Page 12: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

x ABSTRACT

Page 13: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

Indice general

Agradecimientos V

Resumen VII

Abstract IX

1. Introduccion 11.1. Motivacion del proyecto . . . . . . . . . . . . . . . . . . . . . . . . . 11.2. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21.3. Materiales utilizados . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

1.3.1. PuTTY . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21.3.2. FileZila . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21.3.3. Doxygen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

1.4. Estructura del documento . . . . . . . . . . . . . . . . . . . . . . . . 3

2. Estado de la tecnica de la segmentacion del hipocampo desde T1-MRI. 52.1. Fusion de etiquetas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

2.1.1. Estrategias globales . . . . . . . . . . . . . . . . . . . . . . . . 62.1.2. Estrategias locales . . . . . . . . . . . . . . . . . . . . . . . . 9

2.2. Skull-stripped . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122.2.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

2.3. Segmentacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132.3.1. DICE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132.3.2. Volumetrıa . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142.3.3. Tecnica empleada en Freesurfer . . . . . . . . . . . . . . . . . 14

3. Freesurfer 153.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153.2. Skull-stripped . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163.3. ICV . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173.4. Volumetrıa hipocampal . . . . . . . . . . . . . . . . . . . . . . . . . . 183.5. Volumetrıa Materia Gris . . . . . . . . . . . . . . . . . . . . . . . . . 183.6. Espacio nativo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193.7. Diagrama . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

4. Experimentacion con Fusion de etiquetas 234.1. Votacion por mayorıa . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

4.1.1. Llamada a la funcion desde Matlab . . . . . . . . . . . . . . . 24

xi

Page 14: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

xii INDICE GENERAL

5. Experimentacion con FreeSurfer 275.1. Proyecto Vallecas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

5.1.1. Skull-stripped . . . . . . . . . . . . . . . . . . . . . . . . . . . 275.1.2. ICV . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 315.1.3. Volumetrıa hipocampal . . . . . . . . . . . . . . . . . . . . . . 315.1.4. Volumetrıa Materia Gris . . . . . . . . . . . . . . . . . . . . . 325.1.5. Tiempo empleado . . . . . . . . . . . . . . . . . . . . . . . . . 34

5.2. ADNI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 355.3. Consideraciones tenidas en cuenta . . . . . . . . . . . . . . . . . . . . 37

6. Conclusiones 39Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39Desarrollos futuros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40

A. Documentacion del codigo 41

B. Codigo realizado 61Fusion de etiquetas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61FreeSurfer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62

C. Tablas de resultados 65

D. Anexo: ITK, MEX y OpenMP 75Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75ITK . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75MEX . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78OPENMP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81ITKMEX . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83

Bibliografıa 85

Page 15: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

Indice de figuras

2.1. Ejemplo que demuestra las limitaciones de usar estrategias globales . 8

3.1. Diagrama explicativo de FreeSurfer . . . . . . . . . . . . . . . . . . . 203.2. Diagrama esquematico de FreeSurfer . . . . . . . . . . . . . . . . . . 21

5.1. Skull-stripping aplicando unicamente -autorecon1 . . . . . . . . . . . 275.2. Skull-stripping aplicando watershed . . . . . . . . . . . . . . . . . . . 285.3. Imagen de partida id 001.nii.gz . . . . . . . . . . . . . . . . . . . . . 285.4. Skull-stripping con less sobre id 002.nii.gz . . . . . . . . . . . . . . . 295.5. Skull-stripping con h 25 sobre id 002.nii.gz . . . . . . . . . . . . . . . 295.6. Vista sagital y coronal del paciente id 004.nii.gz . . . . . . . . . . . . 295.7. AC-PC Line . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 305.8. Skull-stripping tras rotacion en id 004.nii.gz . . . . . . . . . . . . . . 305.9. Skull-stripping sin rotar en id 004.nii.gz . . . . . . . . . . . . . . . . . 305.10. Valor de ICV paciente id 001.nii.gz recogido en icv.txt . . . . . . . . . 315.11. Etiquetado paciente id 001.nii.gz . . . . . . . . . . . . . . . . . . . . 315.12. Detalle etiquetado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 315.13. Leyenda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 315.14. Volumetrıa hipocampal de las tres primeras imagenes del PV archivo

etiv.txt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 325.15. Error ribbon.mgz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 325.16. Etiquetado-2 id 001.nii.gz . . . . . . . . . . . . . . . . . . . . . . . . 335.17. Leyenda-2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 335.18. Volumetrıa materia gris paciente id001.nii.gzarchivograyVol .txt . . . 335.19. Sujeto ADNI 002 S 0295 - Etiqueta izquierda (ya dada) . . . . . . . . 355.20. Sujeto ADNI 002 S 0295 - Etiquetas obtenidas con FS (generada) . . 35

D.1. Imagen de entrada . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77D.2. ITK - Imagen de salida . . . . . . . . . . . . . . . . . . . . . . . . . . 77D.3. binomialMatlab - Imagen de salida . . . . . . . . . . . . . . . . . . . 77D.4. Resultados con MEX . . . . . . . . . . . . . . . . . . . . . . . . . . . 80D.5. Resultados con binomialMatlab . . . . . . . . . . . . . . . . . . . . . 80D.6. Resultado obtenido . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84

xiii

Page 16: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

xiv INDICE DE FIGURAS

Page 17: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

Indice de tablas

5.1. Valores de DICE - Etiqueta hipocampo izquierdo . . . . . . . . . . . 365.2. Valores de DICE - Etiqueta hipocampo derecho . . . . . . . . . . . . 36

6.1. Resultados para el sujeto id 036 . . . . . . . . . . . . . . . . . . . . . 39

xv

Page 18: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

xvi INDICE DE TABLAS

Page 19: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

Capıtulo 1

Introduccion

1.1. Motivacion del proyecto

Tanto las enfermedades neurodegenerativas como ciertos trastornos psiquiatri-cos estan frecuentemente asociados con cambios estructurales en el cerebro. Estoscambios pueden ir desde variaciones en el volumen o en la forma de las regionessubcorticales ası como alteraciones en el espesor o el area del cortex cerebral.

El hipocampo se localiza en la parte interna del lobulo temporal y desempenaprincipalmente funciones importantes en la memoria. Determinar si han existidocambios en el volumen de esta region puede ser crucial para el diagnostico de enfer-medades tales como el Alzheimer o la Esquizofrenia.

La principal motivacion de este proyecto es, por tanto, contribuir en la deteccionprecoz y eficaz del Alzheimer analizando imagenes T1-MRI procedentes de:

Proyecto Vallecas

Con la colaboracion de la Fundacion Reina Sofıa, la Fundacion CIEN y ObraSocial Caja Madrid nace el Proyecto Vallecas. A partir de imagenes de volun-tarios entre 70 y 85 anos evaluados anualmente durante un periodo total de5 anos surge este programa con la intencion de ayudar en la busqueda de undiagnostico preciso y temprano del Alzheimer. Se emplearan concretamente 163imagenes de este proyecto.

ADNI: Alzheimer’s Disease Neuroimaging Initiative

ADNI es una iniciativa que cuenta con imagenes de pacientes de mas de 50anos con la finalidad de crear una gran base de datos relativos al cerebro pa-ra posteriores estudios tales como la segmentacion del hipocampo. De estafuente se trataran 19 imagenes y 126 de ADNI-HHP (elegidas segun el Har-monized Hippocampal Protocol basado en sucesivas votaciones entre expertossobre que puntos deberıan incluirse en esta base) Tambien se realizara el skull-stripped de otras 5 de las 134 totales del ya nombrado estudio ADNI-HHP

1

Page 20: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

2 CAPITULO 1. INTRODUCCION

1.2. Objetivos

El objetivo de este proyecto consiste en la implementacion de las tecnicas defusion de etiquetas basadas en el registro no rıgido. Se abarcaran las tecnicas de seg-mentacion de subestructuras corticales desde imagenes T1-MRI cuya segmentacionse basa en el registro de los atlas sobre la imagen del paciente.

Se obtendran los datos de volumetrıa hipocampal, intracraneal y de materia grispara las imagenes de los pacientes del Proyecto Vallecas y ADNI ası como los ficheroscorrespondientes tras proceder con la eliminacion del craneo (skull-stripped) y conel etiquetado de cada uno de ellos.

Tambien se procurara reducir tiempos de ejecucion con la finalidad de podertratar un mayor numero de imagenes.

1.3. Materiales utilizados

Concretamente se ha elegido FreeSurfer como herramienta de trabajo para eltratamiento de imagenes, la version 5.3. Con ella ha sido posible distinguir y estudiarlas diferentes zonas que conforman el cerebro obteniendo ademas los resultados devolumetrıa para cada uno de los pacientes. (En el capıtulo 3 se desarrollara en masprofundidad)

Ademas se han empleado Visual Studio 2008 y Matlab para la realizacion deMEX y este ultimo ademas para paralelizar FreeSurfer. En ocasiones, como visor seha utilizado BrainSuite11 para el caso de las imagenes ADNI.

Tambien cabe destacar el empleo de algunos no tan conocidos como:

1.3.1. PuTTY

Este emulador nos permite introducir una direccion IP y generar una terminaldesde la que poder trabajar como si estuvieramos dentro del propio escritorio de lamaquina remota de la que hemos escrito la direccion.

Para abrir Matlab desde PuTTY es necesario escribir la siguiente lınea de co-mandos:

matlab −nodesktop

Con ello, la terminal pasa a ser la empleada por Matlab y es posible lanzar los scriptsgenerados con los comandos de FreeSurfer y dejarlos ejecutando durante el tiempoque necesiten.

1.3.2. FileZila

Es un cliente multiplataforma de codigo abierto y software libre. FileZilla pro-porciona una interfaz grafica desde la que es posible navegar por las carpetas y verlos contenidos tanto de la maquina remota como la de la local ası como transferir-los. FileZila facilita enormemente emplear PuTTY ya que es posible visualizar eldirectorio en el que se esta trabajando.

Page 21: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

1.4. ESTRUCTURA DEL DOCUMENTO 3

1.3.3. Doxygen

Es un generador de documentacion para lenguajes tan conocidos como C++, C oJava. Para ello es necesario configurar la herramienta indicando el directorio dondese encuentra nuestro codigo y de que manera queremos obtener esa documentacion,ya sea HTML o PDF generado con LaTeX.

Ademas, se ha trabajado desde el escritorio remoto Lyapunov con sistema ope-rativo Windows y desde Gauss con Devian. Gracias a ello, ha sido posible conseguirque el programa continuara ejecutandose y tener disponible las herramientas en todomomento.

1.4. Estructura del documento

Este TFG se estructura de la siguiente forma:

En el capıtulo 1 se realiza una introduccion.

En el capıtulo 2 se reflejan las tecnicas utilizadas para llevar a cabo la segmen-tacion del hipocampo desde T1-MRI

En el capıtulo 3 se detalla en que consiste FreeSurfer y como se ha procedidopara el tratamiento de las imagenes.

En el capıtulo 4 se detalla el codigo desarrollado para la experimentacion de lafusion de etiquetas.

En el capıtulo 5 se muestra lo obtenido tras aplicar FreeSurfer tanto para elproyecto PV como para el estudio ADNI.

En el capıtulo 6 se desarrolla una conclusion.

En el apendice A, se adjunta la documentacion del codigo implementado .

En el apendice B, se puede leer el codigo fuente realizado del que se ha docu-mentado.

En el apendice C se adjuntan las tablas excel de los resultados obtenidos.

En el apendice D, se puede encontrar el informe que se redacto al realizar laspracticas ITK, MEX y OpenMP donde ademas se explica cada uno de estosterminos.

Page 22: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

4 CAPITULO 1. INTRODUCCION

Page 23: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

Capıtulo 2

Estado de la tecnica de lasegmentacion del hipocampodesde T1-MRI.

2.1. Fusion de etiquetas

Dependiendo del tipo de imagen a tratar y de la aplicacion entre otros, la tecnicade segmentacion que se aplicara sera diferente, sin embargo, la mas utilizada sepodrıa considerar la segmentacion basada en atlas.

Un atlas se define como una imagen de la misma naturaleza que la que se quieresegmentar pero con la particularidad de contener tanto la localizacion como la rela-cion espacial entre sus estructuras. [8] La creacion de un atlas suele ser realizada demanera manual aunque tambien es posible obtenerla semi-automaticamente.

Se ha demostrado que emplear multiples atlas mejora la calidad de la segmenta-cion ademas de reducir el error posiblemente existente. Para ello, cada atlas debeser tratado de manera independiente aplicandole su correspondiente transformacionde tal manera que como salida se obtengan diferentes imagenes segmentadas. Lafinalidad de ello es combinarlas, generando una unica segmentacion. Este proceso esdenominado como fusion de etiquetas

A lo largo de este capıtulo, se desarrollaran algunos de los metodos de fusion deetiquetas que hacen esto posible los cuales, segun la literatura, podrıan clasificarseen dos grandes grupos estrategias globales y locales. [1]

Estrategias globales: para estimar la precision de la segmentacion se utilizaun valor de manera global para toda la imagen. Dentro de esta categorıa seencuentran metodos como Majority Voting y Weighted Voting

Estrategias locales: A cada voxel de la imagen se le asigna un valor diferentede manera local. Generalized Local Weighted Voting y STAPLE pertenecen aesta clasificacion.

Para definir el criterio optimo en cuanto a la eleccion del metodo a emplear serıanecesario tener en cuenta el contraste de grises entre cada region en particular consus alrededores (vecinos) [1]

5

Page 24: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

6CAPITULO 2. ESTADO DE LA TECNICA DE LA SEGMENTACION DEL HIPOCAMPO DESDE T1-MRI.

2.1.1. Estrategias globales

Estas estrategias asignan a cada segmentacion un valor o peso de manera globalaunque la decision en realidad se toma pıxel a pixel.

Votacion por mayorıa

Mayority voting (MW) es la tecnica mas sencilla y mas utilizada en la segmen-tacion de imagenes medicas. En ella, todas las segmentaciones a fusionar tienenexactamente el mismo peso. Generalmente es usada cuando no hay conocimiento apriori sobre la certeza de cada clasificador. [1]

Con este metodo, a cada voxel se le asigna la etiqueta con la que coinciden variassegmentaciones.

Matematicamente, quedarıa expresado como:

(2.1)

(2.2)

(2.3)

E(x) se concibe como la combinacion de varios clasificadores salida obtenidos.Para la muestra x, E(x) debe ser la clase que maximice la probabilidad de clasifi-car correctamente los voxels de la imagen de tal manera que se obtengan mejoresresultados que utilizando clasificadores de manera individual.

Un clasificador basado en atlas queda definido por un conjunto de atlas y por sustransformaciones de coordenadas. Aplicando una determinada transformacion sobreun conjunto de atlas segmentadas, es posible obtener una segmentacion estimada dela imagen objetivo. Esta estimacion puede ser considerada como una segmentacioncandidata.

Ahondando mas en la expresion, en terminos generales, cuando varias segmenta-ciones candidatas, en este caso k, coinciden en la asignacion de x con la etiqueta iesto se llevara a cabo. Es decir, el resultado sera 1, en caso de no ser ası el resultadosera 0.

Page 25: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

2.1. FUSION DE ETIQUETAS 7

Votacion ponderada

Weighted Voting (WV) tiene como particularidad la asignacion de ponderacionesa cada segmentacion de manera global.

Es conmunmente utilizado en reconocimiento de patrones, puesto que permitemaximizar la precision cuando se tienen conocimientos a priori Sin embargo, estoes distinto para el campo de la segmentacion basada en atlas, ya que es muy difıcilsaber la calidad de ellas de antemano por lo que los pesos se asignan teniendo encuenta la similitud entre la imagen registrada y la imagen objetivo segun la siguienteexpresion: [1]

(2.4)

En la que m es la medida de similitud y p es el exponente de ganancia asociado.Si el valor de m no es muy significativo, podrıa ser necesario aumentar el valor de ppara que las diferencias entre los pesos sean relevantes.

Tambien, se ha demostrado que se puede mejorar la precision de la segmenta-cion utilizando estrategias locales calculando para cada pıxel su valor de m en unsubvolumen de la imagen dependiente del pıxel. [8] Se desarrollara mas adelante en(Generalized Local Weighted Voting)

Por otra parte, dentro de este metodo nace una clasificacion mas especıfica te-niendo en cuenta el tipo de algoritmo a implementar y el valor de p a emplear:

(GWV-NCC) Votacion ponderada de forma global basada en el Coeficiente deCorrelacion Normalizado

(GWV-MI) Votacion ponderada de forma global basada en la Informacion Mu-tua o Mutual Information

(GWV-MSD) Votacion ponderada de forma global basada en la Distanciacuadratica media o Mean Square Distance

1. Basada en el Coeficiente de Correlacion Normalizado

Este coeficiente, en ingles Normalized cross-correlation (NCC) aplicado a dosimagenes viene definido por la siguiente expresion: [1]

(2.5)

Es decir, viene dado por el resultado de dividir la covarianza de las dos imagenesentre la multiplicacion de la raız cuadrada de cada una de las varianzas. En este caso,el exponente de ganancia p utilizado sera 4. Sin embargo, si se emplean imagenesdesde IBSR (Internet Brain Segmentation Repository) habra que utilizar 6.

Page 26: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

8CAPITULO 2. ESTADO DE LA TECNICA DE LA SEGMENTACION DEL HIPOCAMPO DESDE T1-MRI.

2. Basada en la Informacion Mutua

Mutual Information (MI) El valor de p debe ser mayor que el anterior caso con lafinalidad de ampliar las diferencias entre los pesos por lo que se utilizara 8. Mientrasque para IBSR 4.

Para llevar a cabo su implementacion serıa necesario emplear ITK (Insight Seg-mentation and Registration Toolkit) para adquirir cada imagen y aplicar la corres-pondiente mascara.

3. Basada en la Distancia Cuadratica Media

Mean Square Distance (MSD) En este caso en particular, no serıa necesario utili-zar ningun valor de ganancia porque las diferencias existentes entre las imagenes esya bastante amplia. Por lo que, se decide tener en cuenta la relacion inversa entrela distancia cuadratica media y la imagen superpuesta despues de registrarse con pigual a -1 (Si fuera desde IBSR tambien se utiliza este valor)

Limitaciones de usar Estrategias Globales

Queda comprobado que estas estrategias ofrecen mejores resultados que si se tra-baja con atlas individualmente, sin embargo, tienen algunas limitaciones. Debido aque los pesos estimados son los mismos para todos los voxels de la segmentacion glo-balmente hay casos en los que esto puede afectar negativamente como en el ejemplosiguiente: [1]

Figura 2.1: Ejemplo que demuestra las limitaciones de usar estrategias globales

Se puede comprobar que para el primer caso, la Imagen 1 obtenida concuerda ensu mayorıa con la de origen excepto por uno de los brazos. Esto no ocurre con laImagen 2 cuyo brazo anteriormente descrito se ajusta a la perfeccion, sin embargo,sigue teniendo otros fallos.

Puesto que los pesos se han generado de manera global, esto no se podrıa apro-vechar. Si se hiciera de manera local se podrıa solucionar consiguiendo una mayorprecision en la segmentacion.

Page 27: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

2.1. FUSION DE ETIQUETAS 9

2.1.2. Estrategias locales

En lugar de asignar a todos los voxel de la segmentacion el mismo peso, cada unode ellos pueden tener diferentes valores.

Votacion ponderada generalizada de manera local

Generalized Local Weighted Voting es similar al metodo WV pero con la particu-laridad de utilizar medidas de similitud locales.

Es decir, m, a diferencia de las estrategias globales, depende de dos parametrosque son la forma o shape s y el radio r de tal manera que su expresion queda de laforma [1]

(2.6)

Es decir, se calcula para cada pıxel la medida de similitud en un subvolumen dela imagen dependiente del pıxel.

Con la asignacion de un peso diferente para cada voxel, se aumenta el numero degrados de libertad del problema. Por lo que, surge la necesidad de buscar la formade asegurar que la variacion entre los pesos asignados es suave con el fin de evitarque la imagen pueda tener ruido.

Esto se podrıa solucionar aumentando el valor del radio aunque con ello los pesosno serıan tan locales y el resultado podrıa ser peor.

Por otra parte, para evitar la carga que puede suponer el asignar un peso acada voxel de manera particular, a nivel de compilacion, en ocasiones se le asignadirectamente la etiqueta si todas las segmentaciones candidatas coinciden en ellosin tener en cuenta los pesos. En otras palabras, se tendrıa en cuenta el metodo devotacion por mayorıa para conseguir ahorrar tiempos de compilacion entre otros.

Al igual que en el caso de la votacion ponderada de manera global, tambien sepuede distinguir entre:

(LWV-NCC) Votacion ponderada de forma local basada en el Coeficiente deCorrelacion Normalizado

(LWV-MI) Votacion ponderada de forma local basada en la Informacion Mutuao Mutual Information

(LWV-MSD) Votacion ponderada de forma local basada en la Distancia cuadrati-ca media o Mean Square Distance

Page 28: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

10CAPITULO 2. ESTADO DE LA TECNICA DE LA SEGMENTACION DEL HIPOCAMPO DESDE T1-MRI.

1. Basada en el Coeficiente de Correlacion Normalizado

Al igual que en GWV-NCC se emplea el coeficiente de correlacion normalizadoexcepto porque en este caso se define en una region cuadrada alrededor de cada pıxelcon r igual a 10. Ademas, la ganancia p tendra un valor de 5 siendo por otra partede 2 en el caso de utilizar imagenes de IBSR.

2. Basada en la Informacion Mutua

En esta ocasion se define de manera normalizada la ecuacion a utilizar para llevara cabo mutual information: [1]

(2.7)

Donde NMI surge como resultado de dividir la suma de entropıas para las image-nes 1 y 2 entre la entropıa conjunta de las dos. La entropıa de una imagen se calculadesde su histograma h(x) a partir de la siguiente expresion: [1]

(2.8)

En la cual N representa el numero de intervalos del histograma, xi es el centroidedel intervalo correspondiente al numero i La medida de similitud se realiza sobreuna region cuadrada en 2-D de radio isotropico 15 con p igual a 8. (Sera igual paraIBSR)

3. Basada en la Distancia Cuadratica Media

La medida de similitud se concibe como la distancia cuadratica media en unaregion cuadrada alrededor del voxel de interes de tamano 10 en cada dimension.Con p igual a -6 se pretende tener en cuenta la relacion inversa entre la distancia ysimilitud existentes entre las imagenes. En caso de utilizar IBSR este valor es de -1.

Page 29: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

2.1. FUSION DE ETIQUETAS 11

STAPLE

STAPLE (Simultaneous Truth and Performance Level Estimation) es una estrate-gia de fusion por votacion ponderada que se estima mediante un algoritmo iterativode maxima expectacion (EM) [8]

Este metodo calcula una estimacion probabilıstica de la verdadera segmentaciony mide el nivel de eficiencia o calidad que representa cada segmentacion elegida.

Existen tres implementaciones diferentes. [1]Warfield y Rohlfing et al. [9] se basan en numeros binarios para ello de tal manera

que para cada voxel, la estructura de interes queda registrada como present con elnumero 1 y absent con el 0. Ademas, presentaron dos generalizaciones de este metodopara trabajos en los que se utiliza multilabels

STAPLE trata la fusion de etiquetas como un problema de maximizacion de pro-babilidades y lo resuelve usando EM. Este algoritmo procede realizando estimacionesde manera iterativa y maximizando la funcion de probabilidad.

Breve comparativa

Diversos estudios concluyen en que las estrategias locales son mejores en zonas quepresentan alto contraste con respecto a su alrededor, mientras que por el contrariolas globales deberıan aplicarse a regiones que presentan intensidades similares. [1]Debido a esto, es facil plantearse lo beneficioso que serıa aplicar estrategias localesen estructuras con alto contraste en los bordes por lo que a la hora de decidir cualmetodo usar, podrıa ser un buen punto de partida.

Por otra parte, tanto MV como STAPLE no utilizan la informacion que propor-ciona la imagen de origen (target image) como hacen otros metodos como WV, sinoque se centran en los atlas. Por lo que, dependiendo de los recursos de los que separta esto tambien podrıa tenerse en cuenta.

Tambien cabrıa destacar la rapidez con la que el metodo de Votacion por mayorıaopera con respecto al resto (Se desarrollara mas en el Capıtulo 4)

En conclusion, en realidad no se puede determinar cual es el optimo para todoslos casos ya que ningun metodo es mejor que otro siempre sino que depende de lasregiones que se traten y de las imagenes.

Page 30: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

12CAPITULO 2. ESTADO DE LA TECNICA DE LA SEGMENTACION DEL HIPOCAMPO DESDE T1-MRI.

2.2. Skull-stripped

2.2.1. Introduccion

La total extraccion del cerebro o skull-stripped se refiere al proceso de separar elcerebro (materia gris (GM) y materia blanca (WM)) de lo que no lo es (como porejemplo el craneo o la dura madre) [6]

Este proceso es de suma importancia a la hora de analizar las imagenes delcerebro ya que dependiendo de ello los resultados obtenidos pueden tener grandesvariaciones.

Dependiendo de la aplicacion, se incluira o no el fluido cerebroespinal o CSFEn nuestro caso, para el calculo del ICV (volumen intracraneal) se ha decidido notenerlo en cuenta y dejarlo como la suma de GM mas WM

Se puede llevar a cabo de manera manual, semi-automatica o automatica. Eneste trabajo se ha procedido de manera automatica, concretamente usando HWA enFreesurfer (Capıtulo 5)

A continuacion se hara una breve explicacion de cada uno de ellos.

Semi-automatica

En este caso, para realizar la extraccion del cerebro se seleccionan de formamanual dos umbrales de intensidad con el fin de diferenciar los voxel pertenecientesal cerebro (generar unos lımites) y hacer una primera separacion. Para recuperaraquellas zonas de cerebro que no han podido no tenerse en cuenta, se aplica undeterminado coeficiente de dilatacion y se edita la segmentacion tambien de maneramanual. Como se puede comprobar, para ello es necesario la experiencia de unapersona cualificada que ademas dedique mucho tiempo en ello, por lo que es mascomun hacerlo de manera automatica.

Automatica

Existen cuatro formas que hacen posible el skull-stripping: [6]

(BET) Brain Extraction Tool en FMRIB Software Library: estima los valoresde intensidad mınima y maxima de la imagen y genera un modelo deformablepara adaptarse a la superficie del cerebro que ademas tiene en cuenta el centrode gravedad. [5]

(BSE) Brain Surface Extractor en BrainSuite: utiliza un operador en dos di-mensiones para detectar los bordes del cerebro despues de aplicar un filtro dedifusion anisotropica.

(MAPS) Multi-Atlas Propagation and Segmentation: sigue tres pasos para llevara cabo la extraccion del cerebro:

1. Seleccion de la plantilla: registro afın de la imagen origen con la imagende referencia elegida (de las plantillas). Ademas se calcula el coeficiente decorrelacion entre ambas imagenes como criterio para saber si es buena laseleccion.

Page 31: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

2.3. SEGMENTACION 13

2. Propagacion de etiquetas: los atlas que mejor se adapten se registran con laimagen de origen utilizando registro no rıgido. Ademas se calculan valoresde umbralizacion y se procede con la dilatacion de los voxels.

3. Fusion de etiquetas: se aplican los metodos de fusion de etiquetas desarro-llados en este capıtulo.

(HWA) Hybrid Watershed Algorithm en Freesurfer: combina algoritmos waters-hed y modelos deformables. Este algoritmo proporciona una estimacion inicialrobusta del volumen del cerebro gracias a la cual se puede establecer un modeloque se adapte a la superficie del cerebro. Ademas, se utiliza un atlas estadısticopara validar y corregir la extraccion.

2.3. Segmentacion

La segmentacion automatica de las estructuras subcorticales del cerebro juega unpapel muy importante en la medicina.

En numerosas enfermedades neurodegenerativas y psiquiatricas como la esquizo-frenia, epilepsia o el Alzheimer, se han observado cambios en la volumetrıa y formadel hipocampo.

Poder determinar estos parametros, es por tanto, crucial para el diagnostico.

Sin embargo, realizar una segmentacion del hipocampo que sea totalmente acer-tada es una tarea especialmente difıcil, concretamente en imagenes T1-MRI. Esto esdebido a que los bordes del hipocampo no estan siempre totalmente definidos y a lacalidad de la imagen. En ocasiones, es facil confundir las zonas proximas a la cabezay a la cola del hipocampo con otras zonas como la amıgdala y el pulvinar [8] [4]

Por lo que, surgen diversos protocolos de definicion del hipocampo y de las es-tructuras que se consideran en su segmentacion.

Como ya se ha mencionado con anterioridad y al igual que en el caso del skull-stripped, la segmentacion se puede realizar de manera manual o automatica. Laprimera de ellas, a pesar de ofrecer buenos resultados, es mucho mas tediosa ysupone un mayor numero de tiempo.

Se prefiere por tanto, la utilizacion de algoritmos como por ejemplo los mencio-nados en fusion de etiquetas.

Con la finalidad de comparar las segmentaciones del hipocampo realizadas ydeterminar la que mejor pueda acercarse a la realidad, es necesario definir algunosconceptos importantes como:

2.3.1. DICE

DICE o similarity index (SI) es la medida mas utilizada para evaluar la actuacionde los algoritmos de segmentacion. El fundamento de este ındice se basa en compararlas similitudes existentes entre dos imagenes, matematicamente se define como: [1]

(2.9)

Page 32: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

14CAPITULO 2. ESTADO DE LA TECNICA DE LA SEGMENTACION DEL HIPOCAMPO DESDE T1-MRI.

Donde A y B indican el numero de voxels de la correspondiente segmentacion.Su valor varıa de 0 a 1. En el caso de ser 0, esto indica que no existe ninguna

similitud entre los voxels de ambas imagenes, lo contrario ocurre si es 1.

Este ındice se empleara en el Capıtulo 5 en las imagenes de ADNI para comprobarel nivel de exactitud que FreeSurfer proporciona en cuanto al etiquetamiento delhipocampo.

2.3.2. Volumetrıa

El calculo de la volumetrıa no es en sı una medida aunque es de gran utilidad enel diagnostico del Alzheimer.

Para ello, basta con contar el numero de voxeles que consta el hipocampo y mul-tiplicar por el tamano del voxel (spacing) de la segmentacion. El numero sera menorconforme mas atrofiado este aunque suele rondar las cifras 2000-4000. Obtener unvalor de volumetrıa del hipocampo muy superior a este numero o ınfimo puede sertambien de gran ayuda para determinar si la segmentacion realizada es incorrecta.

En este TFG, se calculara tanto la volumetrıa de ambos hipocampos, de materiagris e ICV para las imagenes ADNI y de PV con FreeSurfer.

2.3.3. Tecnica empleada en Freesurfer

A continuacion se explica brevemente algunas de las funciones que FreeSurferemplea en la segmentacion de regiones.

Tanto el etiquetado de zonas corticales y subcorticales realizadas por FreeSurferemplean el mismo algoritmo. La segmentacion final se basa en un atlas probabilısticoy de ciertos valores de medida.

En primer lugar, se construye un atlas a partir de un conjunto de sujetos sobrelos que se ha realizado un etiquetado manual.

A continuacion, esas etiquetas se llevan a un espacio comun en el que correspon-den voxel a voxel todos los sujetos (espacio Talairach) (1)

FreeSurfer emplea una funcion que determina de forma probabilıstica la etiquetade un determinado punto teniendo en cuenta la asignada a sus vecinos.

Ademas de esta funcion, utiliza la denominada PDF (probability distribution fun-ction) la cual se modela como una distribucion normal. Esta funcion calcula la mediay la varianza para cada etiqueta en cada punto en el espacio segun el valor medidode intensidad en el voxel. [3]

FreeSurfer emplea un gran tiempo en realizar todo ello en la segmentacion deimagenes, por lo que, como se vera mas adelante, sera necesario paralelizar el proceso.

Por otra parte, relacionandolo con la fusion de etiquetas, cabe mencionar quesegun Nestor et al. [7] se ha demostrado que los metodos basados en multi-atlasproporcionan una mayor exactitud que FreeSurfer por lo que podrıa ser bueno tenerloen cuenta en futuros estudios.

Page 33: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

Capıtulo 3

Freesurfer

Freesurfer es un software de codigo abierto para el procesamiento y analisis deimagenes de resonancia magnetica MRI del cerebro humano. Es muy util para tareascomo skull-stripping o cortical and subcortical segmentations entre muchas otras mas.

3.1. Introduccion

Para la instalacion de FreeSurfer, para este caso la version 5.3 , se necesita previa-mente tener VirtualBox como administrador de maquinas virtuales en el ordenador.Posteriormente, se pueden seguir dos metodos:

1. Instalar Linux como Sistema Operativo en VirtualBox y posteriormente Free-Surfer.

2. Instalar directamente FreeSurfer como imagen virtual en VirtualBox (Con Li-nux tambien como S.O.)

En ambos casos, el enlace para ello serıa el siguiente: http://freesurfer.net/

fswiki/Download

Nota: Se recomienda optar por el segundo metodo por su comodidad.

Primera opcion

Para este caso sera necesario escribir las siguientes indicaciones en la terminalcada vez que se quiera iniciar FreeSurfer:

export FREESURFER HOME=<f r e e s u r f e r i n s t a l l a t i o n d i r e c t o r y >/ f r e e s u r f e rexport SUBJECTS DIR=<work ing d i r ec to ry >/datasource $FREESURFER HOME/ SetUpFreeSurfer . sh

La segunda lınea serıa opcional, ya que se podrıa trabajar directamente en eldirectorio que ofrece FreeSurfer, pero por comodidad se recomienda cambiarlo.

Tambien es posible configurarlo en tcsh ejecutando:

chsh −s / bin / tcshsetenv FREESURFER HOME < f r e e s u r f e r i n s t a l l a t i o n d i r e c t o r y >/ f r e e s u r f e rsetenv SUBJECTS DIR <work ing d i r ec to ry >/datasource $FREESURFER HOME/ SetUpFreeSurfer . csh

15

Page 34: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

16 CAPITULO 3. FREESURFER

Segunda opcion

Para este segundo caso, se recomienda asignar a la maquina virtual una memoriade aproximadamente 1 GB para su correcto funcionamiento y usar como disco durovirtual el archivo proporcionado por la pagina web.

Para comprobar que la instalacion ha sido correcta, al abrir la terminal deberanaparecer las siguientes lıneas de comando:

Se t t i ng up environment f o r FreeSur f e r /FS−FAST ( and FSL)FREESURFER HOME / usr / l o c a l / f r e e s u r f e rFSFAST HOME / usr / l o c a l / f r e e s u r f e r / f s f a s tFSF OUTPUT FORMAT n i iSUBJECTS DIR / usr / l o c a l / f r e e s u r f e r / s u b j e c t sMNI DIR / usr / l o c a l / f r e e s u r f e r /mni

3.2. Skull-stripped

Hybrid Watershed Algorithm (HWA) es el metodo que se llevara a cabo a lo largode este trabajo para analizar las imagenes dadas del Proyecto Vallecas.

Antes de aplicarlo es necesario tener una imagen base ya segmentada del craneocon la que trabajar (la denominada brainmask.mgz) Para ello es necesario escribir:

recon−a l l −sub j i d / su b j e c t −autorecon1

El anteriormente mencionado algoritmo watershed es utilizado con la finalidad deestablecer un lımite entre el craneo y el cerebro. Sus lıneas de comando en Freesurferson las siguientes:

recon−a l l − s k u l l s t r i p −wsthresh <h> −c lean−bm −sub j i d <s ub j e c t name>

Donde h es remplazada por un determinado valor. Si tras hacer skull stripping partedel cerebro se ha eliminado, sera necesario que este valor sea superior a 25. Por elcontrario, en el caso de que haya quedado parte sin eliminar, debera ser menor que25.

Por otra parte, tambien se podrıa anadir -no-wsgcaatlas (siendo wsgcaatlas: withskull gaussian classifier array atlas) en el caso de que se eliminara demasiado cerebro.

Dentro de mri watershed se pueden encontrar todas estas palabras clave y otrasmas tambien utiles a la hora de realizar la extraccion del cerebro.

Segun Leung et al. [6] el mejor parametro serıa -less con el que se obtiene mayorvalor de Jaccard index, usado para medir la similitud de superposicion entre dossegmentaciones.

mri watershed − l e s s T1 . mgz bra in . mgz

Siendo T1.mgz la imagen de entrada y brain.mgz la de salida. El tiempo que estaoperacion tarda en llevarse a cabo es de aproximadamente 1 minuto por imagen.Los resultados obtenidos al aplicarlo fueron muy beneficiosos consiguiendo mejorarla extraccion sin tener que probar con distintos valores de h como ocurre con el casoanteriormente mencionado.

Page 35: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

3.3. ICV 17

3.3. ICV

Intracranial volume (ICV) se define como la suma de materia gris (GM) y materiablanca (WM). Debido a que la incorporacion de CFS en esta adicion produce errores,se decide no tenerlo en cuenta a la hora de su calculo.

Freesurfer permite obtener este valor ası como realizar su correccion (util en casosen los que la estructura se escala con el tamano de la cabeza)

Con el uso de recon-all se llama automaticamente a mri-segstats generando el de-nominado eTIV: estimed Total Intracranial Volume (ICV) el cual se puede encontraren el archivo aseg.stats:

#Measure IntraCran ia lVo l , ICV , I n t r a c r a n i a l Volume , 2053447.999698 ,mmˆ3

Esto queda recogido en el denominado Protocolo ENIGMA el cual ofrece doscaminos a seguir para su correcta estimacion:

1. A partir del archivo aseg.stats

Tal y como se ha adelantado anteriormente, aseg.stats se define como un archivode texto que contiene los volumenes de estructuras especıficas.

Estos valores pueden extraerse usando:

cat aseg . s t a t s | grep Int raCran ia lVo l | awk −F, ’{ pr in t $4 } ’cat aseg . s t a t s | grep BrainSegVolNotVent | awk −F, ’{ pr in t $4 } ’

Por comodidad, se guardan en forma de tabla en un archivo .txt y se escribe losiguiente:

echo ” sub j id , IntraCran ia lVol , BrainSegVolNotVent” > g l o b a l s i z e F S . csvf o r s u b j i d in ‘ cat l i s t s u b j e c t s . txt ‘ ; doecho −n ”${ s u b j i d } ,” >> g l o b a l s i z e F S . csvecho −n ” ‘ cat ${SUBJECTS DIR}/${ s u b j i d }/ s t a t s / aseg . s t a t s | grep Int raCran ia lVo l |

awk −F, ’{ pr in t $4 } ’ | sed ’ s /\ //g ’ ‘ , ” >> g l o b a l s i z e F S . csvecho ” ‘ cat ${SUBJECTS DIR}/${ s u b j i d }/ s t a t s / aseg . s t a t s | grep BrainSegVolNotVent |

awk −F, ’{ pr in t $4 } ’ | sed ’ s /\ //g ’ ‘ ” >> g l o b a l s i z e F S . csvdone

2. Sin el archivo aseg.stats

En primer lugar, se aplica -autorecon1 tal y como se ha descrito en skull-stripped.Para este caso, no se necesitara el archivo aseg.stats de tal manera que los valoresse obtendran de talairach.xfm

Usando el comando xfm2det, el cual puede descargarse en este (link), se generauna tabla con esos valores de ICV y a continuacion se escriben las siguientes lıneasde codigo:

echo ” sub j id , In t raCran ia lVo l ” > i n t r a c r a n i a l v o l . csvf o r s u b j i d in ‘ cat l i s t s u b j e c t s . txt ‘ ; doecho ”${ s u b j i d } , ‘ xfm2det ${SUBJECTS DIR}/${ s u b j i d }/ mri/ t rans forms / t a l a i r a c h . xfm |

awk ’{ pr in t $2 } ’ ‘ ” >> i n t r a c r a n i a l v o l . csvdone

Para este TFG se ha seguido la primera opcion cuyo valor tambien puede leerseimpreso por pantalla tras generarse el correspondiente skull-stripped de la imagen atratar.

Page 36: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

18 CAPITULO 3. FREESURFER

3.4. Volumetrıa hipocampal

Determinar el volumen del hipocampo supone un biomarcador de gran impor-tancia para poder detectar los primeros indicios de Alzheimer. Su atrofia se producede forma progresiva, siendo mas agresiva por lo general en el lado derecho que en elizquierdo.

Para poder obtener este valor en FreeSurfer es necesario previamente haber obte-nido la imagen aseg.mgz con las etiquetas correspondientes a cada zona del cerebro.Para ello es necesario aplicar:

recon−a l l −sub j i d / su b j e c t −autorecon2

Tras su ejecucion se produce el error de que el archivo ribbon.mgz no se ha creado.Este problema es algo que FreeSurfer no ha conseguido solventar completamentehasta el momento, por lo que, tras hacer una busqueda sobre una posible solucionen diversos foros, se decide generar el denominado ribbon.mgz escribiendo:

mris volmask −− l a b e l l e f t w h i t e 2 −− l a b e l l e f t r i b b o n 3 −− l a b e l r i g h t w h i t e 41 −−l a b e l r i g h t r i b b o n 42 −−save r ibbon −−s a v e d i s t a n c e / s ub j e c t

Este archivo es de gran importancia para el calculo de la volumetrıa de la materiagris ya que es el que contiene las etiquetas correspondientes a la materia blanca ygris.

Volviendo al calculo de la volumetria hipocampal, la lınea de comandos encargadade ello serıa:

mri labe l vo lume −eTIV \$ s d i r / t rans forms / t a l a i r a c h . xfm 1948 \$ s d i r / aseg . mgz 17 53

Con ello, se especifica la transformacion a usar (talairach) ademas de ofrecer comosalida el numero de voxels de cada hipocampo indicado con las etiquetas 17 para elizquierdo y 53 para el derecho.

3.5. Volumetrıa Materia Gris

Tras solventar el problema descrito en el punto anterior, el valor de volumetrıapara este caso es posible localizarlo en aseg.stats:

# Measure TotalGray , TotalGrayVol , Total gray matter volume , 658087.056198 , mmˆ3

Page 37: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

3.6. ESPACIO NATIVO 19

3.6. Espacio nativo

Los ficheros generados por FreeSurfer no se encuentran en el espacio nativo, porlo que es necesario ejecutar en caso de:

Volumenes:

mr i vo l 2vo l −−mov bra in . mgz −−targ rawavg . mgz −−regheader −−o brain−in−rawavg .mgz −−no−save−reg

Segmentaciones:

m r i l a b e l 2 v o l −−seg aseg . mgz −−temp rawavg . mgz −−o aseg−in−rawavg . mgz −−regheader aseg . mgz

Desglosando los comandos a emplear:

brain.mgz y aseg.mgz : ficheros de skull-stripping y etiquetamiento respectivamen-te. Ambos generados por FreeSurfer con spacing 1mm3 y de dimension 256x256x256y que por tanto queremos obtener en el espacio nativo.

rawavg.mgz : fichero que conserva el dimensionamiento de la imagen de origen yque se emplea como plantilla.

brain-in-rawavg.mgz y aseg-in-rawavg.mgz : skull-stripping y etiquetamiento ya enespacio nativo. A partir de ellos se calcularan los valores de volumetrıa anteriormentemencionados.

Page 38: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

20 CAPITULO 3. FREESURFER

3.7. Diagrama

A continuacion se expone el diagrama explicativo del proceso en conjunto parael tratamiento de imagenes empleando FreeSurfer.

Figura 3.1: Diagrama explicativo de FreeSurfer

Sin embargo, se decide realizar uno propio que resuma el anterior y refleje laslıneas mencionadas a lo largo de este capıtulo

Page 39: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

3.7. DIAGRAMA 21

Figura 3.2: Diagrama esquematico de FreeSurfer

Es muy importante tener en cuenta que FreeSurfer trabaja con formatos .mgz,por lo que, antes de realizar cualquier proceso es necesario que nuestras imagenestengan este formato.

Puesto que las proporcionadas tenıan formato .nii.gz fue necesario aplicar, tal ycomo indica el diagrama, mri convert de la siguiente forma:

mri\ conve r t − i t n i i id \ 001 . n i i . gz −ot mgz 001 .mgz

Tambien, tal y como se ha mencionado anteriormente, tanto los archivos de skull-stripped como de segmentacion generados por FreeSurfer no estan en el espacio na-tivo. Por lo que, siguiendo el esquema, serıa necesario ademas realizar esta transfor-macion sobre aseg.mgz, brainmask.mgz y ribbon.mgz segun lo explicado en la pagina19 antes de anotar los resultados numericos.

Debido al elevado tiempo que FreeSurfer emplea en tratar las imagenes, se escribeun script en Matlab con los comandos necesarios aplicando ademas una paraleli-zacion de 8 workers. Este script se lanza desde PuTTY tal y como se explico en elprimer capıtulo obteniendo muy buenos resultados en cuanto a mejora de tiemposde ejecucion.

Page 40: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

22 CAPITULO 3. FREESURFER

Page 41: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

Capıtulo 4

Experimentacion con Fusion deetiquetas

4.1. Votacion por mayorıa

Como experimentacion de este punto se implemento en C++ la funcion MajorityVoting

Tras su compilacion en este lenguaje se genero la determinada ”MEX”tanto enRelease como en Debug, gracias a la cual es posible que la determinada funcion seejecute con solo ser llamada dentro de Matlab.

Los scripts de partida con los que se llevo a cabo la experimentacion se puedenencuentran desarrollados en la siguiente referencia: [2], concretamente siguiendo elsiguiente (link)

Para el caso de votacion por mayorıa:

1 f unc t i on auto seg=major i tyVot ing ( at lasesToTarget )2 auto seg=s i n g l e ( at lasesToTarget (1 ) . l abe l >0) ;3 f ixnumAtlases=numel ( at lasesToTarget ) ;4 i f ( f ixnumAtlases >1)5 f o r i =2: f ixnumAtlases6 auto seg=auto seg+s i n g l e ( at lasesToTarget ( i ) . l abe l >0) ;7 end8 end9 auto seg = auto seg / f ixnumAtlases ;

10 end

Entre los elementos que la definen cabe destacar:

atlasesToTarget: (input) lista de los atlas registrados. Se concibe como unaestructura 1x5 formada por dos matrices tridimensionales: imIn y label

• imIn Imagen de entrada (48x39x50 int 56)

• label Etiqueta (48x39x50 logical)

auto seg: (output) segmentacion obtenida tras aplicar el metodo de majorityvoting (48x39x50 single)

Tras su ejecucion se obtendran los valores DICE de las imagenes utilizadas.

23

Page 42: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

24 CAPITULO 4. EXPERIMENTACION CON FUSION DE ETIQUETAS

4.1.1. Llamada a la funcion desde Matlab

La llamada a la funcion majorityVoting viene definida por: [2]

1 t i c ;2 auto seg R1=major i tyVot ing ( at lasesToTarget R1 ) ;3 toc ;4 t i c ;5 auto seg R2=major i tyVot ing ( at lasesToTarget R2 ) ;6 toc ;7 d i c e t r a i n ( i , 1 )=d i c e ( auto seg R1 > .5 , lbROI 1 ) ;8 d i c e t r a i n ( i , 2 )=d i c e ( auto seg R2 > .5 , lbROI 2 ) ;9 f p r i n t f ( ’DICE: %.3 f %.3 f \n ’ , d i c e t r a i n ( i , 1 ) , d i c e t r a i n ( i , 2 ) ) ;

10

11

Se ha decidido emplear tic, toc para obtener los tiempos que se emplean paracalcular cada valor los cuales quedaran guardados en la variable DICE y ası compa-rarlos con los dados al ejecutar la funcion desde la MEX (Estos ultimos deberan sermenores si se ha realizado bien)

Resultados de su ejecucion

- Sin emplear MEX

Se ejecuta el codigo en Matlab obteniendo los siguientes resultados para las 3primeras iteraciones:

Target 1Elapsed time is 0.006931 seconds.Elapsed time is 0.005247 seconds.DICE: 0.801 0.827Target 2Elapsed time is 0.005106 seconds.Elapsed time is 0.005115 seconds.DICE: 0.786 0.749Target 3Elapsed time is 0.005026 seconds.Elapsed time is 0.005099 seconds.DICE: 0.706 0.676...

Siendo la media de los DICE igual a 0.7915 0.7984

Page 43: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

4.1. VOTACION POR MAYORIA 25

- Empleando MEX

Para este caso, la salida obtenida para los 3 primeros casos es la siguiente:Target 1Elapsed time is 0.004657 seconds.Elapsed time is 0.004761 seconds.DICE: 0.801 0.827Target 2Elapsed time is 0.003667 seconds.Elapsed time is 0.003801 seconds.DICE: 0.786 0.749Target 3Elapsed time is 0.004807 seconds.Elapsed time is 0.004749 seconds.DICE: 0.706 0.676...

Como se puede observar, los tiempos obtenidos son bastante menores utilizandoMEX. En esta ocasion, la funcion dada ya era bastante rapida pero esto es muyutil para aquellos casos en los que el tiempo de compilacion pueda llegar a durarminutos.

Nuevamente, para comprobar que desde la MEX se ejecutan correctamente losvalores, se calcula la media de los DICE que resulta al igual que en el primer caso:0.7915 0.7984

La documentacion del codigo en Doxygen puede encontrarse en el Apendice A

Page 44: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

26 CAPITULO 4. EXPERIMENTACION CON FUSION DE ETIQUETAS

Page 45: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

Capıtulo 5

Experimentacion con FreeSurfer

Las imagenes a tratar con FreeSurfer son resonancias magneticas (T1) proceden-tes de pacientes tanto del Proyecto Vallecas como del estudio ADNI (Alzheimer’sDisease Neuroimaging Initiative)

5.1. Proyecto Vallecas

Se pide comparar los resultados obtenidos por el CTB con los generados trasaplicar el diagrama mencionado en el Capıtulo 3 Esto se realiza debido a que noexiste lo que se denomina como Ground Truth para tomarlo como referencia.

Se completa una tabla en excel con los datos, dedicando una columna para lavariacion en porcentaje entre los valores de las dos fuentes (dicha tabla puede en-contrarse en el Apendice C)

Para trabajar con FreeSurfer se realizo un script en Matlab desde el que se lan-zaron los comandos necesarios para llevar a cabo el tratamiento de las imagenes.

En primer lugar, las imagenes dadas se encuentran en formato .nii.gz y Freesurfertrabaja con .mgz por lo que fue necesario convertirlas antes de proceder obteniendoel skull-stripped

5.1.1. Skull-stripped

Tal y como se describio en el Capıtulo 3 se realiza una primera extraccion pa-ra, por ejemplo, el primer sujeto id 001.nii.gz de PV obteniendo no muy buenosresultados:

Figura 5.1: Skull-stripping aplicando unicamente -autorecon1

27

Page 46: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

28 CAPITULO 5. EXPERIMENTACION CON FREESURFER

La segmentacion obtenida tiene bastantes fallos, esto es principalmente debido aque -autorecon1 viene referido a una imagen de ejemplo ya aportada por el programaque tiene una orientacion distinta a la nuestra (No se ha realizado ningun tipo detransformacion afın) Por lo que, para corregirlo, es necesario acudir al algoritmowatershed

Eligiendo primeramente para h un valor de 25, posteriormente aplicando 50 yejecutando con un valor de 15 -no-wsgcaatlas se obtiene la siguiente imagen:

Figura 5.2: Skull-stripping aplicando watershed

Figura 5.3: Imagen de partida id 001.nii.gz

Como se puede apreciar, la mejora es notable aunque todavıa podrıa perfilarseun poco mas. La desventaja de aplicar este metodo es el aumento de contraste quepresenta la imagen. Freesurfer ofrece poder cambiar estos valores de forma manualdesde su visualizador de imagenes freeview aunque serıa conveniente que esto nosucediera.

Sin embargo, debido a las numerosas imagenes que conforman el Proyecto Valle-cas, seguir este procedimiento en el que se va variando el valor de h hasta dar conel mas acertado puede ser bastante costoso. Como ya se indico en la parte teorica,finalmente se decide hacer uso del comando -less por su exactitud y comodidad.

Page 47: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

5.1. PROYECTO VALLECAS 29

Figura 5.4: Skull-stripping con less sobre id 002.nii.gz

Figura 5.5: Skull-stripping con h 25 sobre id 002.nii.gz

Como se puede apreciar, la realizada variando el valor de h podrıa considerarsecomo valida a simple vista, sin embargo presenta un falso negativo en la regionsenalada si se compara con less

Imagenes rotadas

Se observo que algunas de las imagenes del PV estaban ligeramente inclinadascomo se puede ver a continuacion:

Figura 5.6: Vista sagital y coronal del paciente id 004.nii.gz

Para tratar este tipo de imagenes con otros metodos fue necesario rotarlas de talforma que la comisura anterior y posterior del cerebro quedaran en lınea recta conel eje horizontal antes de realizar skull-stripping.

Lo anteriormente mencionado puede resumirse en la imagen siguiente, cuya fuentepuede encontrarse siguiendo este (link)

Siendo AC las iniciales para anterior commissure y PC para posterior commissureel proposito serıa:

Page 48: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

30 CAPITULO 5. EXPERIMENTACION CON FREESURFER

Figura 5.7: AC-PC Line

Se intento llevar a cabo este mismo procedimiento con FreeSurfer utilizando lasmatrices de talairach generadas por 3DSlicer que definen esta rotacion.

Los resultados obtenidos fueron los siguientes:

Figura 5.8: Skull-stripping tras rotacion en id 004.nii.gz

Figura 5.9: Skull-stripping sin rotar en id 004.nii.gz

Como se puede apreciar, el resultados generado sin llevar a cabo la rotacionindicada es sin duda mucho mas acertado.

Se concluyo por tanto que para el caso de tratarlas con FreeSurfer no se harıaesta distincion.

Page 49: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

5.1. PROYECTO VALLECAS 31

5.1.2. ICV

En cuanto al calculo del ICV, para que este valor sea correcto, es necesario quela realizacion de skull-stripped sea lo mas precisa posible.

Tras ejecutar el comando less con el que se termina de perfilar la extraccion ya enel espacio nativo, este valor aparece impreso por pantalla y gracias al script desdeel que se lanza FreeSurfer, se guarda en icv.txt:

Figura 5.10: Valor de ICV paciente id 001.nii.gz recogido en icv.txt

5.1.3. Volumetrıa hipocampal

Previamente a su calculo, es necesario obtener el denominado aseg.mgz generadocon el comando -autorecon2 que contiene el etiquetado del cerebro. Para este casoen particular fue necesario localizar ambos hipocampos, asignados por las etiquetas17 y 53 respectivamente. Volviendo a poner como ejemplo la primera imagen del PVid 001.nii.gz:

Figura 5.11: Etiquetado paciente id 001.nii.gz

Figura 5.12: Detalle etiquetado Figura 5.13: Leyenda

Page 50: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

32 CAPITULO 5. EXPERIMENTACION CON FREESURFER

Una vez senalada la etiqueta, se emplea mri label volume para obtener el valor devolumen para cada hipocampo el cual aparece impreso por pantalla y es guardadoen etiv.txt

Figura 5.14: Volumetrıa hipocampal de las tres primeras imagenes del PV archivo etiv.txt

5.1.4. Volumetrıa Materia Gris

Al igual que para el caso anterior, es necesario tener localizada la zona sobre laque se quiere calcular el volumen, es decir, su etiqueta.

Para este caso, el archivo es ribbon.mgz el cual deberıa generarse automaticamenteal ejecutar -autorecon2, sin embargo, es necesario generarlo con mris volmask poraparecer el siguiente error:

Figura 5.15: Error ribbon.mgz

Page 51: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

5.1. PROYECTO VALLECAS 33

Para el paciente id 001.nii.gz, el archivo ribbon.mgz que le corresponde es el si-guiente:

Figura 5.16: Etiquetado-2 id 001.nii.gz

Figura 5.17: Leyenda-2

El valor de volumetrıa queda recogido tras aplicar mri segstats en aseg.stats loca-lizado en el directorio subject/stats/aseg.stats siendo subject la carpeta workspacedestinada para cada imagen.

Se opta por guardar todos estos datos en un unico archivo txt denominado comograyVol.txt por comodidad.

Figura 5.18: Volumetrıa materia gris paciente id001.nii.gzarchivograyVol .txt

Page 52: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

34 CAPITULO 5. EXPERIMENTACION CON FREESURFER

5.1.5. Tiempo empleado

Como ya se ha mencionado con anterioridad, el tiempo que FreeSurfer emplea entratar cada una de las imagenes, obteniendo los valores pedidos es muy superior.

Realizando un script en Matlab unicamente para el tratamiento de una imagen,el tiempo obtenido fue de exactamente de 29471,848463 segundos (8,18 horas)

Desglosado, 8.048887 segundos corresponderıan a la primera operacion de conver-sion a mgz, 2721.034620 segundos a las operaciones de skull-stripping e ICV mientrasque el tiempo restante estarıa dedicado al calculo del resto de volumetrıas.

Paralelizacion

A la vista de estos resultados, se opta por emplear paralelizacion incorporandolas siguientes lıneas en el script de Matlab:

1 matlabpool l o c a l 8 ;2 par f o r i =1:313 . .4 matlabpool c l o s e ;

En primer lugar, se verifica el tiempo que tardarıan en realizarse las 31 primerasimagenes. Puesto que ahora las operaciones para cada imagen se realizan paralela-mente, el tiempo obtenido es de 33319.912416 segundos (9,25 horas)

Sin aplicarlo, tomando como referencia el anterior dato obtenido para una so-la imagen, el tiempo que se tardarıa en realizar estas 31 imagenes deberıa ser de913627,3004 segundos (253,78 horas)

Como se ha demostrado, el tiempo ahorrado al paralelizar es muy notable.

Page 53: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

5.2. ADNI 35

5.2. ADNI

Tal y como se ha descrito anteriormente, se lleva a cabo cada una de estas etapastambien para las imagenes de ADNI. Nuevamente se genero un archivo excel conestos valores el cual se puede encontrar tambien en el Apendice C

A diferencia del PV, para este caso sı que se tienen las etiquetas consideradas co-mo Ground Truth por lo que se calcularon los valores de DICE para cada hipocampoen relacion con ellas.

Figura 5.19: Sujeto ADNI 002 S 0295 - Etiqueta izquierda (ya dada)

Figura 5.20: Sujeto ADNI 002 S 0295 - Etiquetas obtenidas con FS (generada)

Sobre la extraccion tambien realizada con FreeSurfer para, por ejemplo, el sujetoADNI 002 S 0295 de ADNI-HHP se superponen las etiquetas a comparar con elcalculo del DICE resultando lo anteriormente mostrado (el visor empleado en estecaso es BrainSuite11)

Page 54: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

36 CAPITULO 5. EXPERIMENTACION CON FREESURFER

Se comparan por tanto, las etiquetas 17 y 53 correspondientes a ambos hipocam-pos segun FreeSurfer con las ya dadas.

El script en Matlab para el calculo del DICE, a diferencia de los anteriores, no fuenecesario escribirlo partiendo de cero, sino que fue suministrado. Sin embargo, se in-corporaron las siguientes lıneas de codigo con la finalidad de especificar que etiquetasde la segmentacion realizada por FreeSurfer se deseaba comparar:

l abe l i nvLab =(targetImage2==17) | ( targetImage2==53) ;

No se hara demasiado hincapie en este script, ya que como se ha mencionado, hasido proporcionado. Unicamente aclarar que en las lıneas mostradas, targetImage2serıa el archivo aseg.mgz en espacio nativo que genera FreeSurfer, es decir, el quecontiene las etiquetas y label invLab la propia etiqueta.

Los resultados obtenidos fueron los siguientes:

DICE Maximo Mınimo Media Desv. EstandarADNI-OLD 0,757 0,532 0,667 0,053ADNI-HHP 0,838 0,665 0,777 0,036

Tabla 5.1: Valores de DICE - Etiqueta hipocampo izquierdo

DICE Maximo Mınimo Media Desv. EstandarADNI-OLD 0,754 0,534 0,674 0,053ADNI-HHP 0,850 0.443 0,785 0,047

Tabla 5.2: Valores de DICE - Etiqueta hipocampo derecho

En ninguno de los casos este valor es muy proximo a 1 aunque es cierto que losresultados han sido mejores para ADNI-HHP.

En cuanto a valores de ICV, la media para las 19 imagenes que conforman el grupoADNI-OLD es de 1490969,842 mm3 mientras que en ADNI-HHP es algo superior,1549901,635 mm3

Page 55: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

5.3. CONSIDERACIONES TENIDAS EN CUENTA 37

5.3. Consideraciones tenidas en cuenta

En este epıgrafe se resumen los problemas y consideraciones que se han realizadoen cuanto al tratamiento de imagenes. Mencionar que, para el caso de los resultadosobtenidos en el PV por el CTB, se desconoce la metodologıa empleada, por lo que eldiagrama expuesto sobre los pasos que se han llevado a cabo no es del todo fijo. Sedecidio optar por la utilizacion de esos comandos tras el estudio del software perocualquier otro camino que pueda llevar a resultados similares tambien serıa valido.

En cuanto a los problemas ocurridos al tratar estas imagenes con FreeSurfer fueel hecho de que tanto el skull-stripped y etiquetamiento no estaban en el espacionativo. Esto se descubrio al ejecutar el script de Matlab necesario para el calculodel DICE de las imagenes del proyecto ADNI.

FreeSurfer genera los volumenes y etiquetas con dimension 256x256x256 y spacing1mm3 sin embargo, existe un determinado archivo rawavg.mgz que conserva losvalores de la imagen de origen. A partir de ella, utilizandola como plantilla, seobtuvieron las correspondientes al espacio nativo con las que se recalcularon todoslos valores de volumetrıa.

Tambies es necesario tener en cuenta que el script utilizado para calcular el valorde DICE utiliza la mex MedicalVolumeLoaderITKMEX la cual toma las etiquetasen espacio nativo con formato .nii.gz. FreeSurfer genera estos archivos en mgz por loque es necesario realizar previamente esta conversion para poder ejecutar el script.Ademas, el etiquetamiento realizado por FreeSurfer abarca todas las zonas cerebralespor lo que es necesario especificar que lo que se va a comparar son las etiquetas 17y 53.

Por otra parte, y como ya se ha adelantado anteriormente en el calculo de lamateria gris, al ejecutar el comando -autorecon2 este se cierra con errores, el archivoribbon.mgz no se crea. Tras buscar este problema en foros se ve que es un problemageneral y que la unica manera de obtenerlo es ejecutando mris volmask

En cuanto a las imagenes tratadas, no se llevo a cabo la correspondiente al pa-ciente id 140.nii.gz del PV por no tener disponibilidad de la imagen fuente y se hadecidido no tener en cuenta la volumetrıa hipocampal obtenida para id 106.nii.gzpuesto que los valores fueron 1563 para el caso del hipocampo derecho y 444 parael izquierdo.

Tanto la documentacion del codigo en Doxygen como las tablas excel realizadascon los resultados pueden encontrarse en el Apendice A y en el Apendice C

Page 56: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

38 CAPITULO 5. EXPERIMENTACION CON FREESURFER

Page 57: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

Capıtulo 6

Conclusiones

Conclusion

Gracias a la experimentacion llevada a cabo ha sido posible encontrar posiblesdiscrepancias en los valores de volumetrıa hipocampal obtenidos por el CTB. Unejemplo de ello se puede apreciar en el paciente id 036.nii.gz

IDMEG Diagnose L.-Hippocampus(CTB) L.-Hippocampus Errorid 036.nii.gz 2 1367 2449 44,18

IDMEG Diagnose R.-Hippocampus(CTB) R.-Hippocampus Errorid 036.nii.gz 2 3029 3262 7,14

Tabla 6.1: Resultados para el sujeto id 036

El valor de volumetrıa obtenido para el caso del hipocampo izquierdo difiere deldado por el CTB en un 44,18 %.

Se concluye que el valor 1367 podrıa ser incorrecto ya que ademas el diagnosticoteniendo en cuenta este dato deberıa ser superior a 2, ya que la atrofia es muy altapara tener un estado amnesico leve.

Por otra parte, se ha podido comparar FreeSurfer con otros software utilizadospara el tratamiento de imagenes. Se ha visto como FreeSurfer se ejecuta de una formabastante automatica ya que no es necesario realizar ningun tipo de rotacion librepara mejorar el skull-stripping o determinar manualmente los centros de gravedadnecesarios para ello como ocurre con BET. En algunos casos, incluso se han obtenidomejores extracciones, en particular para las imagenes del estudio ADNI.

Sin embargo, aunque es ventajoso en ciertos sentidos, tambien es necesario men-cionar que en cuanto a la realizacion del DICE para las imagenes de ADNI el resul-tado obtenido por otros companeros que no han empleado FreeSurfer ha sido mejor.

Cabe destacar ademas la ayuda que ha supuesto la elaboracion de los scriptscon los que se ha lanzado desde Matlab de forma paralelizada FreeSurfer. Con ellosha sido posible mejorar notablemente los tiempos de ejecucion tal y como se hademostrado. Sin su realizacion no hubiera sido posible tratar las aproximadamente

39

Page 58: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

40 CAPITULO 6. CONCLUSIONES

300 imagenes de pacientes que conforman este TFG y poder formar parte del estudioADNI y del Proyecto Vallecas.

Desarrollos futuros

Un posible desarrollo para este caso podrıa ser la obtencion del hipocampo comoun fichero unico. Es decir, FreeSurfer genera el etiquetado del cerebro en su conjuntocuyo proceso de obtencion es el que mas tiempo tarda. Si se consiguiera que esteproceso centrara su ejecucion en la localizacion de las etiquetas 17 y 53 se ahorrarıabastante tiempo de ejecucion.

Ademas, llevar a cabo la segmentacion de las subregiones del hipocampo podrıaser un buen punto de partida como desarrollo futuro con el fin de profundizar unpoco mas en este estudio.

Por otra parte, tambien se podrıa continuar desarrollando MEX para los respec-tivos metodos de fusion de etiquetas.

Page 59: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

Apendice A

Documentacion del codigo

A continuacion se adjunta la documentacion realizada con Doxygen del codigodesarrollado para este TFG siguiendo el siguiente orden:

Majority Voting o Votacion por mayorıa - Capıtulo 4

Script para FreeSurfer - Capıtulo 5

En el primer caso, se ha realizado el codigo en C++ con Visual Studio 2008mientras que en el segundo, se ha escrito directamente en Matlab.

Cabe mencionar que durante la parte de experimentacion se realizaron numerososscripts con los comandos de FreeSurfer que se iban aprendiendo a utilizar poco apoco. Para la documentacion se ha decidido unificar todos ellos en uno.

El codigo en su totalidad puede encontrarse en el Apendice B

41

Page 60: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

MajorityVoting

Generated by Doxygen 1.8.9.1

Sun Mar 15 2015 20:21:04

Page 61: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero
Page 62: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

Contents

1 File Index 1

1.1 File List . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1

2 File Documentation 3

2.1 Fuentes/majorityVoting.cpp File Reference . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

2.1.1 Detailed Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

2.1.2 Function Documentation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

2.1.2.1 majorityVoting . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

2.1.2.2 mexFunction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

2.2 Fuentes/majorityVoting.h File Reference . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

2.2.1 Detailed Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

Page 63: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero
Page 64: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

Chapter 1

File Index

1.1 File List

Here is a list of all documented files with brief descriptions:

Fuentes/majorityVoting.cppImplementacion en C++ del metodo de votacion por mayoria . . . . . . . . . . . . . . . . . . 3

Fuentes/majorityVoting.hLibreria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

Page 65: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

2 File Index

Generated on Sun Mar 15 2015 20:21:04 for MajorityVoting by Doxygen

Page 66: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

Chapter 2

File Documentation

2.1 Fuentes/majorityVoting.cpp File Reference

Implementacion en C++ del metodo de votacion por mayoria.

Functions

• void mexFunction (int nlhs, mxArray ∗plhs[ ], int nrhs, const mxArray ∗prhs[ ])

• void majorityVoting (atlas ∗atlasesToTarget, int fixnumAtlases, const mwSize ∗v, float ∗auto_seg)

Tras su ejecucion se obtendran los valores DICE de las imagenes utilizadas.

2.1.1 Detailed Description

Implementacion en C++ del metodo de votacion por mayoria.

Author

Sandra Rodriguez Rodrigo

Date

Febrero 2015

#include "majorityVoting.h"

2.1.2 Function Documentation

2.1.2.1 void majorityVoting ( atlas ∗ atlasesToTarget, int fixnumAtlases, const mwSize ∗ v, float ∗ auto_seg )

Tras su ejecucion se obtendran los valores DICE de las imagenes utilizadas.

Parameters

atlasesToTarget lista de atlas. Estructura 1x5 formada por dos matrices tridimensionales: imIn y label

Page 67: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

4 File Documentation

Returns

auto_seg: segmentacion utilizando mayorityVoting (48x39x50 single)

Inicializacion (Primer atlas "atlasesToTarget[0]")

for(int i=0;i<v[0];i++)for(int j=0;j<v[1];j++)

for(int k=0;k<v[2];k++)auto_seg[v[0]*v[1]*k+v[0]*j+i] = (float)(atlasesToTarget[0].label[v[0]*v[1]*k+v[0]*j+i]>0);

A cada voxel se le asigna su etiqueta (Resto de atlas "atlasesToTarget[m]")

if (fixnumAtlases>1){

for(int m=1; m<fixnumAtlases; m++){for(int i=0;i<v[0];i++)

for(int j=0;j<v[1];j++)for(int k=0;k<v[2];k++)

auto_seg[v[0]*v[1]*k+v[0]*j+i]= auto_seg[v[0]*v[1]*k+v[0]*j+i]+(float)(atlasesToTarget[m].label[v[0]*v[1]*k+v[0]*j+i]>0);}

}

Se considera que el peso es el mismo por lo que se divide entre fixnumAtlases.

for(int i=0; i<v[0]; i++)for(int j=0;j<v[1];j++)

for(int k=0;k<v[2];k++)auto_seg[v[0]*v[1]*k+v[0]*j+i] = auto_seg[v[0]*v[1]*k+v[0]*j+i]/(float)fixnumAtlases;

2.1.2.2 void mexFunction ( int nlhs, mxArray ∗ plhs[ ], int nrhs, const mxArray ∗ prhs[ ] )

Variables

mxArray *mx;int fixnumAtlases=(int)mxGetNumberOfElements(prhs[0]);atlas *atlasesToTarget = new atlas[fixnumAtlases];float *auto_seg=(float*)mxGetPr(plhs[0]);

Se leen los valores recibidos

for (int i=0;i<fixnumAtlases;i++){

mx = mxGetField(prhs[0], i, "imIn");atlasesToTarget[i].imIn=(float*)mxGetPr(mx);mx=mxGetField(prhs[0], i, "label");atlasesToTarget[i].label=(bool*)mxGetLogicals(mx);

}

const size_t numDimensiones = mxGetNumberOfDimensions(mx);

Vector v con las dimensiones del espacio

const mwSize *v=mxGetDimensions(mx);

plhs[0]=mxCreateNumericArray(numDimensiones, v, mxSINGLE_CLASS, mxREAL);

Llamada a la funcion

majorityVoting(atlasesToTarget,fixnumAtlases,v,auto_seg);

2.2 Fuentes/majorityVoting.h File Reference

Libreria.

Generated on Sun Mar 15 2015 20:21:04 for MajorityVoting by Doxygen

Page 68: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

2.2 Fuentes/majorityVoting.h File Reference 5

2.2.1 Detailed Description

Libreria.

Author

Sandra Rodrez Rodrigo

Date

Febrero 2015

#include "mex.h" #include <vector>

#if defined(_MSC_VER) #pragma warning ( disable : 4786 ) #endif

Definicion de la estructura atlas.

struct atlas{ float ∗imIn; bool ∗label; };

Parameters

imIn Imagen de entrada <48x39x50 int56>label Etiqueta <48x39x50 logical>

Declaracion del prototipo de la funcimplear

void majorityVoting(atlas ∗atlasesToTarget, int fixnumAtlases, const mwSize ∗v, float ∗auto_seg);

Generated on Sun Mar 15 2015 20:21:04 for MajorityVoting by Doxygen

Page 69: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

Code Documentation

Generated by Doxygen 1.8.9.1

Mon Aug 31 2015 19:03:07

Page 70: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero
Page 71: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

Contents

1 File Index 1

1.1 File List . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1

2 File Documentation 3

2.1 FreeSurfer/Script.m File Reference . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

2.1.1 Detailed Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

2.1.2 Function Documentation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

Page 72: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero
Page 73: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

Chapter 1

File Index

1.1 File List

Here is a list of all files with brief descriptions:

FreeSurfer/Script.m . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

Page 74: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

2 File Index

Generated on Mon Aug 31 2015 19:03:07 for Code DocumentationSurfer by Doxygen

Page 75: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

Chapter 2

File Documentation

2.1 FreeSurfer/Script.m File Reference

Functions

• function scriptBrains ()

Variables

• pathSubj = '/home2/srodriguez/resultsADNI/';• pathId = '/home2/srodriguez/ADNI/';• pathOrig = '/mri/orig/';• commandConvert = 'mri_convert';• skullsnative = 'brain-in-rawavg.mgz';• labelednative ='aseg-in-rawavg.mgz';• labelednative2 ='ribbon-in-rawavg.mgz';• native = 'rawavg.mgz';• skullst = 'brainmask.mgz';• labeled = 'aseg.mgz';• labeled2 = 'ribbon.mgz';• command2 = 'mris_volmask';• commandVol = 'mri_vol2vol';• commandAseg = 'mri_label2vol';• commandVolEtiv = 'mri_label_volume';• commandVolGray = 'mri_segstats';• commandLess = 'mri_watershed';• orig = '001.mgz';• fileName = '∗.nii.gz';• mri = '/mri/';• n = 'Etiquetas';• listFichImg = dir(strcat(pathId,fileName));

2.1.1 Detailed Description

Libreria.

Author

Sandra Rodríguez Rodrigo

Page 76: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

4 File Documentation

Date

Agosto 2015

Definition in file Script.m

2.1.2 Function Documentation

Input

• Imágenes de ADNI-HHP T1-MRI en formato .nii.gz.

Output

• brainmask.mgz: skull-stripping de la imagen de origen.

• brain-in-rawavg.mgz: skull-stripping en espacio nativo.

• aseg.mgz: segmentación del cerebro con etiquetas.

• aseg-in-rawavg.mgz: segmentación en espacio nativo.

• ribbon.mgz: segmentación necesaria para el cálculo de materia gris.

• ribbon-in-rawavg.mgz: segmentación de la materia gris en espacio nativo

• etiv.txt: valores de volumetría hipocampal de las imágenes tratadas

• grayVol.txt: datos de materia gris recogidos.

• icv.txt: valores de ICV obtenidos.

Paralelización FreeSurfer

matlabpool local 8;parfor i=1:134tic;

Creación de los directorios de trabajo

aux3 = listFichImg(i).name(1:16);direction = sprintf (’mksubjdirs %s’,aux3);disp(direction)system(direction);

Conversión nii.gz - mgz

aux2 = listFichImg(i).name();input = strcat(pathId,aux2);path = strcat(pathSubj,aux3, mri);input2 = strcat(pathSubj,aux3,pathOrig,orig);convert = sprintf (’ %s -it nii %s -ot mgz %s \n’, commandConvert, input, input2);disp(convert)system(convert);

Skull-stripping & ICV

linecommand = sprintf( ’recon-all -subjid %s -autorecon1 \n’,aux3);disp(linecommand)system(linecommand);

nativeVol = sprintf (’ %s --mov %s/T1.mgz --targ %s/%s --regheader --o %s/T1-in-rawavg-mgz --no-save-reg \n’,commandVol, path, path, native, path);disp(nativeVol)system(nativeVol);

Generated on Mon Aug 31 2015 19:03:07 for Code DocumentationSurfer by Doxygen

Page 77: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

2.1 FreeSurfer/Script.m File Reference 5

less = sprintf (’%s -less %s/mri/T1-in-rawavg.mgz %s/mri/brain-in-rawavg.mgz | tee auxiliar.txt \n’,commandLess,aux3, aux3);disp(less)system(less);

savedata1 = sprintf (’tail -8 auxiliar.txt | tee -a icv.txt \n’);disp(savedata1)system(savedata1);

copy = sprintf (’cp %s/mri/brain-in-rawavg.mgz %s/mri/brainmask.auto.mgz’, aux3, aux3);disp(copy)system(copy);

Volumetria hipocampal

linecommand2 = sprintf( ’recon-all -subjid %s -autorecon2 \n’,aux3);disp(linecommand2)system(linecommand2);

nativeAseg = sprintf(’ %s --seg %s/%s --temp %s/%s --o %s/%s --regheader %s/%s \n’, commandAseg, path,labeled, path, native, path, labelednative, path, labeled);disp(nativeAseg)system(nativeAseg);

etiv = sprintf ( ’%s -etiv %s/mri/transforms/talairach.xfm 1 %s/mri/aseg-in-rawavg.mgz 17 53 | tee -a%s/etiv.txt \n’, commandVolEtiv,aux3,aux3,pathSubj);disp(etiv)system(etiv);

Materia Gris

ribbon = sprintf (’%s --label_left_white 2 --label_left_ribbon 3 --label_right_white 41 --label_right_ribbon42 --save_ribbon --save_distance %s’, command2, aux3);disp(ribbon)system(ribbon);

nativeRibbon = sprintf(’ %s --seg %s/%s --temp %s/%s --o %s/%s --regheader %s/%s \n’, commandAseg, path,labeled2, path, native, path, labelednative2, path, labeled2);disp(nativeRibbon)system(nativeRibbon);

volgray = sprintf(’%s --seg %s/mri/brainmask-in-rawavg.mgz --sum %s/stats/aseg.stats --surf-ctx-vol--totalgray --subject %s’, commandVolGray, aux3, aux3, aux3);disp(volgray)system(volgray);

create = sprintf(’touch %s/stats/aseg.stats’, aux3);disp(create)system(create);

savedata2 = sprintf(’head -18 %s/stats/aseg.stats | tee -a grayVol.txt’, aux3);disp(savedata2)system(savedata2);

toc;endmatlabpool close;

Generated on Mon Aug 31 2015 19:03:07 for Code DocumentationSurfer by Doxygen

Page 78: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

60 APENDICE A. DOCUMENTACION DEL CODIGO

Page 79: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

Apendice B

Codigo realizado

Fusion de etiquetas

majorityVoting.cpp

#inc lude ” major i tyVot ing . h”

void mexFunction ( i n t nlhs , mxArray ∗ plhs [ ] , i n t nrhs , const mxArray ∗prhs [ ] ){

mxArray ∗mx;i n t f ixnumAtlases=( i n t ) mxGetNumberOfElements ( prhs [ 0 ] ) ;a t l a s ∗ at lasesToTarget = new a t l a s [ f ixnumAtlases ] ;f o r ( i n t i =0; i<f ixnumAtlases ; i++){

mx = mxGetField ( prhs [ 0 ] , i , ” imIn ”) ;at lasesToTarget [ i ] . imIn=( f l o a t ∗)mxGetPr(mx) ;mx=mxGetField ( prhs [ 0 ] , i , ” l a b e l ”) ;at lasesToTarget [ i ] . l a b e l =(bool ∗) mxGetLogicals (mx) ;

}

const s i z e t numDimensiones = mxGetNumberOfDimensions (mx) ;const mwSize ∗v=mxGetDimensions (mx) ;

p lhs [0 ]= mxCreateNumericArray ( numDimensiones , v , mxSINGLE CLASS, mxREAL) ;f l o a t ∗ auto seg =( f l o a t ∗)mxGetPr( p lhs [ 0 ] ) ;

major i tyVot ing ( at lasesToTarget , f ixnumAtlases , v , auto seg ) ;}void major i tyVot ing ( a t l a s ∗ at lasesToTarget , i n t f ixnumAtlases , const mwSize ∗v ,

f l o a t ∗ auto seg ) {f o r ( i n t i =0; i<v [ 0 ] ; i++)

f o r ( i n t j =0; j<v [ 1 ] ; j++)f o r ( i n t k=0;k<v [ 2 ] ; k++)

auto seg [ v [ 0 ] ∗ v [ 1 ] ∗ k+v [ 0 ] ∗ j+i ] = ( f l o a t ) ( at lasesToTarget [ 0 ] . l a b e l [ v [ 0 ] ∗ v[ 1 ] ∗ k+v [ 0 ] ∗ j+i ]>0) ;

i f ( f ixnumAtlases >1){

f o r ( i n t m=1; m<f ixnumAtlases ; m++){f o r ( i n t i =0; i<v [ 0 ] ; i++)

f o r ( i n t j =0; j<v [ 1 ] ; j++)f o r ( i n t k=0;k<v [ 2 ] ; k++)

auto seg [ v [ 0 ] ∗ v [ 1 ] ∗ k+v [ 0 ] ∗ j+i ]= auto seg [ v [ 0 ] ∗ v [ 1 ] ∗ k+v [ 0 ] ∗ j+i ]+( f l o a t) ( at lasesToTarget [m] . l a b e l [ v [ 0 ] ∗ v [ 1 ] ∗ k+v [ 0 ] ∗ j+i ]>0) ;}

}f o r ( i n t i =0; i<v [ 0 ] ; i++)

f o r ( i n t j =0; j<v [ 1 ] ; j++)f o r ( i n t k=0;k<v [ 2 ] ; k++)

auto seg [ v [ 0 ] ∗ v [ 1 ] ∗ k+v [ 0 ] ∗ j+i ] = auto seg [ v [ 0 ] ∗ v [ 1 ] ∗ k+v [ 0 ] ∗ j+i ] / ( f l o a t )f ixnumAtlases ;

61

Page 80: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

62 APENDICE B. CODIGO REALIZADO

majorityVoting.h

major i tyVot ing . h#inc lude ”mex . h”#inc lude <vector>

#i f de f ined ( MSC VER)#pragma warning ( d i s a b l e : 4786 )#e n d i fs t r u c t a t l a s {

f l o a t ∗ imIn ;bool ∗ l a b e l ;

} ;

// Declaramos l o s p r o t o t i p o s de l a s func i one s que vayamos a emplearvoid major i tyVot ing ( a t l a s ∗ at lasesToTarget , i n t f ixnumAtlases , const mwSize ∗v ,

f l o a t ∗ auto seg ) ;

FreeSurfer

A continuacion se expone el script generado en Matlab mediante el cual se hantratado las imagenes con FreeSurfer lanzandolo desde PuTTY.

Particularmente se utilizo para las imagenes de ADNI-HHP pero cambiando losdirectorios )pathId donde se localizan las imagenes de los pacientes a tratar y path-Subj workspace donde se guardaran los resultados) fue tambien posible aplicarlopara PV y ADNI-OLD

f unc t i on s c r i p t B r a i n s ( )

% s c r i p t B r a i n s%% Input :% Imagenes de ADNI−HHP T1−MRI en formato . n i i . gz .%% Output :% brainmask . mgz : s ku l l−s t r i p p i n g de l a imagen de o r i g en .% aseg . mgz : segmentaci on de l c e r ebro en par t e s .% ribbon . mgz : segmentaci on n e c e s a r i a para e l c a l c u l o de mater ia g r i s%% e t i v . txt : v a l o r e s de vo lumetr ı a hipocampal de l a s imagenes t ra tadas% grayVol . txt : datos de mater ia g r i s r e c o g i d o s .% i cv . txt : v a l o r e s de ICV obten idos .%%% Sandra Rodrıguez , 07/2015

% %I n i c i a l i z a c i o n de FreeSur f e r desde l a te rmina l% export FREESURFER HOME=/usr / l o c a l / f r e e s u r f e r% source / usr / l o c a l / f r e e s u r f e r / SetUpFreeSurfer . sh% export SUBJECTS DIR=/home2/ s r o d r i g u e z / f r e e s u r f e r / data

% chsh −s / bin / tcsh% setenv FREESURFER HOME / usr / l o c a l / f r e e s u r f e r% setenv SUBJECTS DIR /home2/ s r o d r i g u e z / resultsADNI% source $FREESURFER HOME/ SetUpFreeSurfer . csh

% %P a r a l e l i z a c i o n FreeSur f e r

pathSubj = ’/home2/ s r o d r i g u e z / resultsADNI / ’ ;pathId = ’/home2/ s r o d r i g u e z /ADNI/ ’ ;pathOrig = ’/ mri/ o r i g / ’ ;commandConvert = ’ mri convert ’ ;command2 = ’ mris volmask ’ ;commandVolEtiv = ’ mr i labe l vo lume ’ ;commandVolGray = ’ mr i s e g s t a t s ’ ;

Page 81: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

FREESURFER 63

commandLess = ’ mri watershed ’ ;o r i g = ’001 . mgz ’ ;f i leName = ’∗ . n i i . gz ’ ;l i s tF i ch Img = d i r ( s t r c a t ( pathId , f i leName ) ) ;

matlabpool l o c a l 8 ;pa r f o r i =1:134

t i c ;

% %Creaci on de l o s d i r e c t o r i o s de t raba joaux3 = l i s tF i ch Img ( i ) . name ( 1 2 : 1 6 ) ;d i r e c t i o n = s p r i n t f ( ’ mksubjdirs %s ’ , aux3 ) ;d i sp ( d i r e c t i o n )system ( d i r e c t i o n ) ;

% %Conversi on n i i . gz − mgzaux2 = l i s tF i ch Img ( i ) . name ( ) ;input = s t r c a t ( pathId , aux2 ) ;input2 = s t r c a t ( pathSubj , aux3 , pathOrig , o r i g ) ;convert = s p r i n t f ( ’ %s − i t n i i %s −ot mgz %s \n ’ , commandConvert , input , input2) ;

d i sp ( convert )system ( convert ) ;

% %Skul l−s t r i p p i n g & ICVlinecommand = s p r i n t f ( ’ recon−a l l −sub j i d %s −autorecon1 \n ’ , aux3 ) ;d i sp ( linecommand )system ( linecommand ) ;

l e s s = s p r i n t f (’ %s − l e s s %s /mri/T1 . mgz %s /mri/brainmask . mgz | t e e a u x i l i a r . txt\n ’ , commandLess , aux3 , aux3 ) ;

d i sp ( l e s s )system ( l e s s ) ;

savedata1 = s p r i n t f ( ’ t a i l −8 a u x i l i a r . txt | t e e −a i cv . txt \n ’ ) ;d i sp ( savedata1 )system ( savedata1 ) ;

copy = s p r i n t f ( ’ cp %s /mri/brainmask . mgz %s /mri/brainmask . auto . mgz ’ , aux3 , aux3 );

d i sp ( copy )system ( copy ) ;

% %Volumetr ıa hipocampallinecommand2 = s p r i n t f ( ’ recon−a l l −sub j i d %s −autorecon2 \n ’ , aux3 ) ;d i sp ( linecommand2 )system ( linecommand2 ) ;

r ibbon = s p r i n t f (’ %s −− l a b e l l e f t w h i t e 2 −− l a b e l l e f t r i b b o n 3 −−l a b e l r i g h t w h i t e 41 −− l a b e l r i g h t r i b b o n 42 −−save r ibbon −−s a v e d i s t a n c e %s ’ ,command2 , aux3 ) ;

d i sp ( r ibbon )system ( r ibbon ) ;

e t i v = s p r i n t f ( ’ %s −e t i v %s /mri/ t rans forms / t a l a i r a c h . xfm 1 %s /mri/ aseg . mgz 1753 | t e e −a %s / e t i v . txt \n ’ , commandVolEtiv , aux3 , aux3 , pathSubj ) ;

d i sp ( e t i v )system ( e t i v ) ;

% %Materia Grisc r e a t e = s p r i n t f ( ’ touch %s / s t a t s / aseg . s t a t s ’ , aux3 ) ;d i sp ( c r e a t e )system ( c r e a t e ) ;

vo lgray = s p r i n t f (’ %s −−seg %s /mri/brainmask . mgz −−sum %s / s t a t s / aseg . s t a t s −−sur f−ctx−vo l −−t o t a l g r a y −−s ub j e c t %s ’ , commandVolGray , aux3 , aux3 , aux3 ) ;

d i sp ( vo lgray )system ( vo lgray ) ;

savedata2 = s p r i n t f ( ’ head −18 %s / s t a t s / aseg . s t a t s | t e e −a grayVol . txt ’ , aux3 ) ;d i sp ( savedata2 )

Page 82: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

64 APENDICE B. CODIGO REALIZADO

system ( savedata2 ) ;

toc ;endmatlabpool c l o s e ;

Por otra parte, se implemento otro script para pasar las imagenes al espacionativo y guardar las etiquetas en formato .nii.gz en otro directorio para calcularsu DICE. Estas lıneas se incorporaron al codigo anteriormente mencionado segunrefleja la documentacion:

f unc t i on nat ive space ( )pathSubj = ’/home2/ s r o d r i g u e z /resultsADNI OLD / ’ ;pathId = ’/home2/ s r o d r i g u e z /ADNI OLD/ ’ ;commandVol = ’ mr i vo l2vo l ’ ;commandAseg = ’ mr i l ab e l 2vo l ’ ;commandConvert = ’ mri convert ’ ;s k u l l s t = ’ brainmask . mgz ’ ;l a b e l e d = ’ aseg . mgz ’ ;l abe l ed2 = ’ r ibbon . mgz ’ ;na t ive = ’ rawavg . mgz ’ ;s k u l l s n a t i v e = ’ brain−in−rawavg . mgz ’ ;l a b e l e d n a t i v e =’aseg−in−rawavg . mgz ’ ;l a b e l e d n a t i v e 2 =’ ribbon−in−rawavg . mgz ’ ;o r i g = ’ aseg00 . mgz ’ ;f i leName = ’∗ . n i i . gz ’ ;mri = ’ mri ’ ;l i s tF i ch Img = d i r ( s t r c a t ( pathId , f i leName ) ) ;

matlabpool l o c a l 8 ;pa r f o r i =1:19

aux3 = l i s tF i ch Img ( i ) . name ( 6 : 7 ) ;aux2 = l i s tF i ch Img ( i ) . name ( ) ;

path = s t r c a t ( pathSuj , aux3 , mri ) ;input = s t r c a t ( pathId , aux2 ) ;input2 = s t r c a t ( pathSubj , aux3 , o r i g ) ;

nat iveVol = s p r i n t f ( ’ %s −−mov %s/ %s −−targ %s/ %s −−regheader −−o %s/ %s −−no−save−reg \n ’ , commandVol , path , s k u l l s t , path , nat ive , path , s k u l l s n a t i v e ) ;

d i sp ( nat iveVol )system ( nat iveVol ) ;

nat iveAseg = s p r i n t f ( ’ %s −−seg %s/ %s −−temp %s/ %s −−o %s/ %s −−regheader %s/ %s \n ’ , commandAseg , path , l abe l ed , path , nat ive , path , l abe l edna t i v e , path ,l a b e l e d ) ;

d i sp ( nat iveAseg )system ( nat iveAseg ) ;

nativeRibbon= s p r i n t f ( ’ %s −−seg %s/ %s −−temp %s/ %s −−o %s/ %s −−regheader %s/ %s\n ’ , commandAseg , path , labe l ed2 , path , nat ive , path , l abe l ednat i v e2 , path ,l abe l ed2 ) ;

d i sp ( nativeRibbon )system ( nativeRibbon ) ;

convert = s p r i n t f ( ’ %s − i t mgz %s/ %s −ot n i i %s \n ’ , commandConvert , path ,l a b e l e d n a t i v e , input2 ) ;

d i sp ( convert )system ( convert ) ;

endmatlabpool c l o s e ;

Page 83: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

Apendice C

Tablas de resultados

En este anexo se incorporan las tablas de resultados obtenidas tras aplicar Free-surfer. Queda estructurado por tanto en:

PV

Una primera columna refleja el nombre del sujeto a tratar denominada porIDMEG. Mientras que, una segunda, tambien coloreada en verde, muestra eldiagnostico dado por el CTB siendo:

• 1 - Healthy Control

• 2 - Amnestic MCI

• 3 - Amnestic multiple domain MCI

• 4 - Alzheimer

En las siguientes, se recogen los datos de volumetrıa hipocampal, intracranealy de materia gris. Los de color naranja son los realizados por el CTB mientrasque los azules son los realizados en este TFG. En amarillo se da el porcentajede variacion entre ambos datos.

ADNI

Tanto para las imagenes de ADNI-OLD como para las de ADNI-HHP ademasde mostrar los datos de volumetrıa obtenidos en este TFG, se recogen los valoresde DICE de los etiquetados.

65

Page 84: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

IDMEG Diagnose CTB Left-HippocampusLeft-Hippocampus % CTB Right-HippocampusRight-Hippocampus% CTB TotalGrayVol TotalGrayVol % CTB IntraCranialVolIntraCranialVol %

1 2 3992 4103 2,71 3734 3767 0,88 570675,153 540855,880 5,51 1496973,431 1606891,000 6,84

2 2 3623 3961 8,53 3734 3941 5,25 532966,345 509876,223 4,53 1319361,372 1431472,000 7,83

3 2 3304 3334 0,90 3158 3348 5,68 541803,174 517879,163 4,62 1501385,871 1574001,000 4,61

4 4 1288 1772 27,31 1301 2036 36,10 386802,411 379175,333 2,01 1245163,272 1271198,000 2,05

5 2 2063 2107 2,09 2365 2468 4,17 429999,581 408751,346 5,20 1260573,147 1260528,000 0,00

6 2 3208 3267 1,81 3388 3641 6,95 510073,683 488471,885 4,42 1405319,555 1454360,000 3,37

7 2 3514 3861 8,99 3587 3745 4,22 525662,612 500988,396 4,93 1120079,834 1228774,000 8,85

8 3 2813 3533 20,38 3028 3456 12,38 549170,721 524026,573 4,80 1366206,792 1428357,000 4,35

9 3 2564 3204 19,98 2192 2748 20,23 438125,761 420704,385 4,14 1251304,860 1281411,000 2,35

10 3 2809 3019 6,96 2959 3356 11,83 512581,284 492143,354 4,15 1252062,528 1341973,000 6,70

15 2 3120 3457 9,75 3265 3497 6,63 510447,869 484782,653 5,29 1349089,283 1396243,000 3,38

16 3 2030 2105 3,56 2543 2653 4,15 489239,913 467007,362 4,76 1286488,463 1323550,000 2,80

18 1 3061 3124 2,02 3377 3235 4,39 498399,548 475198,782 4,88 1205875,457 1328805,000 9,25

19 2 3592 4043 11,16 4545 3873 17,35 628065,371 595331,273 5,50 1584864,957 1671409,000 5,18

20 2 3438 3725 7,70 3334 3571 6,64 528286,345 500311,465 5,59 1502870,441 1549249,000 2,99

21 3 3267 3210 1,78 3374 3349 0,75 630335,839 601859,105 4,73 1569111,788 1588955,000 1,25

23 3 2975 3241 8,21 2700 3215 16,02 502423,960 475198,780 5,73 1362082,686 1376417,000 1,04

25 1 4014 4492 10,64 3921 4207 6,80 564640,775 529035,600 6,73 1549311,649 1602597,000 3,32

26 3 3643 4248 14,24 3001 4340 30,85 523942,030 497991,046 5,21 1319774,047 1343162,000 1,74

27 2 3222 3424 5,90 3098 3521 12,01 586529,818 556222,512 5,45 1558726,210 1580093,000 1,35

28 3 3382 3723 9,16 3049 3585 14,95 548836,215 519847,420 5,58 1329662,695 1569320,000 15,27

29 2 2405 2409 0,17 2283 2433 6,17 586156,779 554001,885 5,80 1634690,790 1634411,000 0,02

32 2 3050 3230 5,57 3310 3534 6,34 556115,545 527861,682 5,35 1496685,380 1546488,000 3,22

33 3 3144 3209 2,03 2583 2635 1,97 505652,816 480346,110 5,27 1328328,234 1346226,000 1,33

35 1 3572 3997 10,63 3491 3987 12,44 517562,610 491207,473 5,37 1160941,400 1232177,000 5,78

36 2 1367 2449 44,18 3029 3262 7,14 485166,160 462740,709 4,85 1274109,673 1292252,000 1,40

37 1 3990 4317 7,57 3963 4217 6,02 641091,067 613837,830 4,44 1564369,297 1695802,000 7,75

38 2 3793 4161 8,84 3540 3706 4,48 555388,586 523296,816 6,13 1457407,015 1492959,000 2,38

41 3 2623 2746 4,48 2791 2948 5,33 516123,583 490385,021 5,25 1224773,739 1274651,000 3,91

44 3 2832 3668 22,79 3691 3808 3,07 396957,304 524260,200 24,28 1417716,991 1534850,000 7,63

45 3 3473 3028 14,70 2705 3032 10,78 531821,143 498339,808 6,72 1389342,226 1433487,000 3,08

46 3 2190 2387 8,25 2404 2597 7,43 441659,325 422602,505 4,51 1131218,075 1193401,000 5,21

47 3 1741 1779 2,14 2178 2453 11,21 455237,267 433294,633 5,06 1273833,080 1333451,000 4,47

48 2 3294 3483 5,43 3244 3212 1,00 565510,496 537637,460 5,18 1296460,398 1434771,000 9,64

49 1 4218 4680 9,87 4179 4333 3,55 568090,492 533150,779 6,55 1317572,479 1471265,000 10,45

50 1 2972 3285 9,53 3434 3692 6,99 450848,603 429273,955 5,03 1056514,887 1136941,000 7,07

51 1 3026 3486 13,20 3264 3549 8,03 555159,732 531115,370 4,53 1266305,967 1334568,000 5,11

52 1 3988 3970 0,45 3847 4100 6,17 540188,928 514940,021 4,90 1239076,416 1367488,000 9,39

53 3 1939 2085 7,00 1964 1951 0,67 413193,165 400105,086 3,27 1074156,263 1139942,000 5,77

54 3 2912 3193 8,80 3310 3757 11,90 628394,033 595468,567 5,53 1616108,094 1667299,000 3,07

RESULTADOS PV

Page 85: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

55 3 2149 2258 4,83 2042 2008 1,69 485457,626 461990,389 5,08 1235170,983 1287628,000 4,07

56 2 3711 3925 5,45 3388 3801 10,87 537741,717 519798,883 3,45 1407143,617 1447099,000 2,76

57 2 3759 4126 8,89 1703 3793 55,10 575003,271 549665,313 4,61 1504336,070 1583044,000 4,97

58 1 3468 3863 10,23 3350 3565 6,03 577243,537 548731,196 5,20 1403951,293 1516578,000 7,43

59 1 3160 3751 15,76 3454 3721 7,18 513705,462 503666,272 1,99 1280908,224 1355639,000 5,51

60 1 3917 4291 8,72 3605 3672 1,82 561354,700 540278,400 3,90 1402350,628 1464889,000 4,27

61 3 2864 3300 13,21 2984 3263 8,55 501474,185 468806,840 6,97 1501860,388 1492878,000 0,60

62 3 2419 1698 42,46 2450 2413 1,53 439633,695 420830,463 4,47 1126612,127 1173801,000 4,02

63 3 2517 2597 3,08 2558 2857 10,47 431773,999 404983,020 6,62 1154887,609 1216998,000 5,10

64 1 2564 2342 9,48 2731 2869 4,81 431214,676 413280,580 4,34 1138107,405 1194954,000 4,76

65 1 3168 3506 9,64 3041 3568 14,77 563638,229 514940,021 9,46 1368369,137 1467810,000 6,77

66 3 2958 3226 8,31 2736 2997 8,71 422025,192 409325,648 3,10 1089048,759 1289162,000 15,52

67 3 2403 2454 2,08 2231 2308 3,34 480923,599 458847,499 4,81 1423200,807 1475354,000 3,53

68 3 2948 3482 15,34 3230 3585 9,90 594638,265 568345,229 4,63 1642866,557 1671046,000 1,69

69 2 2845 3101 8,26 2899 3301 12,18 498075,371 476979,000 4,42 1310818,344 1324627,000 1,04

70 2 2041 2174 6,12 2388 2548 6,28 513355,583 487129,050 5,38 1427385,070 1442889,000 1,07

71 1 3658 4062 9,95 3457 3889 11,11 560292,569 537613,532 4,22 1393599,208 1423763,000 2,12

72 1 4283 4418 3,06 3961 3969 0,20 619190,799 585955,950 5,67 1467691,990 1576274,000 6,89

73 1 3721 3924 5,17 3542 3981 11,03 565136,915 537866,977 5,07 1329830,733 1399721,000 4,99

74 2 1943 2132 8,86 2238 2556 12,44 473404,435 453412,486 4,41 1287448,268 1338967,000 3,85

75 1 2594 2919 11,13 3067 3156 2,82 518948,967 495725,972 4,68 1246452,719 1364268,000 8,64

76 1 3696 3936 6,10 4016 4240 5,28 630841,995 599404,766 5,24 1585274,066 1630284,000 2,76

77 1 3946 4514 12,58 3740 4155 9,99 608937,077 583823,579 4,30 1342761,060 1468518,000 8,56

78 2 2522 2867 12,03 2493 2903 14,12 467741,384 445376,924 5,02 1198483,132 1206999,000 0,71

80 1 3254 3286 0,97 3193 3228 1,08 516871,378 490417,261 5,39 1233826,878 1301606,000 5,21

81 3 3887 3644 6,67 3512 3688 4,77 597149,748 569251,178 4,90 1406190,822 1584615,000 11,26

82 3 2435 2581 5,66 2758 3063 9,96 491970,490 466229,460 5,52 1337119,619 1359014,000 1,61

83 3 2359 2380 0,88 2473 2569 3,74 476847,371 452831,650 5,30 1040565,007 1163697,000 10,58

84 3 3562 4118 13,50 3136 3663 14,39 651952,940 620356,520 5,09 1697755,595 1739563,000 2,40

85 3 1499 2970 49,53 2486 2578 3,57 499492,365 479261,920 4,22 1533922,318 1616204,000 5,09

86 1 3750 4018 6,67 3368 3336 0,96 570164,064 542376,584 5,12 1397202,549 1485192,000 5,92

87 2 2857 3032 5,77 3137 3413 8,09 587919,994 564354,877 4,18 1603896,484 1656084,000 3,15

88 3 2944 2971 0,91 3242 2922 10,95 517964,561 495795,507 4,47 1226330,872 1291096,000 5,02

89 3 3041 3061 0,65 3035 2333 30,09 501980,916 495725,970 1,26 1229275,041 1276003,000 3,66

91 1 3770 4113 8,34 3504 3883 9,76 544261,126 522359,244 4,19 1314034,143 1357405,000 3,20

92 3 3252 2990 8,76 2545 3146 19,10 265851,495 493815,831 46,16 1276017,611 1371289,000 6,95

93 3 2776 2936 5,45 2536 2624 3,35 533726,447 508759,259 4,91 1409816,965 1435732,000 1,81

94 2 2369 2390 0,88 2536 2427 4,49 433419,877 407205,892 6,44 1179980,041 1286162,000 8,26

95 3 2507 2654 5,54 2253 2322 2,97 444683,502 420857,710 5,66 1190795,243 1227440,000 2,99

96 2 2430 2248 8,10 2582 2140 20,65 444851,186 414629,598 7,29 1209901,052 1268302,000 4,60

97 3 3258 3512 7,23 3659 2939 24,50 523437,484 489783,247 6,87 1348676,884 1417155,000 4,83

98 1 3150 3371 6,56 2917 2899 0,62 573459,540 549875,658 4,29 1516703,902 1516477,000 0,01

100 1 3426 4001 14,37 3578 4252 15,85 580091,763 542625,148 6,90 1443920,715 1550667,000 6,88

101 1 3547 4080 13,06 3505 3696 5,17 509666,242 481906,930 5,76 1168031,445 1334634,000 12,48

Page 86: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

104 1 3329 3322 0,21 3210 3285 2,28 510614,206 484823,383 5,32 1266676,002 1359058,000 6,80

105 1 3328 4014 17,09 3269 3743 12,66 565321,445 540679,497 4,56 1423059,152 1451381,000 1,95

108 1 3492 3826 8,73 3456 3833 9,84 524436,721 498122,160 5,28 1268922,242 1306779,000 2,90

109 2 3528 3718 5,11 3576 4158 14,00 563856,336 540843,556 4,25 1418342,435 1485423,000 4,52

110 3 2954 2928 0,89 2729 2901 5,93 526696,525 522359,244 0,83 1289860,880 1334614,000 3,35

112 2 2998 2674 12,12 1233 3670 66,40 525022,846 496214,915 5,81 1458536,982 1505561,000 3,12

113 2 3411 3776 9,67 3388 3469 2,33 532032,680 503719,710 5,62 1235321,214 1379091,000 10,42

114 3 2676 2893 7,50 2758 2786 1,01 510010,206 486036,547 4,93 1278383,633 1316012,000 2,86

115 1 3270 3427 4,58 3146 3264 3,62 547330,432 518514,890 5,56 1335058,325 1420049,000 5,99

117 1 3727 4074 8,52 3668 3829 4,20 547664,114 518318,624 5,66 1319986,932 1378108,000 4,22

118 1 3238 3295 1,73 3389 3736 9,29 495304,432 469515,014 5,49 1269204,494 1320928,000 3,92

120 1 3645 3984 8,51 3633 3906 6,99 546306,297 519181,609 5,22 1246673,894 1372425,000 9,16

121 1 3411 3726 8,45 3620 3693 1,98 578911,267 551829,638 4,91 1325173,911 1419667,000 6,66

122 3 3370 3777 10,78 3050 3741 18,47 573145,141 542162,897 5,71 1444719,683 1605758,000 10,03

124 1 4036 4664 13,46 4025 4584 12,19 614679,002 584586,841 5,15 1575839,722 1655921,000 4,84

125 2 3436 2929 17,31 3311 3412 2,96 612817,302 571709,696 7,19 1337042,055 1604831,000 16,69

126 3 3581 3685 2,82 3104 3726 16,69 521206,291 494862,556 5,32 1352299,986 1391247,000 2,80

127 2 3331 3638 8,44 3308 3857 14,23 604033,585 577501,324 4,59 1449802,692 1542750,000 6,02

128 3 3664 3534 3,68 3315 3349 1,02 521980,885 494962,006 5,46 1347153,510 1381891,000 2,51

133 1 3304 3487 5,25 3189 3320 3,95 559928,091 532649,992 5,12 1322699,994 1485156,000 10,94

135 1 1856 1529 21,39 2285 2601 12,15 470838,951 448339,252 5,02 1184223,623 1241992,000 4,65

137 1 3320 3558 6,69 3011 3380 10,92 596696,418 568332,133 4,99 1473641,125 1564795,000 5,83

139 1 3272 3546 7,73 3269 3238 0,96 504745,251 478367,014 5,51 1185846,381 1238097,000 4,22

142 1 3747 4060 7,71 3776 4122 8,39 562057,771 531851,897 5,68 1311274,510 1385409,000 5,35

143 1 3912 3870 1,09 3805 3842 0,96 561675,741 529201,623 6,14 1355553,106 1397809,000 3,02

146 4 3280 3442 4,71 3801 3958 3,97 617121,687 583328,952 5,79 1657343,005 1683834,000 1,57

148 1 4403 4660 5,52 4127 4362 5,39 668785,643 631133,106 5,97 1778823,591 1889685,000 5,87

149 1 4137 4724 12,43 4042 4482 9,82 624889,944 595553,232 4,93 1575959,777 1625395,000 3,04

150 1 3400 4063 16,32 3473 3945 11,96 642123,030 614946,820 4,42 1613189,578 1689351,000 4,51

151 1 3238 3634 10,90 3271 3746 12,68 545638,129 504140,070 8,23 1548680,891 1593540,000 2,82

152 3 3616 3926 7,90 3453 3697 6,60 547993,830 525624,620 4,26 1305540,864 1368182,000 4,58

153 1 3659 3962 7,65 3962 3999 0,93 575643,246 546154,180 5,40 1338739,902 1459830,000 8,29

154 3 1452 2462 41,02 2907 3057 4,91 438680,598 418770,206 4,75 1334809,478 1339419,000 0,34

156 3 2654 3049 12,96 3047 3316 8,11 536323,646 514200,546 4,30 1332370,853 1362083,000 2,18

157 1 2055 2879 28,62 2652 2857 7,18 470671,129 450189,554 4,55 1154110,574 1273456,000 9,37

159 1 3695 4101 9,90 3732 4139 9,83 585535,295 557977,781 4,94 1382887,792 1471045,000 5,99

160 2 2774 2966 6,47 2716 3032 10,42 440099,580 420245,710 4,72 1017187,893 1102044,000 7,70

161 3 2773 2918 4,97 2604 2813 7,43 511577,039 487889,751 4,86 1125355,296 1265304,000 11,06

162 3 2862 3550 19,38 2979 3413 12,72 500047,383 476779,905 4,88 1175982,348 1211571,000 2,94

164 1 3933 3910 0,59 3624 3420 5,96 536371,967 516930,635 3,76 1163801,873 1332073,000 12,63

165 1 3599 3806 5,44 3398 3672 7,46 519795,239 492700,583 5,50 1364621,590 1438931,000 5,16

166 3 3353 3802 11,81 3292 3774 12,77 509524,512 481962,022 5,72 1254420,288 1346367,000 6,83

167 3 2306 2664 13,44 2433 2991 18,66 512546,400 478193,787 7,18 1515285,740 1496997,000 1,22

168 2 2095 1412 48,37 2501 2555 2,11 489266,333 469594,819 4,19 1224371,726 1295739,000 5,51

Page 87: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

169 3 2978 2751 8,25 3319 3555 6,64 616620,217 588900,030 4,71 1584663,324 1623893,000 2,42

170 2 2111 2368 10,85 2059 2052 0,34 458062,085 438079,537 4,56 1178042,594 1224944,000 3,83

171 1 3334 3406 2,11 3691 3437 7,39 528239,373 500272,194 5,59 1306916,133 1390806,000 6,03

174 3 2739 2785 1,65 2563 2749 6,77 523531,683 504439,396 3,78 1492116,539 1493139,000 0,07

175 2 3102 3282 5,48 2950 2757 7,00 566878,573 532234,464 6,51 1631104,523 1586658,000 2,80

176 2 3694 4104 9,99 3824 4228 9,56 569730,768 539402,794 5,62 1336121,386 1404349,000 4,86

178 1 3221 3449 6,61 2821 3125 9,73 473794,987 451115,294 5,03 1187237,730 1237027,000 4,02

179 3 3142 3580 12,23 3078 3426 10,16 568272,721 537872,750 5,65 1502736,113 1607895,000 6,54

187 4 2297 2319 0,95 1927 2520 23,53 479565,914 459816,038 4,30 1234215,829 1299608,000 5,03

191 1 2701 2619 3,13 3012 2913 3,40 478184,612 455602,180 4,96 1163296,849 1246530,000 6,68

193 3 3259 3815 14,57 3349 3872 13,51 586073,706 552083,764 6,16 1450593,376 1492012,000 2,78

194 2 2926 2779 5,29 2459 2602 5,50 554606,963 527703,721 5,10 1518446,620 1494323,000 1,61

195 3 3365 3589 6,24 3185 3690 13,69 522683,552 494628,081 5,67 1388589,986 1436323,000 3,32

197 3 3443 3184 8,13 3443 3258 5,68 488979,369 461183,052 6,03 1037389,129 1147822,000 9,62

202 2 2979 3155 5,58 3003 3157 4,88 496444,015 470314,744 5,56 1269730,701 1348640,000 5,85

203 3 3566 3683 3,18 2942 3145 6,45 503208,796 481845,850 4,43 1243452,853 1319119,000 5,74

204 4 2296 2490 7,79 2258 2209 2,22 517807,785 491983,387 5,25 1435601,306 1502464,000 4,45

205 4 2259 2217 1,89 2688 2870 6,34 502931,722 475419,876 5,79 1159220,244 1273752,000 8,99

206 3 4806 4943 2,77 4466 4537 1,56 570762,397 539318,702 5,83 1471604,932 1504751,000 2,20

207 2 2801 2757 1,60 2480 2382 4,11 447876,538 422169,933 6,09 1205575,039 1228873,000 1,90

208 2 2338 2451 4,61 2549 2580 1,20 437172,410 427286,222 2,31 1190830,734 1208606,000 1,47

210 3 2601 2793 6,87 2918 3049 4,30 523255,168 492340,706 6,28 1269792,857 1333744,000 4,79

211 4 3342 3368 0,77 2863 3921 26,98 535562,139 508532,754 5,32 1495050,218 1554582,000 3,83

212 4 3798 3726 1,93 3277 3424 4,29 561104,969 536371,424 4,61 1362458,114 1477321,000 7,78

213 2 3424 3786 9,56 3757 4005 6,19 501830,078 477713,853 5,05 1247386,828 1309582,000 4,75

218 4 2689 3076 12,58 2506 2970 15,62 521666,448 499740,196 4,39 1341681,684 1445440,000 7,18

219 3 2929 2984 1,84 2757 2769 0,43 497265,867 471736,487 5,41 1360900,406 1367564,000 0,49

220 4 2674 2715 1,51 2486 2649 6,15 376010,417 357623,630 5,14 1134911,926 1152776,000 1,55

221 4 2520 2358 6,87 2406 2306 4,34 478846,459 452139,161 5,91 1182557,720 1283327,000 7,85

222 4 1949 2404 18,93 2313 2477 6,62 476078,327 455884,658 4,43 1273401,496 1290384,000 1,32

223 4 2755 2697 2,15 2576 2520 2,22 575849,307 544105,629 5,83 1635539,568 1629497,000 0,37225 3 2172 2218 2,07 1997 2063 3,20 539440,047 515285,676 4,69 1479975,564 1497890,000 1,20229 4 1167 2466 52,68 2667 2656 0,41 465362,392 444100,519 4,79 1221872,079 1262473,000 3,22

Page 88: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

ID Left-Hippocampus Right-Hippocampus Total Gray Vol ICV DICE (Left label) DICE (Right label)

1 3508 3501 578310,809132 1643241 0,68 0,655

2 3828 3614 513377,967699 1551415 0,71 0,748

3 3366 3185 498224,293800 1354052 0,53 0,629

4 2958 3728 563087,341789 1623317 0,68 0,675

5 2674 3052 418148,016820 1300613 0,62 0,599

6 3695 3067 601191,348614 1656517 0,58 0,534

7 3081 3216 477347,907309 1196926 0,76 0,719

8 3155 3172 462428,633681 1332139 0,67 0,712

9 2479 2406 444577,568142 1443361 0,66 0,69

10 3007 3259 540217,675475 1729341 0,69 0,688

11 3961 3921 521065,557916 1515796 0,68 0,698

12 2225 2199 497555,748505 1468718 0,62 0,648

14 2827 2751 501726,493318 1572600 0,75 0,754

15 2524 2144 429089,620623 1269546 0,68 0,687

16 3757 3681 527503,761698 1626384 0,70 0,715

17 4134 3717 560102,784837 1560947 0,65 0,67

18 2889 2975 455894,368069 1459761 0,65 0,612

19 2341 2426 526554,380054 1611289 0,69 0,691

20 3269 3882 527987,262097 1412464 0,71 0,69

0,66742 0,674421053

RESULTADOS ADNI-OLD

Page 89: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

ID Left-Hippocampus Right-Hippocampus ICV Total Gray Vol DICE (Left label) DICE (Right label)

ADNI_002_S_0295. 3465 3559 1608274 555844,625946 0,788 0,784

ADNI_002_S_0413. 3429 3498 1603748 546111,739313 0,811 0,829

ADNI_002_S_0559. 3564 3655 1652649 512272,626033 0,826 0,820

ADNI_002_S_0685. 3752 3501 1502387 503199,828166 0,822 0,812

ADNI_002_S_0729. 2847 3164 1251923 442390,738078 0,678 0,755

ADNI_002_S_0782. 2803 3734 1589095 540681,754212 0,778 0,782

ADNI_002_S_0816. 3063 3303 1519798 510815,064191 0,753 0,795

ADNI_002_S_0938. 2183 1763 1332653 440909,213615 0,707 0,625

ADNI_002_S_0954. 2468 1647 1262257 392232,696014 0,729 0,443

ADNI_002_S_1070, 4047 4399 1668564 514507,432812 0,835 0,825

ADNI_002_S_1155. 4071 4347 1658866 578372,359083 0,838 0,833

ADNI_002_S_1261. 2955 3081 1506562 548459,698443 0,826 0,815

ADNI_002_S_1280, 3444 3573 1462880 489603,594631 0,819 0,819

ADNI_002_S_4225. 4486 4628 1876271 636539,152205 0,838 0,816

ADNI_003_S_0907. 3193 3352 1400523 476903,393237 0,838 0,802

ADNI_003_S_0908. 3573 3958 1601770 533886,284097 0,806 0,794

ADNI_003_S_0931. 2970 3200 1299220 442897,489926 0,786 0,780

ADNI_003_S_1057. 3384 3225 1338735 517343,361946 0,754 0,795

ADNI_003_S_1059. 1916 2143 1468884 435514,751649 0,785 0,772

ADNI_003_S_1074. 2461 2762 1435172 531700,033015 0,728 0,741

ADNI_003_S_1122. 3680 3588 1177919 413957,123380 0,799 0,801

ADNI_003_S_1257. 2928 2861 1847185 554549,037231 0,776 0,786

ADNI_003_S_4136. 3294 2440 1816026 589935,717328 0,806 0,708

ADNI_005_S_0221. 2180 2408 1663229 541992,453240 0,665 0,793

ADNI_005_S_0222. 2704 2396 1633019 484515,775295 0,772 0,757

ADNI_005_S_0602. 3751 3978 1513401 511998,473372 0,807 0,830

ADNI_005_S_1341. 2389 3004 1366569 410177,606048 0,773 0,798

ADNI_006_S_0322. 4060 4226 1591414 499432,186732 0,791 0,802

ADNI_006_S_4192. 2750 2925 1905410 490377,050240 0,762 0,831

RESULTADOS ADNI-HHP

Page 90: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

ADNI_006_S_4449. 4557 4538 1837363 572833,375787 0,810 0,814

ADNI_007_S_0101. 3242 3147 1646066 560695,234250 0,792 0,780

ADNI_007_S_0128. 2822 3591 1291831 435310,282989 0,779 0,794

ADNI_007_S_4387. 3710 3992 1516721 469439,798903 0,818 0,814

ADNI_009_S_0842. 3910 4118 1650892 565254,241215 0,802 0,788

ADNI_009_S_0862. 2963 3367 1544934 462759,664161 0,743 0,782

ADNI_009_S_1030, 4153 3739 1808985 579572,224062 0,804 0,803

ADNI_009_S_1334. 3368 3326 1694579 535805,275139 0,734 0,748

ADNI_010_S_0067. 4125 4467 1500644 546379,825988 0,786 0,753

ADNI_010_S_0419. 3887 3837 1631659 577705,808174 0,827 0,825

ADNI_010_S_0422. 3998 4209 1758778 570766,592171 0,760 0,768

ADNI_011_S_0002. 3847 3971 1710932 635151,298337 0,835 0,833

ADNI_011_S_0005. 2887 3682 1665128 582564,932766 0,786 0,833

ADNI_011_S_0010, 2883 2454 1501336 526878,453456 0,751 0,772

ADNI_011_S_0016. 3463 3455 1399594 496897,136431 0,800 0,816

ADNI_011_S_0021. 4042 4060 1413201 515583,235723 0,826 0,807

ADNI_011_S_0183. 2420 2197 1519728 498225,289487 0,800 0,768

ADNI_011_S_0241. 2720 2131 1507284 449746,101447 0,795 0,733

ADNI_011_S_0856. 3076 3423 1829940 593141,767338 0,783 0,802

ADNI_012_S_0689. 2193 2277 1734392 547240,817851 0,684 0,819

ADNI_012_S_1292. 3399 2736 1632806 515973,429620 0,742 0,718

ADNI_012_S_1321. 2190 3154 1216727 543670,692307 0,713 0,828

ADNI_013_S_0325. 2062 2600 1581754 523019,632381 0,741 0,784

ADNI_013_S_0592. 2681 2716 1621774 493124,142501 0,778 0,765

ADNI_013_S_1186. 3466 3496 1859765 544188,120328 0,807 0,803

ADNI_013_S_1276. 3060 2866 1411264 469309,060196 0,797 0,800

ADNI_013_S_4731. 2547 3006 1451920 468749,182097 0,783 0,800

ADNI_016_S_0769. 2794 2782 1860940 625135,475058 0,798 0,825

ADNI_016_S_0991. 1743 1305 1324919 438080,633956 0,739 0,689

ADNI_016_S_1138. 2624 3123 1419405 489838,383835 0,825 0,832

ADNI_016_S_1263. 2025 2426 1430403 501421,887425 0,765 0,740

ADNI_018_S_0425. 2811 2932 1632299 439735,131194 0,792 0,819

ADNI_018_S_4696. 2149 2168 1413270 434384,419618 0,768 0,778

Page 91: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

ADNI_019_S_4252. 2334 2542 1450155 447475,944229 0,766 0,808

ADNI_019_S_4549. 3186 3828 1934074 602544,526215 0,784 0,808

ADNI_020_S_0213. 3185 3796 1575645 529977,095938 0,817 0,808

ADNI_020_S_1288. 4479 4628 1698996 652202,984570 0,774 0,823

ADNI_023_S_0030, 2155 2515 1591036 486009,465742 0,776 0,776

ADNI_023_S_0031. 3949 3307 1357337 523640,340792 0,746 0,807

ADNI_023_S_0061. 3096 3799 1480433 537823,039618 0,801 0,815

ADNI_023_S_0139. 2649 2566 1392694 482579,487389 0,792 0,815

ADNI_023_S_0331. 2623 2808 1483463 530220,112162 0,780 0,791

ADNI_023_S_0376. 3008 3268 1617205 555288,732876 0,816 0,793

ADNI_023_S_0604. 3135 3867 1709638 619675,544831 0,813 0,782

ADNI_023_S_0916. 2618 3440 1492891 522758,057651 0,765 0,799

ADNI_023_S_1247. 3066 3112 1453247 477850,125044 0,746 0,767

ADNI_023_S_1289. 2248 2091 1356912 499362,894980 0,760 0,739

ADNI_027_S_1081. 2358 2641 1537388 538997,741811 0,755 0,804

ADNI_027_S_1385. 1960 2223 1301968 453763,983503 0,739 0,749

ADNI_029_S_1073. 3177 3578 1443692 473393,979145 0,771 0,781

ADNI_029_S_4385. 3261 3891 1385397 473433,237193 0,773 0,749

ADNI_031_S_1209. 2887 2656 1790271 554628,310912 0,730 0,782

ADNI_032_S_0479. 4040 3426 1495976 565058,988991 0,836 0,844

ADNI_032_S_0677. 4378 4488 1534930 579630,985800 0,791 0,825

ADNI_037_S_0303. 3327 2845 1504058 565893,248070 0,791 0,831

ADNI_067_S_0812. 2616 2244 1515178 517024,454009 0,791 0,805

ADNI_067_S_1185. 2427 2866 1521502 500063,535383 0,781 0,808

ADNI_067_S_1253. 3810 3841 1459686 504649,924700 0,820 0,837

ADNI_073_S_0089. 4010 3826 1584734 573068,041102 0,782 0,793

ADNI_082_S_1079. 2515 2304 1924669 595031,854811 0,723 0,819

ADNI_094_S_1293. 2793 2994 1782852 576802,001031 0,793 0,824

ADNI_094_S_4089. 2330 3090 1566915 495257,215885 0,735 0,770

ADNI_098_S_0149. 3678 3216 1555097 513107,336365 0,749 0,722

ADNI_098_S_0172. 4178 4474 1493552 497339,490491 0,776 0,779

ADNI_100_S_0006. 2435 2538 1477944 488184,932296 0,761 0,770

ADNI_100_S_0015. 3953 3483 1490298 490090,069125 0,768 0,806

Page 92: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

ADNI_100_S_0047. 3178 3053 1685025 515812,825109 0,813 0,759

ADNI_100_S_0892. 2691 2466 1363384 431312,258510 0,754 0,744

ADNI_100_S_0995. 1926 2369 1464755 452806,764490 0,715 0,739

ADNI_100_S_1062. 2719 3362 1582707 518614,178714 0,760 0,812

ADNI_100_S_1286. 4346 4572 1715491 509903,944913 0,786 0,810

ADNI_123_S_0050, 3264 2282 1868226 501279,748856 0,733 0,663

ADNI_123_S_0072. 4394 4403 1578909 539672,237525 0,733 0,742

ADNI_123_S_0088. 2573 3032 1669131 536016,789873 0,748 0,747

ADNI_123_S_0091. 4751 4853 1424685 511291,548288 0,796 0,766

ADNI_123_S_0094. 2480 2127 1571429 452322,231211 0,771 0,755

ADNI_123_S_0106. 3805 3764 1745636 582465,318160 0,822 0,800

ADNI_123_S_0108. 3381 3698 1570229 499224,726638 0,784 0,795

ADNI_123_S_0162. 3700 3595 1737271 554005,706898 0,770 0,770

ADNI_123_S_0390, 3087 3392 1662770 518089,040560 0,775 0,800

ADNI_123_S_1300, 3409 3260 1524725 521509,688250 0,766 0,809

ADNI_126_S_0606. 2726 2064 1402994 476783,513239 0,757 0,753

ADNI_126_S_0784. 2084 2883 1284714 485102,803665 0,776 0,768

ADNI_126_S_1340, 2609 2944 1402148 465771,141888 0,726 0,769

ADNI_127_S_0259. 3090 3125 1431850 466176,289711 0,776 0,794

ADNI_127_S_0260, 2804 3067 1349684 470488,716314 0,831 0,824

ADNI_127_S_0393. 3158 3064 1361714 438643,237945 0,785 0,798

ADNI_127_S_0754. 2820 3283 1689139 493912,542465 0,763 0,778

ADNI_127_S_0844. 1961 2505 1496574 432800,775518 0,686 0,768

ADNI_129_S_4369. 3584 3556 1422650 509517,826719 0,733 0,737

ADNI_130_S_0956. 3817 4046 1416751 515183,516097 0,790 0,775

ADNI_130_S_4730, 2017 3019 1724662 537746,801765 0,719 0,818

ADNI_131_S_0384. 3481 3439 1540153 481673,590849 0,838 0,834

ADNI_131_S_0691. 2547 2526 1544554 487462,360618 0,785 0,762

ADNI_131_S_1389. 2677 2624 1569588 472880,115335 0,776 0,786

ADNI_133_S_0525. 3201 3267 1381887 427282,877769 0,833 0,850

ADNI_136_S_0579. 3465 3806 1568702 500685,839637 0,756 0,763

Page 93: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

Apendice D

Anexo: ITK, MEX y OpenMP

Introduccion

El objetivo de esta practica es el estudio de las librerıas ITK (Insight Segmenta-tion and Registration Toolkit) ası como de los interfaces MEX y OpenMp para eltratamiento de imagenes.

ITK

Filtro binomial

Los filtros binomiales son estructuras eficientes basadas en los coeficientes bino-miales resultantes de la implementacion de Gauss.

Este filtro usa la convolucion gracias a la cual es posible simplificar las matemati-cas y ahorrar tiempo. Tambien resulta muy util para el procesamiento de imagenesen algunos casos como para la detencion de bordes.

Dado el siguiente codigo de Matlab:f unc t i on imgSal = binomialMatlab ( imgEnt )maskConv = [ 1 2 1 ;2 4 2 ;1 2 1 ] . / 1 6 ;imgSal = i m f i l t e r ( imgEnt , maskConv , ’ r e p l i c a t e ’ ) ;\ l a b e l {2}

Se nos pide conseguir una funcionalidad similar usando las librerıas ITK. El primerpaso sera escribir el archivo CMakeLists.txt

1 # Indicamos e l nombre que queremos que tenga nuest ro proyecto2 PROJECT( Binomia lF i l t r o )3

4 #Buscamos l i b r e r i a s de ITK5 FIND PACKAGE(ITK REQUIRED)6 INCLUDE( ${ITK USE FILE})7 # Indicamos que e l proyecto va a c r e a r una l i b r e r i a e indicamos l o s a r ch ivo s que

van a dar lugar a l a l i b r e r i a8 # Deben e s t a r creados antes de e j e c u t a r CMake9 ADD EXECUTABLE(Binom

10

11 Binomial . cpp12 Binomial . h13 )14 TARGET LINK LIBRARIES(Binom15 ${ITK LIBRARIES}16 )17 CMAKE MINIMUM REQUIRED(VERSION 2 . 6 )

75

Page 94: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

76 APENDICE D. ANEXO: ITK, MEX Y OPENMP

A partir de ello, se determinan las carpetas donde se encuentran los Fuentes(Binomial.h y Binomial.cpp) y donde queremos que se guarden los Binarios.

Del filtro solo se configuraran la imagen de entrada y el numero de repeticionesque deseamos que se ejecute. Por lo que, se tendran como parametros la imagencameraman.tif sobre la que se aplicara, el numero de iteraciones elegidas (en nuestrocaso 10) y la imagen filtrada de salida.

1 typede f unsigned char num;2 // Imagenes en 2D3 const unsigned i n t numDims = 2 ;4 typede f i t k : : Image< unsigned char , numDims > ImageEnt ; // Imagen de Entrada5 typede f i t k : : Image< unsigned char , numDims > ImageSal ; // Imagen de Sa l ida6 typede f i t k : : ImageFileReader< ImageEnt > ReaderType ;7 typede f i t k : : ImageFi leWriter< ImageSal > WriterType ;8 typede f i t k : : Binomia lBlurImageFi l ter<ImageEnt , ImageSal> BinB lu rF i l t e r ;

Page 95: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

ITK 77

Resultado

Se muestra el resultado con las ITK y se compara con el obtenido tras la imple-mentacion desde Matlab con la funcion binomialMatlab llamada 10 veces.

Figura D.1: Imagen de entrada Figura D.2: ITK - Imagen de salida

Figura D.3: binomialMatlab - Imagen de salida

El resultado es muy similar pero por diferencias en la implementacion, si seobservan detenidamente pixel a pixel se vera que no son iguales.

Page 96: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

78 APENDICE D. ANEXO: ITK, MEX Y OPENMP

MEX

Las funciones MEX son muy utiles, ya que nos permiten emplear codigo escritoen C/C+ desde Matlab.

Filtro binomial

Al igual que en el caso anterior, se pide implementar un filtro binomial que tengala funcionalidad descrita.

Sin embargo, para llevarlo se tienen en cuenta previamente las siguientes consi-deraciones:

Los bordes que conforman el borde sera necesario replicar los valores antes deaplicar el filtro

Sera necesario convertir los valores de unsigned char a coma flotante para elcaso de la entrada, y hacer la conversion opuesta para la salida.

Debido a que la convolucion de la imagen coincide con la correlacion de lamisma con la mascara, por ser esta simetrica, se usara correlacion a diferenciade las ITK (ademas de ser mas facil de implementar)

Se dividira la imagen en 9 partes para facilitar nuevamente la implementacion.

En cuanto al CMakeLists.txt empleado:

1 PROJECT( f i l t r o B i n )2 IF (WIN32) # Windows3

4 SET(MATLAB LIB [HKEY LOCAL MACHINE\\SOFTWARE\\MathWorks\\MATLAB\\7 . 1 0 ;MATLABROOT] / extern / l i b /win64/ mic ro so f t )

5 SET(MATLAB INC ” [HKEY LOCAL MACHINE\\SOFTWARE\\MathWorks\\MATLAB\\7 . 1 0 ;MATLABROOT] / extern / inc lude ”)

6

7 FIND LIBRARY(MATLAB MEX LIBRARY8 l ibmex9 ${MATLAB LIB}

10 )11 FIND LIBRARY(MATLAB MX LIBRARY12 l ibmx13 ${MATLAB LIB}14 )15 FIND LIBRARY(MATLAB ENG LIBRARY16 l i b e n g17 ${MATLAB LIB}18 )19

20 FIND PATH(MATLAB INCLUDE21 ”mex . h”22 ${MATLAB INC}23 )24 INCLUDE DIRECTORIES( ${MATLAB INCLUDE})25 ADD LIBRARY( f i l t B i n MODULE26

27 umbral izacionC . cpp28 umbral izacionC . h29 )30 IF (WIN32) # Windows31 IF (CMAKE SIZEOF VOID P EQUAL 4) # 32 b i t s32 SET TARGET PROPERTIES( f i l t B i n PROPERTIES SUFFIX ” . mexw32”)33

34

35 ELSE(CMAKE SIZEOF VOID P EQUAL 4) # 64 b i t s36 SET TARGET PROPERTIES( f i l t B i n PROPERTIES SUFFIX ” . mexw64”)

Page 97: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

MEX 79

37 ENDIF(CMAKE SIZEOF VOID P EQUAL 4)38 ENDIF(WIN32)39

40 # Indicamos que l a l i b r e r i a creada va a s e r de t ipo MEX41 ADD DEFINITIONS(−DMATLAB MEX FILE)42 IF (WIN32)43 SET TARGET PROPERTIES( f i l t B i n44 PROPERTIES45 LINK FLAGS ”/ export : mexFunction”46 )47 ENDIF(WIN32)48

49 #Incorporar l a s l i b r e r i a s i n t e r f a z ent r e Matlab y C++50 SET(MATLAB LIBRARIES51 ${MATLAB MEX LIBRARY}52 ${MATLAB MX LIBRARY}53 ${MATLAB ENG LIBRARY}54 )55 TARGET LINK LIBRARIES( f i l t B i n56 ${MATLAB LIBRARIES}57 )

Posteriormente, para la obtencion del resultado final es necesario implementar lasiguiente funcion de test:

1 f unc t i on imgSal = t e s t ( )2 imgEnt=imread ( ’ cameraman . t i f ’ ) ;3 imgSal=f i l t B i n ( imgEnt ) ;4 imshow ( [ imgEnt , imgSal ] ) ;5

6 end

Siendo fitlBin el archivo obtenido despues de compilar los binarios en Release conVisual Studio.

En este caso, unicamente se tendra como parametro de entrada la imagen a aplicarel filtro, en nuestro caso la ya tratada cameraman.tif

Page 98: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

80 APENDICE D. ANEXO: ITK, MEX Y OPENMP

Resultado

Se obtienen los siguientes resultados:

Figura D.4: Resultados con MEX

Figura D.5: Resultados con binomialMatlab

Page 99: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

OPENMP 81

OPENMP

La interfaz de programacion de aplicaciones (API) OpenMp (Open Multi-Processing)esta destinada a la programacion multiproceso de memoria compartida en multiplesplataformas.

Permite el procesamiento en paralelo de programas escritos en C, C++ o Fortran.Consiste ademas en un conjunto de directivas para el compilador, unas bibliotecasde funciones y una serie de variables de entorno que controlan el comportamientode la ejecucion.

Se basa en la existencia de multiples hilos de ejecucion que comparten una regionde memoria.

Paralelizacion bwDistC

Para esta parte, se partira del codigo fuente en C++, bwDistC el cual implementala funcion bwdist que calcula para cada pıxel de entrada la distancia mas cercana aun valor distinto de cero proximo a el. Tanto para la entrada como para la salida,se usaran matrices lo que facilitara que se ejecute en paralelo.

El objetivo es probar a paralelizar distintas regiones del codigo y determinar cuales la mas adecuada mediante una comparacion de tiempos.

Resultado

Primera comprobacion

Se hace paralelismo en la inicializacion. Para poder llevarlo a cabo sera necesariomodificar la siguiente lınea de codigo:

1 #pragma omp p a r a l l e l f o r schedu le ( guided )2 f o r ( i =0; i<numElem ; i++) {3 imgAntes [ i ]= imgIn [ i ] ;4 imgOut [ i ]=0;5 }

Con la directiva pragma omp for se consigue que las iteraciones del del buclefor que acompana sean ejecutadas en paralelo. En el momento de la ejecucion,las iteraciones se distribuyen entre todos los hilos que se lancen.

Page 100: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

82 APENDICE D. ANEXO: ITK, MEX Y OPENMP

Tras obtener los Binarios, obtener bwDistC.mexw64 compilando desde Releaseen Visual Studio y gracias al script scriptBWDist.m con la imagen dada BWHigse ha obtenido lo siguiente:

El codigo de C ha tardado una media de: 1.331467 s

El codigo de C paralelizado ha tardado una media de: 1.272789 s

Se observa que gracias a la paralelizacion se minoriza el tiempo.

Segunda comprobacion

Se realiza nuevamente otra prueba haciendo paralelismo en el bucle for dedilatacion:

1 #pragma omp p a r a l l e l f o r schedu le ( guided )2 f o r ( k=0;k<n s l i c e s ; k++) {3 f o r ( j =0; j<nco l ; j++) {4 f o r ( i =0; i<nrow ; i++) {5 ind = i+j ∗nrow+k∗numElemSlice ;6 i f ( imgDespues [ ind ]=imgAntes [ ind ] )7 cont inue ;8 i f ( i−1>=0)9 i f ( imgDespues [ ind ]=imgAntes [ ind −1])

10 cont inue ;11 i f ( i+1<nrow )12 i f ( imgDespues [ ind ]=imgAntes [ ind +1])13 cont inue ;14 i f ( j−1>=0)15 i f ( imgDespues [ ind ]=imgAntes [ ind−nrow ] )16 cont inue ;17 i f ( j+1<nco l )18 i f ( imgDespues [ ind ]=imgAntes [ ind+nrow ] )19 cont inue ;20 i f (k−1>=0)21 i f ( imgDespues [ ind ]=imgAntes [ ind−numElemSlice ] )22 cont inue ;23 i f ( k+1<n s l i c e s )24 imgDespues [ ind ]=imgAntes [ ind+numElemSlice ] ;25 }26 }27

Para este caso se obtiene que el tiempo tambien es menor:

El codigo de C paralelizado ha tardado una media de: 1.212789 s

Page 101: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

ITKMEX 83

ITKMEX

El proposito sera ver como se puede incluir codigo de las librerıas ITK en archivosMEX que seran ejecutados desde MATLAB.

Para ello, a partir del codigo desarrollado en el primer ejercicio del informe (ITK)se convertira en un archivo MEX que posteriormente se probara con el script script-Binomial.m Ademas, para este caso, se introduciran manualmente los valores conlos que se quiere trabajar para la umbralizacion.

Filtro binomial

El archivo CMakeLists.txt sera similar mientras que el archivo de cabecera um-bralizacionITKMEX.h contendra cosas tanto de ITK como de MEX:

1 #inc lude ”mex . h”2 #inc lude <i tkImage . h>3 #inc lude <i t k ImageReg ion I t e ra to r . h>4 #inc lude <i tk ImageReg ionConst I te rator . h>5 #inc lude <i tkBinaryThresho ld ImageFi l t e r . h>

Propio de MEX:

1 typede f unsigned char PixelEnt ;2 typede f unsigned char P i x e l S a l ;3

Propio de ITK:

1 const unsigned i n t numDims = 2 ;2 typede f i t k : : Image< PixelEnt , numDims > ImageEnt ;3 typede f i t k : : Image< Pixe lSa l , numDims > ImageSal ;

Nuevas clases:

1 typede f i t k : : ImageRegionIterator< ImageEnt > I t e r a t o r ;2 typede f i t k : : ImageRegionConstIterator< ImageSal > Cons t I t e ra to r ;

Propio de MEX:

1 typede f i t k : : BinaryThresholdImageFi l ter< ImageEnt , ImageSal > Thre sho ldF i l t e r ;2

3 void umbra l i zac ion ( PixelEnt ∗ imgEnt , mwSize numDims , const mwSize∗ dimImgEnt , PixelEntumbInf , PixelEnt umbSup , P i x e l S a l ∗ imgSal ) ;

4

En esta ultima funcion sin embargo, se observa un cambio, ya que recibe dosparamentros mas, el valor inferior y superior de umbralizacion de la imagen deentrada.

Page 102: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

84 APENDICE D. ANEXO: ITK, MEX Y OPENMP

Resultado

Tras seguir los pasos y obtener el archivo umbralizacionITKMEX.mexw64 se desa-rrolla la siguiente funcion de test para poder obtener las imagenes:

1 imEnt=imread ( ’ cameraman . t i f ’ ) ;2 umbInf=20; umbSup=100;3 imSal=umbralizacionITKMEX ( imEnt , umbInf , umbSup) ;4 imshow ( [ imEnt , imSal ] )

Figura D.6: Resultado obtenido

Page 103: VOLUMETR IA INTRACRANEAL Y DEL HIPOCAMPO DESDE IMAGENES … · DEL HIPOCAMPO DESDE IMAGENES DE RESONANCIA MAGNETICA USANDO FREESURFER Sandra Rodr guez Rodrigo Tutor: Carlos Platero

Bibliografıa

[1] Xabier Artaechevarria, Arrate Munoz-Barrutia, and Carlos Ortiz-de Solorzano.Combination strategies in multi-atlas image segmentation: Application to brainmr data. Medical Imaging, IEEE Transactions on, 28(8):1266–1277, 2009.

[2] M.Carmen Tobar Carlos Platero. A label fusion method using conditional ran-dom fields with higher-order potentials: Application to hippocampal segmenta-tion. 2015.

[3] Bruce Fischl, David H Salat, Evelina Busa, Marilyn Albert, Megan Dieterich,Christian Haselgrove, Andre Van Der Kouwe, Ron Killiany, David Kennedy,Shuna Klaveness, et al. Whole brain segmentation: automated labeling of neu-roanatomical structures in the human brain. Neuron, 33(3):341–355, 2002.

[4] Kourosh Jafari-Khouzani, Kost V Elisevich, Suresh Patel, and Hamid Soltanian-Zadeh. Dataset of magnetic resonance images of nonepileptic subjects and tempo-ral lobe epilepsy patients for validation of hippocampal segmentation techniques.Neuroinformatics, 9(4):335–346, 2011.

[5] Shiva Keihaninejad, Rolf A Heckemann, Gianlorenzo Fagiolo, Mark R Symms,Joseph V Hajnal, Alexander Hammers, Alzheimer’s Disease Neuroimaging Initia-tive, et al. A robust method to estimate the intracranial volume across mri fieldstrengths (1.5 t and 3t). Neuroimage, 50(4):1427–1437, 2010.

[6] Kelvin K Leung, Josephine Barnes, Marc Modat, Gerard R Ridgway, Jonat-han W Bartlett, Nick C Fox, Sebastien Ourselin, Alzheimer’s Disease Neuro-imaging Initiative, et al. Brain maps: an automated, accurate and robust brainextraction technique using a template library. Neuroimage, 55(3):1091–1108,2011.

[7] Sean M Nestor, Erin Gibson, Fu-Qiang Gao, Alex Kiss, Sandra E Black, Alzhei-mer’s Disease Neuroimaging Initiative, et al. A direct morphometric comparisonof five labeling protocols for multi-atlas driven automatic segmentation of thehippocampus in alzheimer’s disease. NeuroImage, 66:50–70, 2013.

[8] M Tobar Puente. Optimizacion de una energıa mediante cortes de grafos. seg-mentacion de imagenes. 2014.

[9] Simon K Warfield, Kelly H Zou, and William M Wells. Simultaneous truth andperformance level estimation (staple): an algorithm for the validation of imagesegmentation. Medical Imaging, IEEE Transactions on, 23(7):903–921, 2004.

85