Statistical Segmentation and Registration of Medical Ultrasound Data

Abstract: Popular Abstract in Swedish De flesta kommer i kontakt med medicinskt ultraljud under sina liv, t.ex vid foster- eller hjärtdiagnostik. Det vanliga intrycket av ultraljud är en grynig bild eller film som kan framstå som svårtolkad för en lekman. Sanningen är att ultraljud även kan vara svårtolkat för experter, vilket gör att kliniskt arbete med ultraljud är tidskrävande. Detta är en anledning till att forskning inom datoralgoritmer, som förbättrar tolkningen av ultraljud, är ett aktivt område. Dessutom har ultraljud många fördelar, som relativ billighet, säkerhet och mobilitet, jämfört med andra medicinska modaliteter, som t.ex magnetröntgen och datortomografi. I denna avhandling presenterar vi metoder för segmentering och registrering av ultraljudsdata. Segmentering är en potentiellt tidskrävande process där olika anatomiska strukturer märks ut i ultraljudsdata. Vi presenterar tre olika segmenteringalgoritmer för endokardiet, dvs hjärtsäcken. Segmentering av endokardiet är relevant för att kunna approximera hjärtvolym, nödvändigt som hjälpmedel vid diagnos av hjärtsjukdom. I konstruktionen av dessa algoritmer har vi utnyttjat att ultraljudssignalen kan modelleras statistiskt och inkluderat forminformation av hjärtkammare, som inhämtats från manuella segmenteringar. Registrering, dvs sammanfogning av bilder eller sekvenser, är avgörande för att bedöma utseendet av strukturer i kroppen. En viktig applikation är spårning av sjukdomsförlopp; det är uppenbart att detta kräver korrekt rekonstruerade bilddata för att kunna genomföras. För att en korrekt registrering ska kunna ske krävs att det är möjligt att kunna mäta likhet mellan datapunkter, och därför har vi lanserat flera matematiska mått för att mäta likhet i ultraljudsdata. Vi har i experiment visat användbarheten av våra segmenteringsalgoritmer genom jämförelse med motsvarande manuella segmentering av biomedicinisk analytiker och resultat från tidigare studier. Registreringsalgoritmerna har applicerats på ultraljudsbilder av mänsklig nacke, och för rekonstruktion av hjärna från en mängd ultraljudsbilder som inhämtats med en ultraljudsgivare placerad vid tinningarna på patienten. Vi har observerat signifikant förbättrade resultat i jämförelse med standardalgoritmer för registrering. De utvecklade metoderna har potential att underlätta bedömningen av olika sjukdomstillstånd. Segmenteringsalgoritmerna underlättar bedömningen av hjärtvolym, vilket är avgörande för diagnos av ischemisk hjärtsjukdom, medan registreringsalgoritmer kan underlätta diagnos av degenerativa sjukdomar. En av de utvecklade metoderna appliceras på rekonstruktion av mellanhjärnan, specifikt substantia nigra vars utveckling över tid är en viktig del av diagnos av Parkinsons sjukdom.