Segmentation of the right ventricle in cardiac CT images

Abstract

Using cardiac computed tomography (CT), images of both the left and right ventricle can be acquired. Potential findings of interest are for example enlarged ventricles or inadequate pumping, which can be used for diagnosis. The analysis requires that the ventricles are outlined, either manually or automatically. Automated segmentation methods for clinical use exist for the left ventricle but not for the right ventricle.

Automated methods are necessary in clinical routine as manual outlining in hundreds of images per patient is time consuming. Automated methods would also allow to determine reference values for the right ventricle volume in CT images which currently is missing.

Therefore, the purpose of the thesis was to develop and validate an automated method to segment the right ventricle.

In this thesis an active shape model is implemented and validated for automatic segmentation of the right ventricle in cardiac CT images. The model was trained on sixty subjects who all underwent a magnetic resonance (MR) examination and had their left and right ventricles manually outlined by professional physicians.

Validation was performed on patients with varying image quality from the Heart and Lung-foundation founded SCAPIS research project. The developed method has proven flexible enough to handle the many shapes of the right ventricle while not being tied to good image quality or strong edges. The algorithm will be implemented in the first version of the clinical software Segment CT provided by Medviso AB.

Popular Abstract (Swedish)

Denna mastersuppsats tar fram en metod för att automatiskt hitta och rita ut höger hjärtkammare i datortomografibilder. Hjärtat är ett av kroppens mest vitala organ där en liten störning kan leda till ödesdigra konsekvenser. Med detta i åtanke är det inte konstigt att hjärt- och kärlsjukdomar är den vanligaste dödsorsaken i världen. Det är på grund av detta som forskningsprojekt likt SCAPIS har vuxit fram där flera av de största sjukhusen i Sverige samarbetar för att bygga upp en kunskapsbank i förhoppning att hitta markörer som leder till framtida sjukdomar. Då SCAPIS-projektet går ut på att låta personer genomgår diverse undersökningar varav en är datortomografi där hundratals bilder av hjärtat samlas in så finns det stora mängder data att arbeta sig igenom.

I denna datortomografiundersökning så injiceras ett kontrastämne i patienten som gör att olika vävnader i kroppen får olika kontrast och därmed kan avbildas. Bilderna samlas in i flera tvådimensionella skikt som tillsammans ger en tredimensionell volym av hjärtat. Denna volym kan sedan analyseras i datorprogram för att ställa diagnoser på patienten.

Att manuellt utlinjera varje del av hjärtat och få fram dessa volymerna är otroligt tidskrävande och resultatet blir dessutom subjektivt. SCAPIS projektet siktar på att inkludera tusentals patienter vilket betyder att det kommer finnas för mycket data för att hinna gå igenom allt inom rimlig tid. Det finns redan program så som Segment som har funktioner att automatiskt hitta och rita ut vänster hjärtkammare i dessa datortomografibilder men det finns ingen funktion för höger kammare. Genom att skapa ett verktyg för att snabbt kunna ta fram den eftersökta volymen kan tid istället läggas på patienternas välmående.

Algoritmen använder sig av en så kallad "active shape model" vilket är en modell som byggs upp genom träning av redan segmenterade patienter där likheter och olikheter mellan olika högerkammare samlas in. Genom att sedan placera en form i bilden som undersöks kan modellen deformera sig själv tills den nått den eftersökta formen och en högerkammare är funnen. Programmet är begränsat till att enbart söka i den tidsfas då kammaren är som störst, och har dessutom som krav att vänster kammare redan måste vara utlinjerad.

Validering utfördes på tretton patienter. Bildkvalitén varierade och patienterna valdes ut för att få en jämn spridning av storleken på höger kammare. Tre metoder användes för att validera resultaten vilket gav en bild av vilka styrkor och svagheter algoritmen har. Resultaten visar att den föreslagna metoden fungerar väl och segmenteringarna motsvarar de som blivit manuellt utlinjerade.

Slutsatsen är att algoritmen fungerar väl för att automatiskt detektera och rita höger hjärtkammare i datortomografibilder för en tidsfas. Resultatet är jämförbart med det utfört av en läkare och flexibiliteten i programmet tycks vara stor. Dock finns där utrymme för förbättringar som bör implementeras innan programmet börjar användas kommersiellt.

• author: Öberg, Jesper
• supervisor: Einar Heiberg
• organization: Mathematics (Faculty of Engineering)
• course: FMA820 20151
• year: 2015
• type: H2 - Master's Degree (Two Years)
• subject: Mathematics and Statistics
• keywords: Automatic, segmentation, endocardium, right ventricle, active shape model
• publication/series: Master's Theses in Mathematical Sciences
• report number: LUTFMA-3281-2015
• ISSN: 1404-6342
• other publication id: 2015:E25
• language: English
• id: 5468395
• date added to LUP: 2015-06-18 12:03:44
• date last changed: 2015-06-18 12:03:44