Dinámica Pulmonar de Estructuras Anatómicas de Interés en Imágenes 4DCT / Pulmonary Dynamics of Anatomical Structures of Interest in 4DCT Images

Resumen: El presente trabajo muestra una aplicación del algoritmo Chan-Vese para la segmentación semi-automática de estructuras anatómicas de interés (pulmones y tumor pulmonar) en imágenes de 4DCT de tórax, así como su reconstrucción tridimensional. La segmentación y reconstrucción se realizó en 10 imágenes de TAC, las cuales conforman un ciclo inspiración-espiración. Se calculó el desplazamiento máximo para el caso del tumor pulmonar usando las reconstrucciones del inicio de la inspiración, el inicio de la espiración, y la información del voxel. El método propuesto logra segmentar de manera apropiada las estructuras estudiadas sin importar su tamaño y forma. La reconstrucción tridimensional nos permite visualizar la dinámica de las estructuras de interés a lo largo del ciclo respiratorio. En un futuro se espera poder contar con mayor evidencia del buen desempeño del método propuesto y contar con la retroalimentación del experto clínico, ya que el conocimiento de características de estructuras anatómicas, como su dimensión y posición espacial, ayuda en la planificación de tratamientos de Radioterapia (RT), logrando optimizar las dosis de radiación hacia las células cancerosas y minimizarla en órganos sanos. Por lo tanto, la información encontrada en este trabajo puede resultar de interés para la planificación de tratamientos de RT.

Abstract: This paper presents an application of the Chan-Vese algorithm for a semi-automatic segmentation of anatomical structures of interest (lungs and lung tumor) in thorax 4DCT images, as well as its threedimensional reconstruction. Segmentations and reconstructions were performed in 10 CT images, which conform an inspiration-expiration cycle. The maximum displacement of the lung tumor was calculated using the reconstructions of the beginning of inspiration, beginning of expiration, and the voxel size information. The proposed method was able to succesfully segment the studied structures regardless of their size and shape. The threedimensional reconstruction allow us to visualize the dynamics of the structures of interest throughout the respiratory cycle. In the near future, we are expecting to be able to have more evidence of the good performance of the proposed segmentation approach, and to have feedback from a clinical expert, giving the fact that the knowledge of anatomical structures characteristics, such as their size and spatial location, may help in the planning of radiotherapy treatments (RT), optimizing the radiation dose to cancer cells and minimizing it in healthy organs. Therefore, the information found in this work may be of interest for the planning of RT treatments.

Sistema de Apoyo para la Cuantificación Semiautomática de Fibrosis Pulmonar en Imágenes de TAC / Support System for Semiautomatic Quantification of Pulmonary Fibrosis in CT Images

Resumen: En este trabajo se presenta un método para calcular los niveles de fibrosis pulmonar en imágenes de tomografía axial computarizada. Se utilizó un algoritmo de segmentación semiautomática basado en el método de Chan-Vese. El método mostró similitudes de forma cualitativa en la región de la fibrosis con respecto al experto clínico. Sin embargo es necesario validar los resultados con una base de datos mayor. El método propuesto aproxima un porcentaje de fibrosis de forma fácil para apoyar su implementación en la práctica clínica minimizando la subjetividad del experto médico y generando una estimación cuantitativa de la región de fibrosis.

Abstract: A method to estimate the pulmonary fibrosis in computed tomography (CT) imaging is presented. A semi-automatic segmentation algorithm based on the Chan-Vese method was used. The proposed method shows a similar fibrosis región with respect to clinical expert. However, the results need to be validated in a bigger data base. The proposed method approximates a fibrosis percentage that allows to achieve this procedure easily in order to support its implementation in the clinical practice minimizing the clinical expert subjectivity and generating a quantitative estimation of fibrosis region.