Magic-5 Workshop on Medical Imaging
applications and tools
Genova, 2 – 4 Dicembre 2009
Classificazione multivariata di scatole ippocampali
Roberto Bellotti, Gianfranco Gargano, Laura
Monno, Sonia Tangaro
Dipartimento Interateneo di Fisica “M. Merlin” - Università degli Studi di Bari
Istituto Nazionale di Fisica Nucleare - Sezione di Bari
1
Indice
Sistema automatico di estrazione delle scatole ippocampali
(HB)
La tessitura: matrice di co-occorrenza 3D
Estrazione delle features
Classificazione
Risultati sperimentali
Conclusioni e Sviluppi Futuri
2
Sistema automatico di estrazione
delle scatole ippocampali
La tessitura delle immagini
TESSITURA:
Disposizione geometrica ripetitiva di
livelli di grigio in un'immagine
Caratteristiche dell'elemento
di tessitura (texel)
Conformazione
Direzionalità
Periodicità o scala
4
Statistica dei livelli di grigio
Primo ordine
Si osserva la ricorrenza di un
valore di grigio (istogramma)
Secondo ordine
Si osserva la ricorrenza di una coppia di livelli di grigio ai capi di un
segmento scelto nell'immagine secondo un'orientazione definita
(istogramma bidimensionale o matrice di Co-Occorrenza).
Metodi statistici per l’analisi della
tessitura
Statistica del primo
ordine
Occorrenza di un dato valore
di grigio in un pixel di una
immagine
# di
occorren
ze
Hisogram H(g)
4096
Singolo pixel
Statistica del II ordine
Co-occorrenza di due valori
di grigio in due pixel distinti
di una immagine ad una data
distanza e direzione
(Di, Dj)
# di cooccorren
ze
H Di, Dj(g1,g2)
4096
4096
La matrice di Co-occorrenza
Introdotta da Haralick[1] nel 1973
Direzione =0°
Distanza d=1
Livello1 'grigio più scuro' g3
Livello2 'grigio più chiaro' g1
La matrice 2Md, (l1, l2)
Ciascun valore indica il numero
di coppie di pixel di intensità l1
ed l2 posti ad una distanza d nella
direzione .
d=1
=0
g1
g2
g3
g1
1
1
1
g2
3
0
0
g3
3
1
0
°
[1] R.M. Haralick et al., IEEE Trans. Syst., Man Cybern., 6 (1973) 610
La matrice di co-occorrenza
nel caso 3D
La matrice 3Md, dz, (l1, l2)
Ciascun valore indica il numero di coppie di voxel di intensità l1
ed l2 posti ad una distanza d e sulla direzione nel piano X-Y
e ad una distanza dz e sulla direzione lungo la direzione Z.
Spazio delle features
Selezione delle 4 features INDIPENDENTI
DALLA NORMALIZZAZIONE estratte dalle
matrici di co-occorrenza 3D calcolate per le
scatole 30x70x30 voxel contenenti gli
ippocampi.
9
Dalle scatole ippocampali
alla classificazione
Scatole ippocampali 30x70x30 voxel
Estrazione matrici di co-occorrenza 3D lungo le
direzioni indicate in figura
Calcolo di 4 features per ciascuna matrice
Classificazione mediante
1. rete neurale con numero di neuroni dello strato intermedio variabile
2. SVM
Risultati: classificazione ANN e SVM
Dati: 59 malati - 67 sani
Risultati: classificazione n-fold
Risultati relativi a n=15 e 5 neuroni nascosti
Conclusioni e Sviluppi futuri
• È stata effettuata una classificazione tra soggetti sani e malati costruendo una
matrice di co-occorrenza estesa al caso 3D ed indipendente dal tipo di
normalizzazione dell'istogramma.
• Questi primi risultati ottenuti mostrano la concreta possibilità di investigare
ulteriormente la tessitura tridimensionale dell'ippocampo e di altre zone cerebrali,
al fine di perfezionare la capacità di discriminare tra sani e malati e di poter fare
previsioni sui soggetti a rischio (Mild Cognitive Impairment - MCI).
13
