Representação e quantificação de redes vasculares a partir de imagens de angiografia tridimensional

• Main Author: Miguel Angel Galarreta Valverde
• Other Authors: Marcel Parolin Jackowski
• Language: Portuguese
• Published: Universidade de São Paulo 2017
• Subjects: Angiografia; Caracterização; Morfologia vascular; Quantificação; Angiography; Characterization; Quantification; Vascular morphology
• Online Access: http://www.teses.usp.br/teses/disponiveis/45/45134/tde-15022018-163753/

As imagens de Angiografia por Ressonância Magnética (angio-RM) e Tomografia Computadorizada (angio-TC) são ferramentas amplamente usadas em processos de quantificação vascular e no diagnóstico de doenças cardiovasculares, as quais são consideradas entre as principais causas de morte. Contudo, a análise dos vasos em larga escala a partir das imagens é dificultada, tanto pela variabilidade natural dos vasos no corpo humano, quanto pela grande quantidade de dados disponíveis. Além disso, os métodos de quantificação existentes, usualmente extraem as características a partir dos esqueletos, ou até mesmo das próprias imagens de angiografia, razão pela qual tais métodos podem fazer necessária a reanálise das imagens repetidas vezes. Com o intuito de facilitar a análise e de fornecer uma ferramenta de apoio ao diagnóstico, neste trabalho são apresentados um modelo de representação textual de redes vasculares e uma metodologia de quantificação vascular automática, que é feita a partir dessa representação. A representação é obtida a partir da segmentação de imagens volumétricas de angio-RM e angio-TC, seguida da extração de trajetórias e diâmetros de redes vasculares. Tal representação é híbrida, combinando grafos e uma sequência textual de instruções, e permite não apenas a extração de caraterísticas morfológicas da rede vascular, como também a compressão das imagens e, ainda, a reconstrução de imagens similares às imagens originais. A partir das características extraídas, foram realizados estudos comparativos entre arquiteturas vasculares, o que é feito tanto por meio do uso de imagens sintéticas, como por meio de imagens reais, imagens nas quais foi possível encontrar diferenças entre arquiteturas, além de viabilizar a caracterização de aneurismas em um indivíduo. Paralelamente, desenvolvemos um método que permite identificar similaridade entre segmentos vasculares, o que por sua vez possibilita o reconhecimento e rotulação de segmentos em um conjunto de redes vasculares. A metodologia por nós desenvolvida deve também auxiliar no desenvolvimento de processos de classificação de vasos sanguíneos, de ferramentas para o diagnóstico automático de doenças vasculares, e para a melhora de técnicas utilizadas na prática clínica. === Magnetic Resonance Angiography (angio-MR) and Computed Tomography Angiography (angio-TC) are widely used imaging techniques used for vascular quantification and the diagnosis of cardiovascular diseases, considered one of the main causes of death. Blood vessel analysis using angiographic images is intrisically difficult because of the natural human vessel variability and the large amount of information. Additionally, most quantification methods perform the analysis of entire datasets, which can be very time consuming when they need to be reanalyzed. With the aim of reducing these problems and to provide a tool to aid diagnosis, we propose a textual representation model for vascular networks and an automatic vascular quantification methodology. The representation is obtained from volumetric image segmentation of angio-MR and angio-TC, followed by the extraction of the trajectory and the blood vessel diameters. This representation is hybrid in nature, combining graphs and a sequence of textual instructions, allowing for the extraction of morphological features, image compression, and the synthesis of angiographic images. Using extracted features derived from the model, comparative studies of vascular architecture can be performed. Experiments were made using synthetic and real images, in which was possible to find structural differences that make feasible to characterize abnormalities such as aneurysms. Also, a vessel similarity identification method was developed, which makes it possible to recognize vessel segments and label them in a set of vessel networks. The proposed methodology should aid in blood vessel classification processes, automatic diagnosis of cardiovascular diseases, and allow development of methods and applications that could be used in the clinical practice.