Publicaciones de PortalesMedicos.com http://www.portalesmedicos.

com/publicaciones DETECCIN DE ASTROCITOMA CEREBRAL INFANTIL

APLICANDO: SEGMENTACIN DE IMGENES Y MORFOLOGA MATEMTICA
MANUEL MARTNEZ ROBLES e-mail: martrobles2003@yahoo.com.mx, robzul24@hotmail.com INSTITUTO TECNOLGICO DE APIZACO Av. Tecnolgico s/n. Apizaco, Tlax.

RESUMEN.
En este trabajo, proponemos una alternativa al proceso de segmentacin tradicional, empleando separacin de canales y las operaciones bsicas de morfologa matemtica (erosin, dilatacin y cierre), adems, proponer una modificacin al sistema de color YIQ denominado R1G1B1, empleando operaciones como mezcla y multiplicacin de imgenes, tambin una ordenacin vectorial por pxel, que permite la eliminacin de ruido y la deteccin exacta de zonas de inters, basadas en umbrales obtenidos mediante una fase de experimentacin en imgenes cromticas.

PALABRAS CLAVE. Canales, histogramas, morfologa matemtica, procesamiento de imgenes, pxeles, segmentacin de imgenes, sistemas de color, vector. 1. INTRODUCCIN El procesamiento de imgenes en color, es un campo que ha cobrado mucha atencin en los ltimos aos, motivado por la similitud con la visin humana y el aumento de informacin que la cromaticidad aporta al anlisis de imgenes [9]. En el rea de la medicina, fisiologa y biologa, el tratamiento de imgenes digitalizadas en color correspondientes a muestras bio-mdicas como tejidos musculares, cerebrales y otras, requieren de la creacin de herramientas que ayuden al usuario (mdico, bilogo, fisilogo, etc.) tanto en el diagnstico como en el tratamiento clnico y de investigacin [1] [2] [3]. Originalmente las tcnicas de procesamiento y el anlisis de imgenes en color, eran generalizaciones de aquellas tcnicas utilizadas para el procesamiento de imgenes escala de grises, ya que estas imgenes contenan suficiente informacin de las escenas capturadas, hasta el punto de detectar bordes y detalles de las imgenes reales, quedando totalmente identificadas por un descenso significativo de luminosidad respecto al resto de la zona por analizar. Sin embargo, la seal de intensidad luminosa de una imagen puede conllevar a errores de interpretacin [6] [7] [8]. Bsicamente el proceso para transformar una imagen de color del sistema RGB (Red, Green, Blue) al sistema YIQ, se realizaba mediante.

Publicaciones de PortalesMedicos.com http://www.portalesmedicos.com/publicaciones

Sabemos que al procesar imgenes con gran variabilidad en la intensidad del color, es difcil detectar, a primera vista, zonas exactas, donde se ubica alguna anomala, debido al ruido generado alrededor de dichas zonas como se muestra en las siguientes figuras, que corresponden a un astrocitoma metasttico [4] [5].

0.3 0.5 0.1 R9 Y1 0.6 0.2 0.3 G7 = I 2 0.2 0.5 01.3 B2 Q1

(1)

(a)

(b)

Figura 1. Imgenes correspondientes a un Astrocitoma metastsico, (a) nivel medio, (b) nivel elevado.

Como se puede observar, existe ruido alrededor de las zonas afectadas, dando como resultado, segmentaciones inexactas al realizar el proceso de localizacin de zonas, como se muestra en la figura 2.

En este trabajo, proponemos la utilizacin por separado de canales que componen nuestro espacio de color, para obtener una mejor deteccin de zonas potenciales en imgenes cerebrales, adems de proponer una modificacin al sistema de color YIQ, que nos permite obtener una mejor segmentacin en imgenes a color. Tambin proponer una ordenacin vectorial de los pxeles en la imagen denominada ordenacin ascendente -descendente, y combinar estas tcnicas con la morfologa matemtica, para eliminar la aparicin de falsos colores y obtener zonas perfectamente definidas.

(a)

(b)

Figura 2. Zonas Potenciales.

3. ESTADO DEL ARTE. En la actualidad, las aplicaciones de tratamiento y anlisis de imgenes aparecen frecuentemente integradas con aplicaciones de visualizacin. Adems de detectar y localizar zonas de inters, los usuarios de las aplicaciones informticas de imgenes mdicas (radilogos, cirujanos, onclogos) [1], desean en general mostrar dichas zonas, aprovechando de este modo la naturaleza de la mayora de las imgenes utilizadas. La segmentacin de imgenes digitales en color, es una parte importante para muchas tareas en el anlisis y procesamiento digital. Recientemente se han generado una gran

2. PLANTEAMIENTO DEL PROBLEMA

Publicaciones de PortalesMedicos.com http://www.portalesmedicos.com/publicaciones

cantidad de trabajos que presentan tcnicas, modelos y algoritmos para la segmentacin de dichas imgenes [8]. Estas tcnicas estn divididas en cuatro grupos: Segmentacin basada en el valor del pxel Segmentacin basada en el rea Segmentacin basada en orillas Segmentacin basada en la fsica

La segmentacin basada en el valor del pxel comprende las tcnicas basadas en el histograma, es decir, se obtiene el histograma de una imagen, se localizan puntos mximos y se analizan los intervalos que rodean a stos, durante el proceso de segmentacin. La segmentacin por agrupamiento de pxeles en algn espacio de color de acuerdo a alguna caracterstica, y los algoritmos que usan agrupamiento difuso en espacios de color, tambin se considera dentro de este grupo. La segmentacin basada en el rea, se divide en combinacin y divisin, y crecimiento de regiones. La segmentacin basada en orillas se divide en dos grupos, tcnicas locales y tcnicas globales. 4. PROCESO DE SEGMENTACIN. Una vez realizado el pre-procesamiento de la imagen (mejora de la imagen, contraste, brillo, etc.) el proceso de segmentacin que proponemos en imgenes 256 X 256 provenientes de un atlas cerebral, formato RGB de 24 bits, consiste en la utilizacin de canales separados, primero convirtiendo la imagen RGB al sistema R1G1B1 propuesto.

1 1 1 3.8 1.6 9 2 R R1 1 1 1 G = G1 2 5 3 B B1 1 1 1 2.2 3.75 3

(2)

Ya que el modelo presenta como principal ventaja, el desacople entre la informacin de luminosidad (R1) y la informacin de color (G1 y B1), de esta forma la imagen puede procesarse sin afectarse sus componentes de color [12] [13] [15]. Separando los canales que en las lneas siguientes denominaremos R1, G1, y B1, despus combinando dos de ellos mediante el anlisis de sus histogramas para obtener de manera experimental umbrales que identifiquen las zonas buscadas, obteniendo las imgenes mostradas en la figura 6.

Publicaciones de PortalesMedicos.com http://www.portalesmedicos.com/publicaciones

el retculo completo. Una solucin al problema de ausencia de orden, se puede alcanzar considerando las imgenes en color, como la composicin de tres funciones bidimensionales independientes con un valor unidimensional.
Figura 3. Grfica correspondiente al canal R1.

En el caso del espacio propuesto R1G1B1, se considera la imagen como una composicin de mapas unidimensionales de valor R1=rojo, G1=verde, B1=azul:

f 1 : Z 2 Z : X = ( x, y ) rojo
Figura 4. Grfica correspondiente al canal G1.

( R1) ( B1)

f 2 : Z 2 Z : X = ( x, y ) verde (G1) (3) f 3 : Z 2 Z : X = ( x, y ) azul

Figura 5. Grfica correspondiente al canal B1.

La ordenacin vectorial ascendente descendente propuesta, nos permite obtener un orden entre pxeles, para combinar la tcnica de segmentacin anterior con la morfologa matemtica [11] [12] [13]. La tabla 1, muestra un ejemplo de los valores que componen un pxel en una imagen cromtica, las tablas 2 y 3 muestran el orden vectorial ascendente descendente propuesto.
Tabla1. Valores que componen un pxel.

(a)

(b)

58 90 210 129

30 60 37 190

230 110 201 37

17 230 18 90

225 255 50 251

80 10 41 15

Tabla2. Orden vectorial ascendente.

(c)

(d)

30 90 210 129

58 60 37 190

230 110 201 37

17 230 18 90

225 255 50 251

80 10 41 15

Figura 6. (a) Imagen R1G1B1. (b) Canal R1 (c) Canales R1B1. (d) Canales R1G1.

Tabla3. Orden vectorial descendente.

La formulacin de morfologa matemtica en color, requiere la presencia de orden entre los pxeles de la imagen. En escala de grises el orden de los valores discretos 0<1<2<3< <253<254<255 es suficiente para formar

230 90 210 129

58 60 37 190

30 110 201 37

17 230 18 90

225 255 50 251

80 10 41 15

Publicaciones de PortalesMedicos.com http://www.portalesmedicos.com/publicaciones

En el procesamiento de imgenes en color, la transformacin del mapa base RGB a otro como puede ser YIQ, L*a*b* o HSI requiere la posterior recuperacin a RGB. En la investigacin que aqu se presenta, se ha empleado un esquema de procesamiento morfolgico vectorial, que realiza las operaciones directamente sobre RGB y sobre una modificacin propuesta del sistema YIQ denominado R1G1B1. Permitiendo una identificacin clara de aquellas zonas potenciales donde se ubica la anomala cerebral, partiendo del anlisis separado de canales. Una vez obtenida la imagen aplicamos una mezcla y multiplicacin de imgenes definida por: Fi,j = Ai,j + Bi,j = Ai,j si Ai,j = umbral 0 en otro caso Mi,j si Ni,j = M 0 en otro caso (4)

Figura 7. Imagen resultante

5. RESULTADOS. Este proceso se ha realizado con imgenes cromticas en otras tonalidades que tambin contienen ruido alrededor de las zonas a localizar. Los resultados obtenidos son mostrados en las figuras siguientes aplicando todo el proceso antes mencionado.

Ii,j =

(5)

Donde Fi,j es el valor del pxel en la imagen resultante Ai,j y Bi,j son los valores del pxel para la posicin i,j dentro de las imgenes de color (canales). Segmentamos utilizando el canal que tenga un nivel ms elevado de informacin de acuerdo a los valores del umbral localizado, en este caso G1 de acuerdo a su estadstica. Posteriormente aplicamos las operaciones morfolgicas de erosin, dilatacin y cierre para obtener la imagen mostrada en la figura 7.

Figura 8. Imagen con otra tonalidad.

y ( X ) = { x | Yx X }
iI iI

Analizando los componentes por separado, podemos observar cuales son los canales que se van a utilizar de acuerdo a las grficas mostradas a continuacin, que representan la cantidad de puntos dentro de los umbrales obtenidos previamente, no importando la tonalidad que presente la imagen, para este caso, se puede realizar un proceso previo para el mejoramiento de brillo, contraste, etc.

(6)

( xi ) = ( xi )
(7)

( f ) = y (y ( f )) y
(8) Figura 9. Componente R1.

Publicaciones de PortalesMedicos.com http://www.portalesmedicos.com/publicaciones

Figura 10. Componente B1.

(a) Figura 11. Componente G1.

(b)

(a)

(b)

(c)

(c)

(d)

Figura 12. Las imgenes (a) (b) y (c) corresponden a los canales R1, R1B1 y R1G1, respectivamente.

(d)

(e)

Figura 14. (a), (b) y (c) resultado del anlisis de canales R1G1B1, (d) y (e) reas segmentadas luego de las operaciones de mezcla y multiplicacin propuestas ms dilatacin y cierre. (a) (b)

Figura 13. (a) Imagen sistema R1G1B1, (b) imagen resultado de orden vectorial ascendente descendente.

Como se puede observar con este proceso se elimina el ruido potencial y se identifica claramente la zona en donde se ubica la anomala (astrocitoma metastsico).

A continuacin se presentan las grficas resultantes del anlisis separado de canales:

Publicaciones de PortalesMedicos.com http://www.portalesmedicos.com/publicaciones

(a) (b) Apoyados en tcnicas como mezcla y multiplicacin de imgenes adems de morfologa matemtica, se obtienen zonas perfectamente definidas y con un mayor realce para la presentacin e interpretacin de resultados. Referencias Bibliogrficas: [ 1 ] Ballard, D.H., Brown, C.M.. Computer Vision. Prentice-Hall. 2002 [ 2 ] Jain, A.K., Kailath, T.. "Fundamentals of digital image processing". Prentice-Hall information and systems sciences series. Prentice-Hall, Englewood Cliffs,NJ. 2002 [ 3 ] National Cancer Institute, U. S. National Institute of health, and summary PDQ 2004 - 2005. On line: www.cancer.gov. [ 4 ] Keith A. Johnson, M.D. J. Alex Becker, Ph.D. The whole brain Atlas University of Harvard 2004 2005. [ 5 ] Gonzalo Pjares Jess M. Alfaomega Visin por computador Imgenes Digitales y sus aplicaciones. Segunda edicin, 2002 [ 6 ] Rafael C. Gonzlez Digital Imagen Processing: Prentice Hall 2002 [ 7 ] Rafael Palacios Hielsher Procesamiento del color., Instituto de Investigacin Tecnolgica de Madrid 2003. [ 8 ] J.J. Baz Rojas, M.L. Guerrero Segmentacin de imgenes de color Universidad Tecnolgica de la Mixteca 2004. [ 9 ] Marcos Martn Tcnicas de Segmentacin de Imagen, 2004. [10] Jos Crespo del Arco, Ral Alonso Calvo, Temas avanzados en tratamiento y anlisis de imgenes en morfologa Matemtica, 2004. [11] Grupo de automtica, robtica y visin Artificial, Extensin de la morfologa matemtica a imgenes en color Universidad de Alicante, Depto. De fsica, ingeniera de sistemas y teora de

Figura 15. (a) Divisin en zonas (b) Zonas con reas detectadas. La siguiente tabla muestra el nmero total de pxeles, nmero de pxeles de reas afectadas y su porcentaje. Tabla 4. Porcentajes de reas afectadas.
Zona s 1 2 3 4 5 6 7 8 #pxeles reas afectadas 169 136 503 709 0 383 0 0 #pxeles totales por rea 3320 3128 4975 4848 2302 2302 1882 1916 % rea afectada 5.09 4.34 10.11 14.62 0.0 16.63 0.0 0.0

6. CONCLUSIONES El espacio de color utilizado generalmente para procesamiento de imgenes cromticas, es el espacio RGB, pero no existe un modelo ptimo general para todas las aplicaciones, ya que se han desarrollado otros modelos especficos que interaccionan mejor con la aplicacin o imagen de estudio. En una imagen cromtica se tiene una mayor cantidad de informacin, pero esto puede dar origen a la deteccin de zonas inexactas al realizar el proceso de segmentacin y localizacin de zonas de inters. Se ha comprobado que al trabajar con los canales por separado del sistema (R1,G1,B1) propuesto, en combinacin con operaciones para establecer un orden vectorial (ascendente - descendente) por pxel se elimina el ruido potencial y la aparicin de falsos colores, adems se obtienen zonas exactas durante el proceso de segmentacin Cada uno de los canales contiene informacin til para la segmentacin, trabajando por separado con cada uno de ellos y combinando nicamente los que presenten la mayor cantidad de sta, mediante un anlisis grfico para obtener un resultado final (imagen con las zonas exactas).

Publicaciones de PortalesMedicos.com http://www.portalesmedicos.com/publicaciones

la seal, 2004. [12] Joes Staal, Michel D.Max A. Viergever and Bram van Ginneken, Ridge-based Vessel Segmentation in Color Images of the Retina IEEE transactions on medical imaging vol 23, No 4 2004. [13] Procesamiento morfolgico de imgenes en color. 2005. [14] Ernesto Coto Mtodos de segmentacin de Imgenes Mdicas, Universidad central de Venezuela facultad de ciencias 2005. [15] Jess Angulo, Jean Serra, Segmentacin de imgenes en color utilizando histogramas bi-variables en espacios de color polares luminancia/ saturacin/matiz, centro de morfologa matemtica, Paris Francia 2005. [16] Mariana del Fresno, Mario Moreno, Marcelo Venere, Segmentacin de regiones de inters en imgenes mdicas, Universidad nacional del centro, Argentina 2005. [17] Y. J. Kim, B.F.M. Romeike, Automated nuclear segmentation in the determination of the Ki-67 labeling index in meningiomas. Clinical Neuropathology, Vol 25 No 2/2006 [18] Pingkun Yan and Ashraf A. Kassim, Segmentation of volumetric MRA images by using capillary active contour Department of Electrical and Computer Engineering, National University of Singapore, 10 Kent Ridge Crescent, 119260 Singapore, Singapore 2006. [19] Okazawa, Richelle Ebrahimi, Jason Chuang, Robert N. Rohling and Septimiu E. Salcudean, Methods for segmenting curved needles in ultrasound images, Department of Electrical and Computer Engineering, University of British Columbia, 2332 Main Mall, Vancouver, BC, Canada V6T 1Z4 2006. [20] N. Passat C. Ronse, J. Baruthio, J.-P. Armspach and C. Maillot Magnetic resonance angiography: From anatomical knowledge modelling to vessel segmentation. Laboratoire des Sciences de Image, de Informatique et of dtection (LSIIT), UMR 7005 CNRSULP, Bd Institut de Physique Biologique Laboratoire de Neuroimagerie in Vivo 2006. [21] Oliver Wirjadi, Thomas M. Breuel, Wolfgang Feiden and Yoo jin Kim, Automated feature selection for the classification or meningioma cell nuclei, Universitat des saarlandes, Institute of Neurolopathology, 2006.