Towards the automation of colon segmentation in magnetic resonance images

Abstract

(English) The study of the colonic volume has strong relevance in gastroenterology and contributes to the diagnosis and research of lowseverity diseases such as constipation, diarrhea, or Irritable Bowel Syndrome. In the context of these affections, the use of invasive techniques or ionizing imaging is not advisable, and the medical experts opted for Magnetic Resonance Imaging (MRI) acquired without contrast administration nor any form of patient preparation to avoid exogenous colon alteration. Specifically, two MRI modalities are of special interest: T2-weighted half-Fourier acquisition single-shot turbo spin echo sequence (T2-HASTE), which allows the segmentation of the colon lumen, and T1-weighted Fat-Sat (T1-FS), where fecal and gas contents can be distinguished. The colon analysis requires the segmentation of the colon both in T1-FS and T2-HASTE images, which is a cumbersome and timeconsuming process when performed manually. Moreover, manual segmentation involves a high degree of uncertainty in the colon boundaries delimitation, which leads to arbitrariness and poor measurement repeatability. This Ph.D. Thesis proposes an end-to-end quasi-automatic framework that comprises all the steps required to accurately segment the colon in T2-HASTE and T1-FS images, allowing the study of its morphology and the colonic content distribution. In order to ease the validation of the automated segmentation results, a tool for the synchronized T1-FS/T2-HASTE visualization has also been designed. T2-HASTE segmentation is organized as a three-stage pipeline. In the first stage, a custom tubularity filter is run to detect colon candidate areas. The specialists provide a list of points along the colon trajectory, which are combined with tubularity information to calculate an estimation of the colon medial path. In the second stage, the colon region of interest is delimited by applying custom segmentation algorithms to detect colon neighboring regions and the fat capsule containing abdominal organs. Finally, within the reduced search space, the segmentation is performed via 3D graph-cuts in a three-stage multigrid approach. T1-FS colon segmentation is based on a non-rigid registration of the T2-HASTE image towards the T1-FS image. The mapping transformation delivered by the registration is used to translate the T2-HASTE colon segmentation to the T1-FS space. A novel Iterative Colon Registration process corrects the registered colon misalignments by employing a mesh deformation approach guided by a probabilistic model. The model provides information about the presence of feces, colonic gas, and the surrounding fat. Each iteration alternates a deformation phase with a shape-preservation phase to counterbalance the lack of boundary information that characterizes the regions of the colon containing gas. This process converges into an optimal fit of the colon segmentation in the T1-FS. The experiments have proven the accuracy and usability of the algorithms, which contributed to the integration of MRI image-based colon analysis into the clinical routine. The results imply a substantial step towards a fully automated segmentation, speeding up the acquisition of further data for research and diagnosis purposes while improving the repeatability of the measurements.

(Català) L'estudi del volum colònic és especialment rellevant per a la gastroenterologia i contribueix al diagnòstic i la recerca de malalties de caràcter lleu com poden ser el restrenyiment, la diarrea o la síndrome del còlon irritable. En el context d'aquestes afectacions, l'ús de tècniques invasives o ionitzants no està prou justificat i els equips mèdics han optat per l'ús d'imatges per ressonància magnètica (MRI) adquirides sense contrast ni cap altra forma de preparació, evitant així l'alteració de l'estat natural del còlon. Existeixen dues modalitats de MRI d'especial interès per a aquest propòsit: T2-weighted half-Fourier acquisition single-shot turbo spin echo sequence (T2-HASTE), que permet la segmentació del lumen del còlon, i la seqüència T1-weighted Fat-Sat (T1-FS), en la que es pot distingir el contingut fecal i el gas intestinal.

L'anàlisi del còlon requereix la segmentació completa a les dues modalitats, T1-FS i T2-HASTE, el que comporta un procés manual summament lent i laboriós. Addicionalment, la segmentació manual duu associada un alt grau d'incertesa al voltant dels contorns del còlon, que es tradueix en arbitrarietat i una baixa repetitividad dels mesuraments.

Aquesta tesi proposa un sistema automatitzat extrem a extrem, que inclou tots els passos necessaris per a aconseguir una segmentació de còlon precisa en imatges T2-HASTE i T1-FS, permetent l'estudi de la morfologia i la distribució dels continguts colònics. Per a facilitar la validació dels resultats de la segmentació automàtica, s'ha desenvolupat una eina per a la visualització sincronitzada de totes dues modalitats T1-FS/T2-HASTE.

La segmentació d'imatges T2-HASTE és un procés constituït per tres fases. En la primera, s'utilitza un filtre de tubularidad especialitzat per a detectar àrees candidates. Els metges marquen uns punts de referència al llarg del còlon, que en combinació amb la informació de tubularidad permeten calcular una estimació de la línia medial del còlon. En una segona fase, es determina la regió d'interès mitjançant algorismes dissenyats per a detectar regions circumdants al còlon i la capsula de greix que allotja els òrgans abdominals. Finalment, una vegada establert un espai de cerca més reduït, es procedeix a la segmentació basada en l'algorisme 3D graph-cuts usant una estratègia multi-escala a tres nivells.

La segmentació d'imatges T1-FS es fonamenta en un registre no-rígid de la modalitat T2-HASTE cap a T1-FS. La transformació espacial obtinguda pel registre s'utilitza per traslladar la segmentació del còlon de T2-HASTE cap a l'espai T1-FS. Un nou procés iteratiu de registre del còlon corregeix els desajustaments del registre inicial mitjançant una estratègia de deformació de malles guiada per un model probabilístic. El model proporciona informació sobre la presència de femta, gas colònic i greixos circumdants. A cada iteració s'alterna una fase de deformació amb una fase de preservació de geometria per tal de compensar la falta d'informació de contorn que caracteritza algunes regions del còlon, especialment aquelles que contenen gas. Aquest procés convergeix en un ajust òptim de la segmentació a la imatge T1-FS. Els experiments han demostrat la precisió i usabilitat dels algorismes dissenyats, que han contribuït a la integració de l'anàlisi basada en imatges de ressonància magnètica a la rutina clínica. Els resultats impliquen un avanç substancial cap a la segmentació totalment automàtica, accelerant l'adquisició de noves dades per a la recerca i els diagnòstics clínics, millorant al seu torn la repetitividad dels experiments.

(Español) El estudio del volumen colónico es especialmente relevante para la gastroenterología y contribuye al diagnóstico y a la investigación de enfermedades de carácter leve como pueden ser el estreñimiento, la diarrea o el síndrome del colon irritable. En el contexto de dichas afectaciones, el uso de técnicas invasivas o ionizantes no está suficientemente justificado y los equipos médicos han optado por el uso de imágenes por resonancia magnética (MRI) adquiridas sin contraste ni ninguna otra forma de preparación, evitando así la alteración del estado natural del colon. Existen dos modalidades de MRI de especial interés para este propósito: T2-weighted half-Fourier acquisition single-shot turbo spin echo sequence (T2-HASTE), que permite la segmentación del lumen del colon, y la secuencia T1-weighted Fat- Sat (T1-FS), en la que se pueden distinguir el contenido fecal y el gas intestinal. El análisis del colon requiere la segmentación completa en ambas modalidades, T1-FS y T2-HASTE, lo que conlleva un proceso manual sumamente lento y laborioso. Adicionalmente, la segmentación manual lleva sujeta un alto grado de incertidumbre alrededor de los contornos del colon, que se traduce en arbitrariedad y un bajo nivel de repetitividad de las mediciones. Esta tesis propone un sistema automatizado extremo a extremo, que incluye todos los pasos necesarios para conseguir una segmentación de colon precisa en imágenes T2-HASTE y T1-FS, permitiendo el estudio de la morfología y la distribución de los contenidos colónicos. Para facilitar la validación de los resultados de la segmentación automática, se ha desarrollado una herramienta para la visualización sincronizada de ambas modalidades T1-FS/T2-HASTE. La segmentación de imágenes T2-HASTE es un proceso constituido por tres fases. En la primera, se utiliza un filtro de tubularidad especializado para detectar áreas candidatas. Los médicos marcan unos puntos de referencia a lo largo del colon, que en combinación con la información de tubularidad permiten calcular una estimación de la línea medial del colon. En una segunda fase, se determina la región de interés mediante algoritmos diseñados para detectar regiones circundantes al colon y la capsula de grasa que hospeda los órganos abdominales. Finalmente, una vez establecido un espacio de búsqueda más reducido, se procede a la segmentación basada el algoritmo 3D graph-cuts usando una estrategia multi-escala a tres niveles. La segmentación de imágenes T1-FS se fundamenta en un registro no-rígido de la modalidad T2-HASTE hacia T1-FS. La transformación espacial obtenida en el registro se utiliza para trasladar la segmentación del colon de T2-HASTE hacia el espacio T1-FS. Un nuevo proceso iterativo de registro del colon corrige los desajustes del registro inicial mediante una estrategia de deformación de mallas guiada por un modelo probabilístico. El modelo proporciona información sobre la presencia de contenido fecal, gas colónico y grasa circundante. En cada iteración se alterna una fase de deformación con una fase de preservación de geometría para compensar la falta de información de contorno que caracteriza algunas regiones del colon, especialmente aquellas que contienen gas. Este proceso converge en un ajuste óptimo de la segmentación a la imagen T1-FS. Los experimentos han demostrado la precisión y usabilidad de los algoritmos diseñados, que han contribuido a la integración del análisis basado en imágenes de resonancia magnética a la rutina clínica. Los resultados implican un avance substancial hacia la segmentación totalmente automática, acelerando la adquisición de nuevos datos para la investigación y los diagnósticos clínicos, mejorando a su vez la repetitividad de los experimentos.