Computer Assisted Detection in neuroimmagini FLAIR e DTI: individuazione, segmentazione automatica e volumetria dei gliomi cerebrali

COMPUTER ASSISTED DETECTION IN NEUROIMMAGINI FLAIR E DTI: INDIVIDUAZIONE, SEGMENTAZIONE AUTOMATICA E VOLUMETRIA DEI GLIOMI CEREBRALI Marina Donativi (1,6), Antonella Castellano (2,6), Giorgio De Nunzio (1,6), Gabriella Pastore (3,6), Matteo Rucco (4,6), Antonella Iadanza (2), Marco Riva (5), Lorenzo Bello (5), Andrea Falini (2) 1. Dip. di Matematica e Fisica “Ennio De Giorgi”, Univ. del Salento, Lecce 2. U.O. Neuroradiologia, Ospedale San Raffaele e Univ. Vita-Salute, Milano 3. Istituto di Ricerche Cliniche Ecomedica, Centro di Radioterapia e IGRT, Empoli 4. Univ. di Camerino, School of Science and Technology, Computer Science Division, Camerino 5. U.O. Neurochirurgia, Ist. Clinico Humanitas, Univ. di Milano, Milano 6. Advanced Data Analysis in Medicine, http://adamgroup.it FINALITA'. I sistemi automatici (CAD, Computer Assisted Detection) per la segmentazione e la volumetria dei gliomi cerebrali sono di grande interesse per la valutazione dell’estensione tumorale nella diagnosi, la pianificazione terapeutica e il follow-up: l’uso di un CAD può ridurre la soggettività della diagnosi, aumentandone l’accuratezza. In questo studio le immagini FLAIR e DTI di pazienti con glioma cerebrale sono state elaborate tramite analisi statistica tessiturale 3D per caratterizzare la struttura del tessuto tumorale e sviluppare un tool di segmentazione supervisionata automatica (“GlioCAD”), che fornisca la misura volumetrica delle lesioni e una valutazione degli istogrammi dei livelli di grigio di regioni di interesse [1]. MATERIALI E METODI. 34 pazienti con gliomi di basso e alto grado sono stati sottoposti a RM a 3T con sequenze 3D-FLAIR assiali e DTI (single-shot EPI, b=1000 s/mm2, 32 direzioni). Dalle immagini DTI sono state ottenute le mappe FA, MD, p e q. In ogni mappa sono state segmentate manualmente le regioni patologiche e, a queste ed al tessuto sano controlaterale, è stata applicata l’analisi tessiturale per identificare le caratteristiche (feature) discriminanti. La dimensionalità dello spazio delle feature è stata ridotta tramite Linear Discriminant Analysis (LDA), permettendo la classificazione e la segmentazione automatica del tumore. RISULTATI. Per ogni mappa sono state calcolate sensibilità, specificità e curve ROC, con ottimi risultati (0.90≤AUC≤0.97). Per la fruizione in remoto di GlioCAD è stato realizzato un plugin per OsiriX, che permette caricamento e visualizzazione delle immagini da segmentare, e l’invio al server sul quale risiede GlioCAD. Dopo un tempo di calcolo compatibile con la pratica clinica, le segmentazioni tornano al client e sono visualizzate insieme alle misure volumetriche e agli istogrammi. CONCLUSIONI. GlioCAD si propone come nuovo strumento, basato sull’analisi statistica tessiturale, per la segmentazione automatica dei gliomi cerebrali, la volumetria, e l’analisi quantitativa degli istogrammi nelle regioni di interesse. [1] G. De Nunzio, G. Pastore, M. Donativi, A. Castellano, A. Falini, A CAD system for cerebral gliomas based on texture features in DT-MR images, NIM A, doi:10.1016/j.nima.2010.12.086 (2011)