Algoritmos híbridos para la localización automática de puntos cefalométricos en volúmenes de tomografía computarizada de haz cónico para cefalometría 3D

Abstract

La cefalometría es un método de diagnóstico para obtener mediciones del cráneo que depende de la correcta localización de puntos anatómicos, conocidos como puntos cefalométricos. Dicha localización, generalmente se realiza de forma manual utilizando radiografías, y recientemente, tomografías de haz cónico (CBCT, Cone Beam Computed Tomography). La cefalometría una tarea que consume tiempo clínico y se considera repetitiva y tediosa (Guia, 2004), por tanto, la localización automática se establece como un problema de visión computacional estudiado recientemente en volúmenes CBCT. En esta tesis se presentan tres nuevos algoritmos híbridos para la localización automática de puntos cefalométricos en volúmenes CBCT así como su evaluación y comparación experimental con técnicas recientes del estado del arte. El primer algoritmo, está basado en conocimiento y en modelos deformables. Este algoritmo utiliza modelos de forma activa (ASM, Active Sha- pe Model) (Cootes et al., 1993) entrenados para realizar la búsqueda de puntos cefalométricos en proyecciones DRR (Digitally Reconstructed Radiographs) laterales y frontales independientes. Finalmente, en un proceso de correlación de ambas proyecciones, se estima la ubicación tridimensional de los puntos cefalométricos. El segundo algoritmo está fundamentado en el algoritmo basado en conocimiento propuesto por Gupta et al. (2015a). En este algoritmo se cambia totalmente la inicialización de Gupta por una inicialización en correlación de proyecciones. Posteriormente, dicha inicialización permite segmentar sub-volúmenes y llevar a cabo una búsqueda tridimensional local para la localización individual de cada punto estudiado. El tercer algoritmo para la localización automática de puntos cefalométricos en volúmenes CBCT, está basado en el registro de superficies no rígidas. En este algoritmo, se construyen imágenes 3D estructuradas a partir de la obtención de mapas de profundidad simulados desde cada volumen de prueba. Enseguida, mediante ICP (Iterative Closest Point) no-rígido, el registro 3D de una superficie de referencia con las superficies extraídas de los volúmenes de prueba es lleva- do a cabo. Así, los puntos cefalométricos anotados manualmente en la superficie de referencia, son reparametrizados a las demás superficies. Los algoritmos desarrollados probaron su eficiencia en la localización de 18 puntos cefalométricos comunes en un conjunto de 24 volúmenes CBCT seleccionados de una base de datos pública: The Virtual Skeleton Database (Kistler et al., 2013a). Luego del análisis de resultados, se concluye que la ubicación de los puntos cefalométricos puede lograrse por medio del uso de algoritmos híbridos de forma simple y eficiente. Estos resultados indican que los algoritmos son competitivos en comparación con algoritmos del estado del arte (Codari et al., 2016; Gupta et al., 2015a) alcanzando un error le localización medio de 2.07 mm con 1.16 mm de desviación estándar. Asimismo, el tiempo de procesamiento de los algoritmos desarrollados permite cálculos en un tiempo clínicamente aceptable al realizar el análisis por volumen en un tiempo medio de 12 minutos. Por otro lado, se debe notar que la base de datos CBCT experimentada es aún insuficiente para generalizar los resultados debido al número de sujetos, así como la ausencia de información de captura, origen y homogeneidad de los datos. Una forma de atender esta necesidad, puede ser promover la colaboración con instituciones médicas.