Intensity-based medical image registration using metaheuristics

Abstract

Un paso clave en el análisis de imágenes médicas es la superposición, con el fin de establecer una correspondencia espacial de su contenido común, una tarea llamada registrado de imágenes. La base de todos los métodos de registrado de imágenes es un proceso de optimización, que explora el espacio de las transformaciones geométricas para determinar la que conduce a la mejor superposición. Las metaheurísticas son una familia de métodos de optimización, alternativa al las técnicas numéricas clásicas basadas en el gradiente, que son capaces de explorar de manera eficiente el espacio de posibles soluciones en problemas complejos del mundo real. Esta tesis se centra en la aplicación de metaheurísticas al registrado de imágenes basado en intensidades. En primer lugar, mediante el estudio del estado del arte en el campo, hemos identificado un elemento clave, común a los métodos más destacados: la capacidad de cambiar de una búsqueda amplia y global en su etapa más temprana, a una búsqueda más enfocada una vez que se ha encontrado una buena aproximación inicial. A continuación, hemos propuesto un nuevo método de registrado de imágenes basado en algoritmos genéticos. En una estrategia de resoluciones múltiples se han integrado unos mecanismos de reinicio y de frontera dinámica. Este enfoque específico al problema es el mayor responsable del excelente rendimiento del método. En una segunda propuesta, se han obtenido más mejoras mediante el uso de búsqueda dispersa para la optimización, debido a su flexibilidad, diseño modular y el uso de una población reducida. Nuestras propuestas han sido validadas a través de una comparación experimental meticulosa y un análisis estadística de los resultados. Hemos diseñado dos estudios diferentes que emplean imágenes de resonancia magnética simuladas y reales del cerebro, y hemos probado tanto la capacidad de los algoritmos para realizar el registrado de imagen directamente, así como para llevar a cabo la segmentación basada en un atlas. Se ha estudiado también la aplicación de técnicas automáticas de ajuste de parámetros a algoritmos de registrado de imágenes. A través de un proceso estocástico conocido como carreras iteradas, los algoritmos son configurados automáticamente para una aplicación específica y pueden devolver los mejores resultados posibles sin la carga de un ajuste manual o exhaustivo. Además de demostrar la aplicabilidad de este tipo de técnicas al registrado de imagen, hemos desarrollado una comparación más objetiva de los algoritmos de registrado a consecuencia del ajuste automático de sus parámetros. Todos los algoritmos en la comparativa se han beneficiado del ajuste con respecto a sus configuración por defecto. Además, nuestras dos propuestas han dado los mejores resultados en la comparativa, lo que demuestra la eficacia del registrado de imágenes basado en metaheurísticas también en este contexto. Por último, hemos desarrollado un nuevo algoritmo de segmentación basado en level sets. Nuestro algoritmo de registrado se utiliza para realizar una segmentación basada en un atlas, lo que resulta en una segmentación preliminar del objeto. Esta se utiliza como contorno inicial y como motor de la evolución del level set, junto con otros términos de fuerza que aprovechan la información de bordes y regiones. Hemos llevado a cabo una gran comparativa de métodos de segmentación en múltiples conjuntos de datos médicos, incluyendo imágenes histológicas, tomografías computarizadas e imágenes de resonancia magnética, en donde nuestro algoritmo supera a siete competidores de manera significativa.