3.5 Descrizione dell’algoritmo di segmentazione
3.6.7 Confronto qualitativo con altre tecniche di segmentazione
In letteratura sono presenti diversi studi sulla segmentazione delle cartilagini articolari, ognuno dei quali utilizza una diversa tecnica di segmentazione. È possibile quindi valutare la bontà dei risultati qui ottenuti tramite un confronto con questi diversi approcci. Nello specifico, viene presentato un confronto con gli studi di Dodin et al. [13] e Fripp et al. [16] (si veda il Paragrafo 3.2 per una breve descrizione di tali algoritmi). In particolare, in [16] vengono segmentate solo le cartilagini articolari di soggetti sani, mentre in [13] solo quelle di soggetti affetti da artrosi.
Osservando i risultati ottenuti da Fripp in termini di sensibilità e spe- cificità, i risultati ottenuti da Dodin in termini di similarità (misurata da Dodin con il DSC rispetto ad una segmentazione semi–automatica) e, inoltre, i risultati di entrambi in termini di precisione (calcolata su misure di volume provenienti da segmentazioni ripetute), possiamo affermare che l’algoritmo sviluppato in questo lavoro di tesi è perfettamente in linea con questi, offrendo il loro stesso grado di precisione e accuratezza; inoltre tale algoritmo risulta più semplice e intuitivo rispetto agli altri due, il che lo rende fruibile da diverse tipologie di utenti.
Capitolo 4
Studio delle sottostrutture
ippocampali
Tra le regioni del cervello di maggiore interesse vi è l’ippocampo: situato nel lobo temporale mediale, è una struttura complessa il cui ruolo principale è legato alla memoria dichiarativa [47]. Tra le sue sottostrutture troviamo corno d’Ammone (CA1, CA2, CA3 e CA4), giro dentato (DG) e subiculum [14] (vedi Figura 4.1). Queste sono coinvolte in maniera complicata e selettiva in
diversi disturbi psichiatrici e neurologici [4, 41, 43, 69].
In particolare, i volumi e gli spessori delle sottostrutture ippocampali sono di fondamentale importanza nello studio dei primi stadi di malattie neurodegenerative come la Malattia di Alzheimer (Alzheimer’s disease, AD), una delle cause di demenza più comuni in tutto il mondo, caratterizzata da una progressiva atrofia delle strutture cerebrali: studi effettuati con MRI, infatti, hanno dimostrato che già dai primi stadi della malattia si riscontra un’atrofia delle strutture del lobo temporale mediale [2, 3, 32, 40, 60].
La MRI ci permette di investigare le regioni di interesse all’interno del cervello, tuttavia le immagini fornite dagli scanner clinici da 1.5 o 3 T non hanno una risoluzione spaziale tale da farci apprezzare le singole sottostrutture dell’ippocampo. Ma negli ultimi anni l’avvento di scanner a campo ultra–alto ha permesso il superamento di tali limiti: una migliore risoluzione spaziale (100–200 µm) e un miglior rapporto segnale–rumore consentono di individuare anche i leggeri cambiamenti che avvengono nelle strutture più piccole [48].
Tutto questo ha aperto la strada a numerosi studi non solo per la semplice visualizzazione delle sottostrutture ippocampali, ma anche per la ricerca in– vivo di biomarcatori per l’AD [34, 52, 65, 66]. È quindi cresciuto l’interesse nei confronti di misure volumetriche delle regioni dell’ippocampo, e diverse ricerche stanno ancora implementando protocolli MRI che permettano di visualizzarle. Nonostante il persistente disaccordo fra i vari gruppi di ricerca nella definizione anatomica delle sottostrutture ippocampali (la struttura dell’ippocampo è talmente complessa che i contorni fra regioni adiacenti sono
(a)
(b)
Figura 4.1: In (a) immagine coronale del cervello acquisita a7 T con una sequenza 2D GRE T2∗–w (TE= 22 ms, TR = 240 ms, Risoluzione nel piano = 0.3 × 0.3 mm2, Spessore slice = 2 mm) in cui viene evidenziata la
spesso difficili da individuare), vi è un interesse comune nel ridurre al minimo tali differenze [70] data l’attualità di questo argomento di ricerca (il quale, in ogni caso, offre risultati molto promettenti).
Nell’analisi volumetrica delle sottostrutture ippocampali la segmentazione gioca un ruolo fondamentale. Soprattutto in questo caso una segmentazione manuale è molto dispendiosa in termini di tempo (approssimativamente 50 ore per caso [31]) e risorse, pertanto si è alla ricerca di metodi semi–automatici o completamente automatici. La segmentazione automatica è possibile tramite l’utilizzo di due software: FreeSurfer e Automatic Segmentation of Hippo- campus Subfields (ASHS). Il lavoro da me personalmente svolto sullo studio delle strutture ippocampali ha, quindi, riguardato l’analisi di immagini UHF MRI dell’encefalo tramite i due software citati, con lo scopo di ottenere delle misure volumetriche per tali strutture.
La prima parte di questo capitolo, dopo una breve descrizione delle sequenze di acquisizione utilizzate per lo studio sull’ippocampo, spiega il funzionamento di entrambi i software per la segmentazione automatica (co- me lavorano, quali input richiedono, quali output restituiscono), mentre la seconda parte illustra i risultati ottenuti con immagini a 7 e 3 T , i problemi riscontrati e le possibili soluzioni.
4.1
Descrizione delle sequenze di acquisizione
Lo studio sulle strutture dell’ippocampo è stato svolto nell’ambito di una collaborazione con il laboratorio di ricerca IMAGO 7 [28] e il laboratorio di ricerca “Risonanza magnetica e fisica medica” dell’IRCCS Stella Maris diretto dalla Prof.ssa M. Tosetti [29]. Le immagini analizzate sono state acquisite presso la fondazione IMAGO 7 nell’ambito del progetto finanziato dal Ministero della Salute RF-2009-1546281 “Clinical impact of ultra high-field MRI in neurodegenerative diseases diagnosis” (Prof. M. Cosottini).
In questo paragrafo vengono descritte brevemente le sequenze SPGR e FSPGR utilizzate per le acquisizioni dell’encefalo (i cui parametri vengono riportati nei Paragrafi 4.4.1 e 4.5).
La SPGR e la FSPGR fanno parte della stessa famiglia di sequenze, ossia le sequenze spoiled a eco di gradiente (Spoiled Gradient Echo Sequence). Il termine “spoiled” fa riferimento all’eliminazione della magnetizzazione trasversale che potrebbe essere presente tra un TR e l’altro in una sequenza GRE. Lo spoiling assicura che, immediatamente prima di un impulso RF, lo stato stazionario della magnetizzazione non abbia componenti trasversali (si veda il Paragrafo 3.3.1 per una definizione di stato stazionario).
Sono tre i metodi per ottenere lo spoiling della magnetizzazione trasversale (e possono essere usati da soli o in combinazione) [22, 23]:
• TR T∗
2, in modo che la magnetizzazione trasversale si annulli in
• gradiente spoiler, in cui viene applicato un gradiente di ampiezza variabile lungo l’asse di selezione della fetta (ma a volte anche lungo l’asse di lettura) alla fine di ogni ripetizione, poco prima del successivo impulso RF;
• RF–spoiling, in cui si incrementa quadraticamente la fase dell’impulso RF in combinazione con il gradiente spoiler.
La SPGR (come anche la FSPGR) fa uso del RF–spoiling, e lo schema di tale sequenza è simile allo schema della stessa sequenza che utilizza il gradiente spoiler (vedi Figura 4.2). Nel caso del RF–spoiling gli impulsi RF non sono alternati ma, come già detto, vengono incrementati quadraticamente.
Figura 4.2: Schema della sequenza spoiled a eco di gradiente con gradiente spoiler. È presente un gradiente spoiler sia sull’asse di selezione della fetta (z) che sull’asse di lettura (x) [22].
Il segnale della sequenza SPGR dipende da molti fattori: tre parametri selezionabili prima dell’acquisizione (TR, TE, FA) e tre parametri propri dei tessuti (T1, T2∗ e ρ0). Assumendo che la magnetizzazione longitudinale
abbia raggiunto lo stato stazionario e che siamo in condizioni di uno spoiling perfetto, il segnale per questa sequenza è [23]:
SSP GR∝ ρ0 sin ϑ (1 − e−T RT1) 1 − cos ϑ e−T RT1 e− T E T ∗2 (4.1)
dove ϑ è il flip angle (FA). Da questa relazione è evidente che il tipo di contrasto ottenibile dipende da diverse combinazioni di fattori. In particolare, per un contrasto T1–w occorrono breve TR, breve TE e FA compreso nell’in-
tervallo [30◦,50◦], per un contrasto T∗
2–w occorrono TR lungo, TE lungo e
un FA piccolo e, infine, per un contrasto pesato in DP occorrono TR lungo, TE breve e FA piccolo.
Infine, specifichiamo che la FSPGR non è altro che una sequenza SPGR “Fast” (veloce) per la quale si usano valori di TR molto piccoli; a causa di que- sti valori di TR, in questo tipo di sequenza la magnetizzazione longitudinale non riesce a raggiungere lo stato stazionario, e questo si traduce in immagini pesate in DP a bassa risoluzione. Per ovviare a questo problema, la sequenza FSPGR utilizza un impulso “preparatorio” a 180◦ che inverte la magnetiz-
zazione; dopo un certo tempo di inversione (TI) si procede all’acquisizione (vedi Figura 4.3) [15].
Figura 4.3: Schema della sequenza FSPGR con impulso a180◦ di preparazione [15].
Il contrasto in questa sequenza è quindi determinato dal TI, che è l’inter- vallo di tempo che intercorre tra l’impulso a 180◦ e il punto centrale della
codifica di fase. Infine, l’aggettivo “fast” fa riferimento anche alla possibilità di acquisire più linee del k–spazio all’interno di un singolo TR.