La catena di analisi

La catena d’analisi per la segmentazione dell’ippocampo utilizzata è rap-presentata in Fig. 4.2

Come abbiamo già avuto modo di osservare, per studiare le immagini cerebrali di diversi pazienti, è necessario effettuare una normalizzazione tra

4.2 La segmentazione dell’ippocampo

Fig. 4.2: Schematizzazione dell’algoritmo utilizzato per il metodo di segmentazione.

soggetti, standardizzando le coordinate spaziali. Il primo modulo della cate-na d’acate-nalisi, quindi, consiste nella registrazione delle immagini cerebrali sul template standard (ICBM152) del Montreal Neurological Institute (MNI). Lo strumento utilizzato è la registrazione lineare di FSL: FMRIB Linear Re-gistration Tool (FLIRT). Poiché stiamo registrando tra loro immagini che non provengono dallo stesso soggetto, è necessario effettuare una registrazio-ne di tipo affiregistrazio-ne. Lo strumento di registrazioregistrazio-ne liregistrazio-neare utilizzato consente di impostare il numero di gradi di libertà desiderato, in questo caso 12. Opzioni avanzate consentono di scegliere anche il tipo di interpolazione da utilizzare. La funzione di interpolazione usata è la funzione spline. La funzione spline è uno strumento di analisi numerica che interpola i valori dei punti appar-tenenti ad un intervallo, suddividendoli in più sotto-intervalli e scegliendo per ciascuno di essi un polinomio che li interpoli al meglio. Successivamente vengono imposte le condizioni di continuità delle derivate prime per polinomi consecutivi [38].

l’ippocam-4.2 La segmentazione dell’ippocampo

po è sempre localizzato approssimativamente nella stessa regione. Il volume di ricerca quindi può essere ridotto delimitando questa regione detta volume d’interesse VOI (volume of interest ). Per l’estrazione di questa regione si è proceduto separatamente per quanto concerne la parte destra dell’ippocam-po e quella sinistra. Lo strumento utilizzato per effettuare l’estrazione della regione d’interesse è FSLROI di FSL, che ha come parametri da introdurre le coordinate del punto iniziale della regione da estrarre e la larghezza lungo le tre direzioni del volume d’interesse. Le dimensioni del volume da estrarre, detta anche scatola, sono 50 × 70 × 70. Questo metodo seleziona una larga zona peri-ippocampale, migliorando le performance e riducendo il costo com-putazionale di analisi, in quanto nei successivi moduli della catena di analisi verrà analizzata solo la regione ippocampale estratta.

Una volta estratta la VOI contenente l’ippocampo da analizzare, questa viene analizzata da un modulo di correlazione sviluppato sull’ambiente di lavoro MATLAB. Questo modulo si basa sul coefficiente di correlazione di Pearson definito come:

r(X, Y ) = ^σXY

σ_Xσ_Y ^(4.2)

dove σ_XY rappresenta la covarianza tra i valori delle variabili X e Y, mentre σ_X e σ_Y sono le rispettive deviazioni standard. X e Y nel nostro caso sono i valori delle intensità dei voxel corrispondenti per l’immagine d’ingresso e l’immagine di riferimento.

Sulla base di questo coefficiente vengono selezionate le regioni ippocampa-li, estratte dalle altre immagini del dataset ADNI, più correlate con la regione estratta in esame, tenendo presente se si tratta della regione ippocampale de-stra o sinide-stra. Oltre alle VOI correlate scelte in questo modo, è necessario scegliere anche le corrispondenti segmentazioni manuali. Anche queste so-no state inizialmente registrate, attraverso una trasformazione affine, nello spazio del template standard ICBM152 e quindi sono stati estratti i volumi contenenti le segmentazioni utilizzando le stesse coordinate scelte per l’estra-zione del volume d’interesse. Si è deciso di selezionare le prime cinquanta VOI estratte che presentano un alto valore del coefficiente di correlazione. Il set di dati risulta ridotto, ma più aderente all’immagine da segmentare,

4.2 La segmentazione dell’ippocampo

migliorando in questo modo le prestazioni di classificazione. Infatti, per ogni immagine da segmentare, il coefficiente di correlazione tra tale immagine e le immagini di addestramento è proporzionale alla probabilità di tale immagine di essere inclusa nel set di dati di addestramento. Le regioni ippocampali così selezionate vengono registrate utilizzando ancora una trasformazione affine nello spazio del volume d’interesse in esame, utilizzando gli stessi parametri usati durante la registrazione affine precedente.

Dopo aver selezionato le regioni ippocampali correlate con quella in esame e averle registrate affinemente nello spazio della VOI, si procede con una re-gistrazione di tipo non lineare. Lo strumento utilizzato per effettuare questo tipo di registrazione è FMRIB’s Non linear Image Registration Tool (FNIRT) dell’ambiente FSL. Il modulo di registrazione non lineare FNIRT acquisisce in ingresso le VOI correlate selezionate e utilizza come immagine di riferi-mento la regione ippocampale in esame. In questo modo viene effettuata una registrazione non lineare della VOI correlate nello spazio fisico della VOI considerata. Oltre all’immagine da registrare e all’immagine di riferimento, il modulo di registrazione non lineare, utilizza come dati di ingresso il file di parametri della trasformazione lineare precedente. Per far sì che FNIRT sia eseguito efficientemente, riducendo il tempo di esecuzione,vengono specifica-ti i livelli di sotto-campionamento. Questo implica che non viene uspecifica-tilizzata la risoluzione completa per effettuare una stima del campo di deformazio-ne(warp), ma questo non comporta una differenza significativa. Le opzioni di sotto-campionamento specificano in numero di iterazioni che devono essere effettuate e il fattore di risoluzione da applicare a ciascuna iterazione. Un altro parametro da impostare i pesi da attribuire ad ogni iterazione, in modo da forzare il campo di deformazione ad essere più levigato, per le registrazioni a bassa risoluzione. Questo modulo restituisce in uscita oltre all’immagine registrata, anche un’immagine in 4D contenente l’informazione del campo ap-plicato nelle tre direzioni (x, y, z) per ogni voxel della VOI. Questo descrive la deformazione applicata sull’immagine registrata (warp).

L’informazione del campo applicato durante la registrazione non linea-re, che descrive effettivamente la trasformazione non lineare effettuata per registrare le immagini, è stata inviata in ingresso al modulo APPLYWARP