CORPUS CALLOSUM KESİT YÜZEY ALANININ KOMŞULUK TAKİBİ YÖNTEMİYLE SEGMENTASYONU Mücahid Günay, Ahmet Alkan, Fuat Özkan 2, Davut Özbağ 3, Berin Tuğtağ 3 Elektrik-Elektronik Mühendisliği Bölümü Kahramanmaraş Sütçü İmam Üniversitesi aalkan@ksu.edu.tr, mucahidgunay@gmail.com 2 Tıp Fakültesi Radyoloji ABD 3 Tıp Fakültesi Anatomi ABD Kahramanmaraş Sütçü İmam Üniversitesi ÖZET Corpus callosum (CC), iki beyin yarısının kortikal ve alt kortikal sinirleri arasında iletişimi sağlayan beyin yarıları arasında birleşme noktasına ait ana yapıdır. CC nin morfolojisi hastalıklar, cinsiyet, yaşlanma, interhemisferik iletkenlik gibi konularda bilgi içermektedir. Bu çalışmada 35 MR görüntüsü üzerinde mid-sagittal kesitte CC kesit alanı komşuluk takibi yöntemi tabanlı görüntü bölütleme teknikleriyle hesaplanmıştır. Elde edilen sonuçlar görüntü üzerinde uzman tarafından manuel olarak belirlenen CC kesit alanları ile karşılaştırılarak yöntemin başarısı ZSI indeks değerleri ile verilmiştir. Anahtar Kelimeler: Corpus Callosum, Komşuluk Takibi, ZSI.. GİRİŞ Corpus callosum un morfolojisi, sinirlerin haberleşmesinin veya beyinsel beyaz maddenin zarar görmesi halinde etkilenmektedir. Eğer gelişim tamamlanmadan önce etkilenmişse agnezi veya hipojenez olarak; gelişimin tamamlanmasından sonra oluştuysa atrofi olarak belirlenir [,2]. Sagital düzlemdeki manyetik rezonans (MR) görüntüleri CC nin gelişim aşamalarının ve sonradan edinilen değişikliklerin tespitinde kullanılabilir. Bastin, M. E. ve ark. (28), yaşlanmanın beyni nasıl etkilediğini incelemek için, difüzyon manyetik rezonans görüntüleme (dmri) verisinden traktografi yönteminin ileri yaşlarda beyaz madde iletkenliğini ölçmede kullanışlı bir araç olduğu ve ancak traktografi algoritmasının çıktısının kullanıcı tarafından belirlenen kaynak noktasına aşırı derecede bağlı ve aynı tract ı belirlemekte hem zor hem de zaman alıcı bir yöntem olduğu belirtilmiştir. Tract şekli modellemesi üzerine otomatik tek kaynak noktası temelli, olasılıksal model-temelli komşuluk izleme (PNT) olarak adlandırılan yöntemin, 65 yaş üstü akli dengesi yerinde bir grubun her elemanı için aynı alanı doğru bir şekilde segmente edebilen yeni bir yöntem araştırmışlardır. Kaynak noktası dikkatlice seçilirse, otomatik olarak yaşlıların beynindeki tractları tek kaynak noktalı traktografi kullanarak segmente etmenin mümkün olacağı bildirilmiştir[3]. Dubb, A. ve ark. (23), Yıllarca süren araştırmalara rağmen, insan CC sinde cinsiyete bağlı morfolojik fark olup olmadığı konusunda anlaşmaya varılamadığı belirtmiştir. Probleme yüksek kesinlikli bilgisayarlı şekil karşılaştırma tekniğiyle yaklaşmışlardır. Sağlıklı gönüllülerden elde edilen cranial MRI verileri (8-84 yaş arası) kullanılarak, bireysel callosa varyasyonları corpus callosum şekline göre geometrik dönüşümlerden elde edilen ve referans callosum u anatomik sınıflandırmaya incelenen callosa ile haritalandıran Jacobian determinant haritalarına göre nicelendirilmiştir. Determinant değerleri üzerinde uygulanan voksel tabanlı t testleri; erkeklerin dişilerden daha büyük genu ya sahipken dişiler daha büyük splenium a sahip olduğunu göstermiştir. Buna ek olarak yaşı bir bağlaşım olarak kullanan Pearson çizelgesi; erkek ve dişi callosa da, dişi splenium unun daha çok yaşla büyümeye; erkek genu sununsa küçülmeye meyilli olduğu yaşa bağımlı değişikliklerin farklı bir modelini göstermiştir. Sonuçlar; CC deki cinsiyetler ve sinirsel gelişim döngüsündeki muhtemel cinsiyet farklılıkları arasında kayda değer morfolojik farklar göstermektedir [4]. Huang, H. ve ark. (25), birleşik kortikal iletkenlik bilgisini morfolojik incelemek için difüzyon tensör görüntüleme (DTI) ve tract izleme tekniği uygulanmıştır. CC değişik kortikal bölgelerin izdüşümlerine göre altı temel bölüme parsellenmiştir. Bu parselleme sekiz normal özne ve bir bilinci yerinde olmayan hastada uygulanmıştır. Normal öznelerin parsellenmiş CC leri morfolojik analiz için normalize edilmiştir. Bilinci yerinde olmayan normal popülasyona benzeyen hastanın, motorik ve sensörik bölgelerinde klinik hasarlarla aynı doğrultuda belirgin bir körelme tespit ettiklerini bildirmişlerdir. Bu yaklaşım callosal morfolojik inceleme ve fonksiyonel ilişkilerde yeni bir araç sağlamıştır [5]. Park, J. S. ve ark. (2), CC nin mikroyapısal özellikleri, interhemisferik iletkenliği ölçmek amacı ile difüzyon tensör görüntüleme kullanılarak kapsamlı bir şekilde araştırılmıştır. Akson yoğunluğu ve callosal çıkıntının ilişkilerinin, bu parametrelerin interhemisferik iletkenliği nasıl etkilediğini anlamak için araştırılması gerektiği belirtilmiş, T ağırlıklı manyetik rezonans görüntüsünde ve fraksiyonel anizotropi(fa) görüntüsünde yarı otomatik bir CC segmantasyonu şeması kullanılmıştır. Bölümlendirilmiş CC nin parametrelendirme tekniği, 47 adet sağ elini kullanan sağlıklı yetişkin bireye uygulanmıştır. Callosal çıkıntı ve mikro-yapısal özellikler; callosal kalınlık ve difüzyon indisleri(fa, ana difüzivite, ve aksiyel ve radyal difüzivite) sırayla kullanılarak ölçülmüştür. Sonuçlarda; callosal katmanla arka bedendeki FA ve CC nin isthmus u arasında; bu bölümlerin, diğer bölümlere nazaran fiber değişimlere karşı daha hassas olduğu gösterilmiştir [6]. Rosas, H. D. ve ark. (2), CC yi oluşturan fiberlerin çoğunluğu 3. ve 5. katmanlardaki kontra-lateral yansıyan büyük piramitsel nöronlarından oluşmuş ve Huntington hastalığında (HH) bu nöronlar topografik ve geçici olarak seçici bir şekilde dejenere olacağı belirtilmiş. Kortikal dejenerasyonun herhangi bir odağının, korteksin homolog bölgelerine ikinci olarak iletememesi beklendiği için; bölgesel 264
Elektrik-Elektronik ve Bilgisayar Sempozyumu 2 seçim kortikal dejenerasyonunun, CC nin bölgesel seçim dejenerasyonunda yansıtılacağını hipotez olarak sunmuşlardır. Sağlıklı, Huntington gen taşıyıcıları ve HH bireylerde CC leri incelemek için konvansiyonel T ağırlıklı difüzyon tensör görüntüleme (DTI) ve değiştirilmiş CC segmentasyon şeması kullanılmıştır. Aynı araştırıcılar beyaz madde organizasyonunu, radyal difüziviteyi, miyelin entegreliği endeksini, ve aksiyal difüziviteyi, ve CC nin aksonal hasar indeksini gösteren mid-sagittal callosal kesitsel kalınlık ve FA dahil birkaç DTI parametresini ölçmüşlerdir. Bu ölçümlerin topolojik olarak seçici değişim dizisi önceden belirtilen bireylerde, büyük ölçüde erken HH semptomu olan bireylerde ve belirgin kavramsal ölçümlerle bağlantılı performansta, HH nin klinik semptomlarının bozulmuş interhemisferik transferinde önemli bir rolü olduğu belirtilmiştir. Sonuçlarda, neokorteksteki sinir fiberinin piramitsel nöronlarının, kortikokortikal iletkenliğin ve birleşimli kortikal işlemede fonksiyonel uzlaşmanın erken dejenerasyonuna kanıt sağladığı belirtilmiştir [7]. Bu çalışmanın amacı midsagital MR görüntüleri üzerinde CC kesit yüzel alanı ölçümlerinin komşuluk takibi yöntemi ile segmentasyonundan elde edilen verilerinin karşılaştırılmasıdır. 2.2. Metot 2.2.. Komşuluk Takibi Belirlenen bir pikselin komşu piksellerin aranan bölgeye ait olup olmadığı temeline dayanan bir yöntemdir. Giriş parametreleri olarak başlangıç noktasının satır(x) ve sütun(y) koordinatı, tolerans değerleri belirlenmelidir. 2. MATERYAL VE METOT 2.. Materyal Bu çalışmada 35 hastanın MR görüntüleri geçmişe dönük olarak değerlendirilmiştir. Muayeneler.5T MR (GE Signa Excite HD, GE Medical Systems, Milwaukee, Wisconsin, ABD) üzerine uygulanmış ve rutin seri elde edilmiştir. Sonra T2 ağırlıklı MR görüntüleri alan ölçümü için diğer iş istasyonuna transfer edilmiştir. T2 ağırlıklı görüntüler için parametreler şöyledir: FOV: 24 mm, matris: 52x52, dilim kalınlığı: 5 mm, dilimler arası boşluk: mm, NEX: 2-3, TR/TE: 7/99 msec Kullanılan 52x52 boyutunda 8-bit gri seviyeli 35 MR görüntüsünden bir örnek Şekil de gösterilmektedir. Şekil 2: Örnek cismin üzerinde komşuluk takibi yönteminin yayılışının her adım için gösterimi x,y konumundaki pikselin dörtlü komşuluklarının şiddetleri başlangıç noktasının şiddetinin tolerans aralığındaysa aranan bölgenin yeni sınırı olarak etiketlenir; değilse kabul edilmeyen alan olarak etiketlenir. Kabul gören piksellerin şiddet ortalaması yeni kıyas olarak belirlenir ve sınır piksellerinin komşulukları için bu etiketlemeler yeni sınır pikselleri kalmayıncaya kadar döngüsel olarak devam eder. Böylece alan belirlenmiş olur. Akış diyagramı aşağıda verilmiştir: Şekil : Örnek ham görüntü 265
Başla I,x,y,tolerans KARAR tablosuna ekle [x y I(x,y) durum] var durum= var mı? yok I boyutunda yeni bir resim oluştur ve KARAR tablosunda durum= ve 2 olanların x y koordinatlarına göre yeni resimde belirt. KARAR tablosunda durum= olanların x y koordinatlarını geçici KENAR tablosuna kopyala ve ortsiddet=(i(x,y)) Bitir KARAR tablosunda durum= olanları durum=2 yap KENAR tablosundaki her bir koordinatın 4 lü komşularını KOMŞULAR tablosuna kaydet KOMŞULAR tablosunda varsa aynı koordinatları sil KOMŞULAR tablosundan KARAR tablosunda bulunan aynı koordinatları sil KOMŞULAR tablosundaki x y koordianatları için I(x,y) yi hesapla ortsiddet*(-tol) <I(x,y)< ortsiddet*(+tol) durum= durum=3 Şekil 3: komşuluk takibi yöntemi akış diyagramı I: Giriş resmi x,y: İlgili pikselin satır ve sütun koordinatları I(x,y): İlgili pikselin şiddeti durum: -Kenar(Sınır) pikseli; 2-Kabul edilmiş piksel; 3- Reddedilmiş piksel; KARAR [x y I(x,y) durum]: pikselin koordinatları, şiddeti ve durumunun kaydedildiği tablo. KENAR [x y]: Geçerli iterasyon için sınır pikseli (durum=) olarak işaretlenen piksellerin koordinatlarının kaydedildiği tablo. KOMŞULAR [x y]: Geçerli iterasyon için KENAR tablosunda tutulan piksel koordinatlarının eşsiz komşuluklarının kaydedildiği tablo ortsiddet: KARAR tablosunda kabul edilmiş piksellerin (durum=2) şiddet ortalaması. tol:tolerans 266
Elektrik-Elektronik ve Bilgisayar Sempozyumu 2 Şekil 4: Komşuluk takibi yayılışının her iterasyon için renklendirilmiş hali (Bu görüntüde CC, 36 iterasyonda bulunmuştur) 2.2.2. İkili Görüntülerde Genişletme ve Daraltma Siyah-Beyaz resimlerde genişletme işlemi alan içerisindeki delikleri kapatmak için kullanılır. Bu işlem için resimdeki beyaz () olan piksellerin belirlenen komşu pikselleri beyaz yapılır. Komşuluklar önceden ihtiyaca göre belirlenmelidir. n piksel çapında bir delik kapanacaksa her piksel için komşuluk en az nxn olarak seçilmelidir. Bu komşuluğun ihtiyaçtan fazla seçilmesi alanın kenarlarında aşırı düzleşmeye neden olabilir. Delikleri kapanan fakat genişleyen alanın tekrar eski boyutlarına gelmesi için alan daraltma uygulamak gerekmektedir. Bu işlem için ise resimdeki siyah () olan piksellerin, genişletme işleminde kullanılan komşuluğa göre komşu pikselleri siyah yapılır. Böylece alan içindeki delikler kapanır ve kenarlar düzleşir. 2 8 6 4 2 3. BULGULAR VE TARTIŞMA CC nin morfolojisini etkileyen bir çok faktör mevcuttur. Bunlardan en önemlileri; gelişimsel anomali, miyelinleşme bozuklukları ve aksonların dejaneratif, iskemik, şizofreni veya travmatic kayıplarıdır [8,9]. CC nin konfigürasyonundaki değişiklikler difüz veya fokal olabilir. Bu değişimlerin subjektif değerlendirmesi rutin MR raporlarında ifade edilmiştir. Değişimlerin sayısal ifadesi, özellikle fokal için farklıdır. Anatomik segmentasyon çalışmaları, fokal değişimleri tespit etmedilirler. CC nin alanı, hastaların midsagital MR görüntüleri üzerinde ölçülmüştür. Bu ölçüm için kullanılan teknikle elle ölçülen alanlar karşılaştırılmış oldukça yakın sonuçlar elde edilmiştir. MR görüntülerindeki CC alanının hesaplanması için sırasıyla komşuluk takibi ve alan genişletme/daraltma işlemleri uygulanmıştır. Komşuluk Takibi (KT) yönteminde ilk olarak görüntüdeki CC içerisinden herhangi bir piksel başlangıç noktası olarak seçilmiştir. Bu bir piksellik alan dışardan girilen bir tolerans değerine göre başlangıç noktasının komşularından başlayarak tüm CC yi kapsayıncaya kadar benzer pikseller seçilir ve alan genişler. Sonuç çıktısı olarak CC nin beyaz piksellerle işaretlendiği ikili bir resim elde edilir. Buradaki beyaz alanın içerisinde resimdeki gürültüler nedeniyle küçük boşluklar bulunabilmektedir. Aslında CC ye dahil olması gereken bu boşlukları kapatmak için alan genişletme/daraltma işlemi uygulanmıştır. Bunun sonucunda boşluk kapanmış ve alan son halini almıştır. Bunun yanında tüm MR görüntülerdeki CC ler bir uzman tarafından elle seçilmiş, seçilen alan ikili resimde beyaz alan olarak kaydedilmiştir. Şekil 6: Manuel belirlenen CC nin alanı Program yardımıyla belirlenen ve elle seçilen bu alanları kıyaslamak için ZSI (Zijdenbos Similarity Index) kullanılmıştır. Şekil 5: Komşuluk takibi ile belirlenen CC nin alanı () Burada A ve B alanlarının ZSI ı hesaplanmaktadır. 267
ZSI elle ve program yardımıyla belirlenen iki alanın ne kadar kesiştiğini - arasında sonuç döndüren bir hesaplama yöntemidir. Sonuç e ne kadar yakınsa o kadar başarılı demektir[]. Bu yöntemde ne elle seçim ne de programın belirlendiği alan mutlak doğru kabul edilmemekte olup, iki seçimin de ağırlıkları hesaplamada eşittir. 5. KAYNAKLAR [] Barkovich, A. J., Analysing the corpus callosum, AJNR Am J Neuroradiol 7:643-645, 996. [2] Barkovich, A. J. and Norman, D., Anomalies of the corpus callosum: correlation with further anomalies of the brain AJNR Am J Neuroradiol; 5:7-79, 988. [3] Bastin, M. E., Piatkowski, J. P., Storkey A. J., Brown, L. J., MacLullich A. M. J. and Clayden, J. D., Tract shape modelling provides evidence of topological change in corpus callosum genu during normal ageing, NeuroImage 43 2 28, 28. [4] Dubb, A., Gur, R., Avants, B. and Gee, J., Characterization of sexual dimorphism in the human corpus callosum, NeuroImage 2 52 59, 23. Şekil 7: Manuel ve Komşuluk takibi ile belirlenen alanların kesişimi 4. SONUÇLAR Şekil 8 e baktığımızda 35 adet görüntü için manuel ve otomatik buldurulan alanların kesişim oranını gösteren ZSI birkaç görüntü hariç oldukça başarılıdır. Burada çoğunluğun indeksi,9 civarlarındayken birkaç indeksin,5 civarlarında olduğu görülmektedir. Bu az sayıda hatanın temel sebepleri otomatik bulunan alanların görüntülerinin tam ortadan alınamamasından kaynaklanan görüntüdeki ilgili bölgedeki karşıtlığın az olmasıdır. Tıbbi birçok araştırmada oldukça önemli bir yere sahip olan corpus collosum ara yüzeyinin bilgisayar kullanılarak az zamanda ve doğru olcumu oldukça önemlidir. Çalışma bu yönüyle önemli ve zaman kazandırıcı sonuçlar vermektedir..9.8.7.6.5.4.3.2. [5] Huang, H., Zhang, J., Jiang, H., Wakana, S., Poetscher, L., Miller, M. I., van Zijl, P. C. M., Hillis, A. E., Wytik, R., and Mori, S., DTI tractography based parcellation of white matter: Application to the mid-sagittal morphology of corpus callosum, NeuroImage 26 95-25, 25. [6] Park, J. S., Yoon, U., Kwak, K. C., Seo, S. W., Kim, S. I., Na, D. L. and Lee, J. M., The relationships between extent and microstructural properties of the midsagittal corpus callosum in human brain, NeuroImage 56 74 84, 2. [7] Rosas, H. D., Lee, S. Y., Bender, A. C., Zaleta, A. K., Vangel, M., Yu, P., Fischl, B., Pappu, V., Onorato, C., Cha, J. H., Salat, D. H. and Hersch, S. M., Altered white matter microstructure in the corpus callosum in Huntington's disease: Implications for cortical disconnection, NeuroImage 49 2995 34, 2. [8] Meguro, K., Constans, J. M., Courtheoux, P., Theron, J., Viader, F. and Yamadori, A., Atrophy of the corpus callosum correlates with white matter lesions in patients with cerebral ischaemia, Neuroradiology 42:43-49, 2. [9] Uchino, A., Kato, A., Yuzuriha, T., Takashima, Y. and Kudo, S., Cranial MR imaging of sequelae of prefrontal lobotomy, AJNR Am J Neuroradiol 22:3-34, 2 [] Zijdenbos, A. P., Dawant, B. M., Margolin, R. A. and Palmer, A. C., Morphometric analysis of white matter lesions in MR images: Method and validation, IEEE Trans Med Imag. 3:76 24, 994. 5 5 2 25 3 35 Şekil 8: 35 adet görüntü için ZSI değerleri 268