Confronto di cinque software di segmentazione: analisi qualitativa pre stampante 3D


Authors
Pub.Info
Authors

Authors:

Martini Chiara

Pub.Info

Pubblication Date: 2019-10
Printed on: Volume 1, Special Issue - I Congresso FNO TSRM PSTRP

INTRODUZIONE

La stampa 3D è una tecnologia dalle grandi potenzialità in grado di apportare enormi vantaggi nel campo medicale in quanto permette la totale customizzazione, accompagnata da un’elevata accuratezza, dei dispositivi stampabili.

Il modello digitale stampabile si ottiene attraverso un preciso workflow: acquisizione del dataset di immagini volumetrico TC o RM, segmentazione dei volumi ed esportazione della struttura di interesse in formato STL, ed infine la stampa 3D.

OBIETTIVI

L’obbiettivo di questo studio è comparare i principali software open source per la segmentazione di immagini medicali. In particolare sono stati confrontati gli algoritmi di segmentazione semi-automatica consentiti dai vari software e verificata l’efficacia di questi in condizioni di degradazione progressiva di immagine.

MATERIALI E METODI

A tale scopo è stata utilizzata un TC Toshiba Aquilion per l’acquisizione di dieci dataset a vario voltaggio ed amperaggio di un fantoccio Head, composto da 3 cilindri di dimensioni e densità differenti. I set di immagini ottenuti sono stati segmentati utilizzando i seguenti software: 3Dslicer Osirix, Invesalius, Seg3D, ITK-SNAP. Le mesh ottenute sono state ripulite da imperfezioni e misurate rispettivamente con i software CAD open source Meshlab e Netfabb. Infine sono stati calcolati i triangoli di superficie, la differenza media percentuale delle medie aritmetiche delle dimensioni dei tre cilindri rispetto alle misure degli oggetti reali e realizzati dei grafici a linee con indicatori per visualizzare come le medie, organizzate in ordine decrescente di CTDIvol, si distribuiscono intorno alle misure degli oggetti reali, considerando una risoluzione di un decimo di millimetro.

RISULTATI E CONCLUSIONI

I risultati hanno dimostrato che attualmente non esistono ancora algoritmi liberi ed open-source che possano garantire risultati ottimali. Tuttavia, ITK-SNAP ha mostrato dati soddisfacenti tra l’accuratezza a basse dosi, il numero di triangoli di superfice e la facilità di utilizzo. Questo studio ha inoltre dimostrato che anche diminuendo la dose di radiazione, inferiore ai Livelli Diagnostici di Riferimento (in questo caso della TC Head) è possibile ottenere segmentazioni fruibili nella pratica clinica.