AM-FM medical image analysis

Abstract

Στην ανάλυση ιατρικών απεικονίσεων απαιτείται η χρήση αποτελεσματικών αναπαραστάσεων για διαφοροποίηση μεταξύ των περιοχών, οι οποίες παρεκκλίνουν από την κανονική δομή. Μέσω της μεθοδολογίας διαμόρφωσης πλάτους και διαμόρφωσης συχνότητας (Amplitude Modulation - Frequency Modulation (AM-FM)), παρέχονται αποτελεσματικές αναπαραστάσεις, οι οποίες περιγράφουν με τρόπο, που γίνεται φυσικά αντιληπτός, σύνθετες μη στάσιμες δομές, μέσω των οποίων μπορούν να γίνουν διακριτές παθολογικές καταστάσεις. Με βάση τα μοντέλα AM-FM, οι ιατρικές απεικονίσεις αποδιαμορφώνονται σε στοιχεία AM-FM, όπου η στιγμιαία συχνότητα (Instanteneous Frequency) εμπεριέχει πληροφορία τοπικής υφής. Το στιγμιαίο πλάτος (Instantaneous Amplitude) εντοπίζει τις διακυμάνσεις της φωτεινότητας, ενώ η στιγμιαία φάση (Instantaneous Phase) περιγράφει τοπικά χαρακτηριστικά, γενικεύοντας τον παραδοσιακά σημαντικό ρόλο της φάσης στην ανάλυση Fourier των εικόνων. Τα τελευταία έτη, αναπαραστάσεις AM-FM έχουν χρησιμοποιηθεί ευρέως σε εφαρμογές ανάλυσης ιατρικών απεικονίσεων. Αυτό οφείλεται κυρίως στη δυνατότητα, μέσω μικρού αριθμού χαρακτηριστικών, απλοί ταξινομητές να παράγουν εξαιρετικά αποτελέσματα κατηγοριοποίησης. Σκοπός του παρόντος ερευνητικού πονήματος είναι η εισαγωγή καινούριων αξιόπιστων και περιγραφικών μοντέλων και μεθόδων ανάλυσης AM-FM, ως επίσης η εφαρμογή τους στην ανάλυση ιατρικής απεικόνισης. Περιληπτικά, οι συνεισφορές της διατριβής αυτής αφορούν στα ακόλουθα: Πραγματοποιήθηκε μια ολοκληρωμένη ανασκόπηση των εφαρμογών μοντέλων και μεθόδων πολυκλιμακωτού AM-FM στην ιατρική απεικόνιση. Η κριτική είναι εξαντλητική, λεπτομερής και ενημερωμένη. Η κάλυψη περιλαμβάνει μια διεξοδική συζήτηση των αναπαραστάσεων AM-FM, εκτενή κάλυψη των μεθόδων αποδιαμόρφωσης και μια διευρυμένη λίστα εφαρμογών ιατρικής απεικόνισης. Αναπτύχθηκε μια αραιή πολυκλιμακωτή αναπαράστασης AM-FM με εύρωστα χαρακτηριστικά, η οποία βασίζεται σε οικογένειες φίλτρων Gabor. Η χρήση πολλαπλών οικογενειών φίλτρων Gabor οδηγεί σε σημαντικά καλύτερες αναπαραστάσεις, σε σχέση με τη χρήση μόνο μιας οικογένειας φίλτρων. Η μεθοδολογία περιλαμβάνει αποδομήσεις και ανακατασκευές, βασισμένες στην κλιμακωτή αύξηση της ποιότητας, κλιμακωτή και κατευθυνόμενη. Ιδιαίτερη έμφαση δόθηκε στην σταθερότητα των ανακατασκευών. ΄Ενα νέο μοντέλο ανάλυσης εικόνας υπερήχων των αθηροσκληρωτικών πλακών καρωτίδας για την αξιολόγηση του κινδύνου εγκεφαλικού επεισοδίου σε ασυμπτωματικούς ασθενείς αναπτύχθηκε με βάση πολυκλιμακωτή ανάλυση AM-FM με αποδόμηση μέσω οικογενειών φίλτρων Gabor και Difference of Gaussians (DoG). Επιπλέον, αναπτύχθηκε μια νέα μεθοδολογία αραιής πολυκλιμακωτής ανάλυσης AM-FM με χρήση οικογενειών φίλτρων Gabor όπως επίσης πολλαπλών οικογενειών φίτρων Gabor. Εισήχθησαν κριτήρια επιλογής και παραμετροποίησης συνιστωσών AM-FM, προκειμένου να εξαχθούν διακριτά χαρακτηριστικά AM-FM στην πρόβλεψη εικόνων ασυμπτωματικής έναντι συμπτωματικής πλάκας. Μέσω της νέας μεθοδολογίας με χρήση οικογενειών φίλτρων Gabor, επιτεύχθηκαν καλύτερα αποτελέσματα σε σχέση με τα χαρακτηριστικά ανάλυσης υφής. Επιπλέον, ο συνδυασμός χαρακτηριστικών AM-FM και κλινικών χαρακτηριστικών αποδείχθηκε χρήσιμος για την αύξηση της ακρίβειας πρόβλεψης. Οι προτεινόμενες μεθοδολογίες αποτελούν ένα καινούριο παράδειγμα ανάλυσης AM-FM που ανοίγει νέους ορίζοντες στην ανάλυση ιατρικών εικόνων για τη διαφοροποίηση μεταξύ φυσιολογικού και μη φυσιολογικού ιστού. Η μελλοντική εργασία θα διερευνήσει νέα μοντέλα αναπαράστασης AM-FM, με βάση την απόσταση εικονοστοιχείου από το όριο της περιοχής ενδιαφέροντος. Η μεθοδολογία μπορεί να συνδυαστεί με αραιή αναπαράσταση AM-FM για την εκτίμηση του στιγμιαίου πλάτους, της στιγμιαίας συχνότητας και της στιγμιαίας φάσης της εικόνας, παρέχοντας πιο ισχυρές αναπαραστάσεις ειδικά στην περίπτωση εικόνων με μικρές περιοχές ενδιαφέροντος.

Medical image analysis methods require the use of effective representations for differentiating between lesions, diseased regions, and normal structure. Amplitude Modulation - Frequency Modulation (AM-FM) models provide effective representations through physically meaningful descriptors of complex non-stationary structures that can differentiate between the different lesions and normal structure. Based on AM-FM models, medical images are decomposed into AM-FM components where the instantaneous frequency (IF) provides a descriptor of local texture, the instantaneous amplitude (IA) captures slowly-varying brightness variations, while the instantaneous phase (IP) provides for a powerful descriptor of location, generalizing the traditionally important role of phase in the Fourier analysis of images. Over the years, AM-FM representations have been used in a wide variety of medical image analysis applications based on a vastly reduced number of features that can be easily learned by simple classifiers. The overall objective of this research work is to introduce new, more powerful, more robust and more discriminatory AM-FM models and methods, and to apply them in medical image analysis. More specifically the research contributions made during the course of this dissertation work are the following: A comprehensive review of the applications of multiscale AM-FM models and methods in medical imaging was carried out. The review is exhaustive, detailed, and up to date. The coverage includes a thorough discussion of AM-FM representations, extensive coverage of demodulation methods, and an expanded list of medical imaging applications. A sparse multiscale AM-FM representation accompanied by robust feature extraction was developed which is based on families of Gabor filterbanks. The use of multiple families of Gabor filters leads to significantly better representations than using just one filterbank. The methodology includes decompositions and reconstructions based on scalable quality, multiscale and directional representations. Special emphasis was placed on the stability of the reconstructions. A new model of ultrasound image analysis of atherosclerotic carotid plaque to assess risk of stroke in asymptomatic patients was developed based on multiscale AM-FM analysis using Gabor and Difference of Gaussiasn (DoG) filterbanks. In addition, a new methodology of sparse multiscale AM-FM analysis was developed using Gabor filterbanks as well as multiple Gabor filterbanks. AM-FM component selection criteria and parametrization were introduced in order to derive discriminatory AM-FM features in predicting asymptomatic vs symptomatic plaque images. The new methodology using Gabor filterbanks achieved better results than texture analysis features. In addition, the combination of AM-FM features sets with clinical features proved to be helpful in increasing prediction accuracy. The proposed methodologies provide a new paradigm of AM-FM analysis that opens new horizons in the analysis of medical images towards differentiating between normal and abnormal tissue. Future work will investigate new models of AM-FM representation, based on the pixel distance from the boundary of the region of interest. This methodology can be combined with sparse AM-FM representations towards estimating the instantaneous amplitude, instantaneous frequency and instantaneous phase of the image, providing more robust representations especially in the case of small image regions.