A framework for medical-imaging-fragment based whole body atlas construction

Abstract

Die menschliche Anatomie variiert sowohl zwischen verschieden Individuen als auch innerhalb einzelner Personen (z.B. über die Zeit).<br />Diese Variabilität umfasst verschiedene Positionen, Größen oder Formen, physiologische Zustände, Krankheitsbilder oder Gewebeunterschiede von Organen.<br />Das Erstellen von anatomischen Atlanten auf Basis von medizinischer Bildgebung hilft die angesprochene Diversität zu überbrücken und ermöglicht einen Vergleich innerhalb großer Populationen im resultierenden Referenzraum, welcher auch als anatomischer Atlas bezeichnet wird. Im Krankenhausalltag werden im Rahmen der Diagnose von Krankheiten und Verletzungen täglich hunderte Gigabytes medizinischer Bilddaten aufgezeichnet.<br />Diese Daten enthalten über den ganzen Körper verstreute medizinische Aufnahmen sowie die in den Bildern enthaltenen korrespondierenden diagnostischen Informationen.<br />Bestehende anatomische Atlanten arbeiten nur mit Bildern, welche identische anatomischen Strukturen enthalten. Die Tatsache, dass die im medizinischen Alltag aufgezeichneten Bilddaten diese Voraussetzung nicht erfüllen, motiviert die Entwicklung einer Methode, welche auf Basis von Bildfragmenten arbeitet. Solche Fragmente überdecken nur begrenzte Bereiche des menschlichen Körpers wie zum Beispiel das Gehirn, den Thorax oder das Abdomen.<br />Wir beschreiben in dieser Arbeit zum ersten Mal Methoden für das fragment-basierte Erstellen von anatomischen Ganzkörper-Atlanten sowie zur fragment-basierten Populations-Analyse.<br />Die Methoden werden mit Hilfe von 60 Kopf-, Thorax- und Abdomen-Fragmenten und 57 manuell annotierten Knochen-Landmarks evaluiert.<br />Der vorgestellte Atlas ermöglicht das Abschätzen des Fragmentzentrums sowie der korrespondierenden Region in einem Ganzkörper-Referenz-Raum.<br />In einem iterativen Algorithmus werden diese Abschätzungen verwendet, um die Fragmente mit dem Ganzkörper-Template zu registrieren. Auf Basis der registrierten Fragmente wird das Ganzkörper-Template aktualisiert, um den Bias im Bezug auf die zugrunde liegende Fragmentpopulation zu reduzieren. Die erzielten Resultate lassen auf die Gültigkeit der vorgestellten Methoden schließen.<br />Im Vergleich zur initialen Ganzkörper-Referenz reduziert der fragment-basierte Atlas den Bias, obwohl die einzelnen Fragmente nur limitierte Bereiche der Ganzkörper-Referenz enthalten.<br />In einer zweiten Analyse wird die Struktur der Bildfragmente untersucht.<br />Es werden zunächst Ähnlichkeiten zwischen den einzelnen Fragmenten berechnet. Diese Affinitäten werden dann mittels spektraler Methoden eingebettet und unter der Anwendung von Cluster-Analysen untersucht. Das Resultat ist eine biologisch plausible Trennung der zugrunde liegenden Population.<br />

Human anatomy exhibits variability across different individuals as well as within single subjects (e.g. over time).<br />It encompasses different locations, sizes or shapes, physiological state, disease characteristics, or tissue differences of organs.<br />Medical imaging based computational anatomy and anatomical atlas construction overcome this variability and establish comparability within large populations in a common reference space referred to as anatomical atlas. The daily routine of hospitals produces hundreds of gigabytes of pathology driven medical imaging data every day.<br />This data holds imaging information of anatomical sites distributed across the entire body together with corresponding diagnostic information. The fact that existing atlas construction methods take only identical anatomical structures into account motivates the development of a method working with a set of imaging fragments each containing a different anatomical region such as the head, the thorax, or the abdomen. The present work overcomes the addressed limitation. We propose for the first time a framework for medical image fragment based unbiased Whole Body Atlas (WBA) construction and population analysis. The framework is evaluated on 60 head, thorax, and abdomen fragments and a set of 57 corresponding expert annotated bone landmarks.<br />It is capable to estimate the center as well as the corresponding region of fragments in relation to a whole body reference space. In an iterative procedure the region estimates are first used to register fragments to the whole body reference template. Based on these registered fragments the whole body template is updated to reduce bias.<br />The results show that this approach is feasible. Even though each fragment covers only a part of the entire template volume, the fragments further reduce bias compared to the initialization. In a second analysis the structure among the fragments is captured by first computing similarities among the fragments, and then embedding the resulting affinity matrix. A clustering of this similarity embedding space reveals biologically plausible sub-populations.