1

Procesado de imágenes de Tomografía Computerizada con MITK

Experiencia orientada al cálculo volumétrico de huecos en madera con Tomografía Computerizada de rayos X de Haz de Cono CBCT (Equipo de la Facultad de Medicina e

Odontoloxía de la Universidad de Santiago de Compostela, USC, que gestiona para usos no clínicos la REDE DE INFRAESTRUCTURAS DE APOIO Á INVESTIGACIÓN E

DESENVOLVEMENTO TECNOLÓXICO, RIAIDT, USC). Santiago. 2019.

Cristian Bolaño Losada, Diego Moldes Moreira. Grupo BiosUV, Departamento de Ingeniería Química, Universidad de Vigo.

Email de contacto: cbolano@uvigo.es

Introducción:

En el grupo BiosUV, del Departamento de Ingeniería Química de la Universidad de Vigo, dentro de la línea de investigación valorización de lignina y modificación de materiales lignocelulósicos por vía enzimática a cargo de Diego Moldes Moreira, hemos desarrollado un experimento que se basa en aumentar la retención de tratamientos de cobre en la madera atrapándolo en una matriz polimérica de lignina polimerizada con lacasa. Nuestro objetivo era evaluar la eficacia de éstos en el mar, donde diversa biota coloniza la superficie y degrada la madera en su interior, como es el caso de xilófagos marinos como los teredos y los limnóridos. A nivel europeo, existe la norma EN 275, en la que se detalla un ensayo de resistencia de maderas ante el ataque de xilófagos marinos durante un mínimo de 5 años. En él se evalúa visualmente el impacto por limnóridos y por radiografía el impacto de teredos, pero ambas evaluaciones son cualitativas.

En nuestro caso, quisimos ir más allá, ya que esta norma es del año 1992, no está actualizada a la tecnología actual y son medidas cualitativas. Para ello, decidimos emplear el equipo de tomografía computerizada CBCT I-CAT de la Facultad de Medicina y Odontología (Universidade de Santiago de Compostela, USC), disponible para usuarios de la RIAIDT (USC) gracias a un acuerdo que regula su accesibilidad para usos no clínicos.

Con este equipo podemos visualizar estructuras internas de un objeto de forma no invasiva. Las imágenes tomográficas son imágenes bidimensionales que representan la atenuación de

2

rayos X en un objeto y son por tanto mapas de densidad de las estructuras del mismo a partir las cuales podemos reconstruir la estructura interna y externa de un objeto.

Las características de este equipo son:

• Campos de exposición de 17 + 21 pulgadas. • Resolución máxima de 0,125mm. • Peso máximo de objetos inanimados: 2kg. • Diámetro máximo del objeto (aprox.): 25cm. • Software con fichero de salida de datos DICOM • Se facilita al usuario un software básico para la visualización completa de todo el

objeto de estudio, así como para realizar metrologías básicas y medir la densidad radiográfica en unidades Hoensfield.

Equipo de tomgrafía CBCT gestionado por la Unidad de Arqueometría de la RIAIDT. Universidad de Santiago de Compostela.

Software MITK:

MITK es un programa de software libre empleado para el análisis de imágenes médicas de tomografía computerizada. Este programa trabaja con archivos DICOM (Digital Imaging and Communication in Medicine) que es el formato estándar para el procesamiento de este tipo de imágenes. Este programa se puede descargar desde la página

3

http://mitk.org/wiki/The_Medical_Imaging_Interaction_Toolkit_(MITK) . En ella se puede encontrar versiones actualizadas del programa así como un manual para el usuario con explicaciones de las herramientas de las que dispone y otro manual para desarrolladores.

El panel de trabajo de este programa dispone de un multivisor con un área central que contiene el visor de las diferentes perspectivas disponibles (axial, sagital y coronal) y otro en 3D. A su derecha se disponen las pestañas de las herramientas/plugins del programa con sus aplicaciones correspondientes. A su izquierda, dispone de un visor de los archivos cargados en el programa (series de fotos, segmentaciones, modelos poligonales, etc.) y debajo de ésta un navegador de posición relativa en la serie de fotos.

Lo primero que debemos hacer es cargar la serie de archivos usando File> Open File... y seleccionamos la carpeta de la serie de fotos.

4

En el visor central (Display) a su lado derecho se pueden modificar los valores de la escala de gris desplazando la barra. Si deseamos aumentar o disminuir el rango de la barra simplemente desplazaremos desde uno de los extremos, la disminución o aumento del rango se realiza de forma sincrónica en ambos extremos a no ser que pulsemos Ctrl mientras desplazamos la barra.

De esta forma, y para nuestro caso, deseamos el mayor contraste entre el vacío y la pieza para poder aislar/segmentar el túnel. Para ello lo que haremos es bajar el nivel de la zona de blancos para que los valores más claros pasen a ser blanco al estar por debajo del umbral que le marcamos.

Segmentaciones:

Una herramienta muy útil para analizar elementos en un objeto es realizar segmentaciones. MITK nos permite segmentar elementos mediante diversos algoritmos, quizás el más interesante para el caso sea Region Growing 3D, el cual a partir de un punto inicial insertado por el propio usuario sobre la imagen comienza a abarcar área circundante con valor de gris dentro del rango que designamos en el panel del pluggin:

5

Seleccionamos el punto a partir del cual queremos hacer la segmentación con Shift + click izquierdo (cruz roja en la imagen), definimos el rango de umbral por el que queremos que “crezca” la selección, seleccionamos Run Segmentation, observamos y ajustamos el resultado.

En este caso como la oquedad tiene conexión con el vacío exterior sucede esto:

Para evitar esto lo que podemos hacer es realizar un corte de la pieza con las siguientes herramientas.

6

7

Ajustamos la figura de entorno del comando Image Cropper. Una vez ajustada la pieza, debemos de tener seleccionado el set de imágenes en el panel Data manager, tal y como se observa en la siguiente imagen:

El resultado es que recoge el set de imágenes en el interior de la selección y deja por fuera de ese entorno vacío a un valor de gris de píxeles superior al del interior de la selección. Este sería el resultado acortando mucho el rango de valores de gris, para ver la diferencia.

8

Ahora podremos segmentar la oquedad sin el problema anterior.

Transformamos la segmentación en un modelo poligonal. Click derecho en el archivo de la segmentación, Create polygon model o Create smoothed polygon model, en este caso mejor el Create polygon model.

9

.

Y se nos crea ya el resultado:

En el caso de esta pieza observamos un túnel de un teredo muy pequeño, pero en otras muestras las cavidades son mayores e incluso se puede ver las valvas del teredo o parte de los túneles calcificados, como por ejemplo en la muestra T1-1, en la que pudimos segmentar las diferentes partes en función de su valor de gris y visualizar un modelo 3D poligonal como el que se muestra a continuación:

10

Podemos jugar con los colores de las segmentaciones o modelos poligonales así como su opacidad. Para ello hacemos click derecho sobre el objeto correspondiente en Data Manager y ya obeservamos el panel de opciones que nos permiten estos cambios:

En negro transparente está reprensentada la oquedad provocada por la perforación del teredo en la madera. En amarillo y naranja sólido encontramos las valvas de dos teredos que habitaban y consumían dicha madera; y por último, en blanco se representa una zona de las cavidades calcificada.

Herramientas de modificación de segmentaciones:

11

En este caso tenemos varias segmentaciones pero todas pertenecen a un volumen hueco, en ese caso tendremos que unirlas empleando Segmentation Utilities > Boolean Operations seleccionar los dos objetos a unir y seleccionar unión, esto nos creará un nuevo objeto que será suma de los dos seleccionados. Como solo se pueden hacer uniones de dos a dos, tendremos que ir sumando el resultado de la suma al siguiente objeto que querramos unir. El resultado final, sería tal que así:

A veces en las segmentaciones podemos encontrar que el acabado no es del todo bueno, en ese caso odemos mejorarlo las herramientas 2D de Segmentation.Por ejemplo en la imagen vemos que la segmentación del Growing Region 3D no ha cogido bien algunos pixeles den los bordes, seguramente por ruido en las imágenes que difumina los valores de grises obtenidos.

12

Podemos usar la herramienta Add o Substract para añadir o incluir a la segmentación ciertas partes que no se han recogido de forma automática. También podemos usar la herramienta Fill en el caso de que las zonas que queremos incluir están completamente inmersas en la segmentación global.

Medición del volumen de los modelos poligonales:

El siguiente paso será obtener el volumen del modelo poligonal. Para ello debemos exportar los models poligonales a formato Stereolithographic (.stl) (Standard Triangle Language) un formato bastante universal para programas de diseño en 3D. Lo primero es seleccionar el modelo en Data Manager, Click derecho> Save…> guardar con el nombre deseado y seleccionar en Tipo> Stereolithographic (*.stl). Previamente, en el modelo poligonal debemos

13

seleccionar la forma de representación como una malla, para ello Click derecho sobre el modelo poligonal> Surface representation> Surface o Wireframe.

Lo más sencillo para conocer el volumen de un modelo poigonal es emplear un visualizador de formato .stl online que nos da directamente esta información. Un ejemplo de estos visualizadores es www.viewstl.com , simplemente cargamos el archivo en el visualizador y en el cuadro de diálogo lateral ya nos aparece el volumen en las unidades que le indicamos.

Otra opción más compleja, sería emplear un programa de tratamiento de modelos 3D como es Autodesk Fusion 360.

Para cargar el modelo, INSERT> Insert Mesh y seleccionamos el archivo .stl.

14

Seleccionamos el modelo haciendo click izquierdo sobre la malla y luego MODEL> MODIFY> Mesh> Mesh to BRep, de esta forma se transforma la malla a un sólido.

Select> Selection priority> Select Body Priority y click izquierdo sobre el objeto. Luego, click derecho> Properties y ya podremos observar el volumen que ocupa con más precisión de lo que nos permite el visor online.

Otras formas de segmentar u obtener un modelo poligonal de interés:

Segmentación 2D + interpolación:

15

Otra forma de obtener un modelo 3D es la interpolación. La interpolación se basa en la obtención de nuevos puntos a partir de puntos previamente existentes conocidos.

Para ello necesitamos hacer varias segmentaciones en 2D no solo desde una perspectiva, si no de varias. A partir de estas segmentaciones y la separación y posición de ellas, el programa interpola la unión entre ellos para crear el modelo 3D.

Lo primero que podemos hacer una vez conseguido el corte de la pieza, es usar las herramientas de segmentación 2D, por ejemplo en este caso lo más rápido sería ajustar un rango de grises que nos permitiese obtener el contraste óptimo entre la pieza de madera y la oquedad. Como en este caso dentro de la pieza tenemos elementos calcáreos como son las valvas de los teredos, tendremos que añadir un paso a mayores con la herramienta Add.

Aplicando Region Growing obtenemos:

Refinando la segmentación con Add:

16

Segmentos en varios planos:

Interpolación de los planos:

17

Podemos observar en el modelo previo los límites de las segmentaciones de cada planoque y la uníon interpolada entre todos ellos. Cuantas más segmentaciones 2D más tarda la interpolación, pero también es más próximo a la realidad. Usar la interpolación o Region growing 3D depende de la evaluación del usuario y el tiempo que quiera dedicarle, si quiere un modelo más fiel a lo real, si uno es más sencillo de segmentar que otro (en este caso la interpolación lleva más tiempo porque hay que corregir o incluir las valvas de los teredos con operaciones posteriores a Region Growing 2D). Si estamos de acuerdo con la interpolación propuesta, clicamos en Confirm y obtenemos un resultado como el siguiente:

18

Otras operaciones interesantes:

Primeramente, aislamos el bloque de maderas usando Image Crop y una vez obtenido pasamos a adaptar el rango de grises.

19

A continuación, creamos una nueva segmentación del resultado del Image Crop. Lo siguiente será emplear Segmentation > Otsu. La segmentación por Otsu emplea un algoritmo complejo que segmenta la pieza haciendo divisiones regiones del histograma de pixeles, nosotros podemos definir la cantidad de segmentaciones que queremos realizar sobre un objeto, luego de esas elegir una o la combinación de varias de ellas y confirmarlas como una nueva segmentación.

En este caso, empleamos esta herramienta para ver de forma sencilla la disposición de las bandas de crecimiento rápido y lento de nuestro bloque de madera, por si pudiese resultar interesante en el análisis de la degradación de la madera por parte de los xilófagos.

En la siguiente imagen se muestra una pieza de madera a la que se le ha aplicado la segmentación con la herramienta Otsu. Se han seleccionado 3 regiones, 1 corresponde al blanco de fondo y las otras 2 deberían recoger (teniendo un rango de grises adecuado para el caso) las segmentaciones correspondientes a los anillos de crecimientolento y rápido.

20

Lo siguiente es seleccionar la región que nos interese y seleccionar Confirm Segementacion>New… de forma que se nos crea una segmentación nueva que luego cambiaremos de nombre, en este caso, Anillos crecimiento rápido.

Por último con este ejemplo, podríamos transformar los anillos en modelos poligonales y observar el resultado en el visor 3D.