Ferramenta computacional para visualização e seleção de espectrosem espectroscopia multi-voxel por ressonância magnética

Danilo Rodrigues Pereira , Roberto Alencar Lotufo , Leticia Rittner

Departamento de Engenharia de Computação e Automação Industrial (DCA)Faculdade de Engenharia Elétrica e de Computação (FEEC)

Universidade Estadual de Campinas (Unicamp)13083-852 – Campinas, SP, Brasil

danilo.pereira84@gmail.com, {lotufo,lrittner}@dca.fee.unicamp.br

Abstract – The magnetic resonance spectroscopy (MRS) is a technique allows to analyze the chemical contentbased on the same physical principles of magnetic resonance imaging (MRI), it has been used in research andclinical applications in order to supplement the information supplied by more conventional exams such as MRIand computed tomography (CT). It can be obtained through some methods: single-voxel spectroscopy (SVS) ormulti-voxel spectroscopy (MVS). Most tools available for MRS analysis are suitable for SVS and offers no spatiallocalization of spectra. This paper presents a tool for analysis of MRS, able to spatially localize the acquiredspectra within MRI and to select a subset of spectra based on a segmentation mask. The tool is being developed inPython/NumPy and it will be available on a collaborative web-based platform called Adessowiki.

Keywords – Magnetic Resonance Spectroscopy (MRS), Magnetic Resonance Imaging (MRI), Adessowiki,Python/Numpy.

1. IntroduçãoA espectroscopia por ressonância magnética (Mag-netic Resonance Spectroscopy - MRS), vem sendoutilizada na área acadêmica e industrial desde a dé-cada de 60, no entanto, sua aplicação clínica paraavaliação bioquímica do cérebro é mais recente [6].A MRS é uma técnica que permite analisar o con-teúdo químico, com base no mesmo principio fí-sico das imagens por ressonância magnética, dife-rindo na forma em que os dados são processados eapresentados. (Fig. 1). A MRS vem sendo utili-zada em pesquisas e aplicações clínicas, a fim decomplementar as informações fornecidas por exa-mes mais convencionais, tais como, imagens porressonância magnética (Magnetic resonance ima-ging - MRI). Ela pode ser realizada através de doismétodos: Single-voxel spectroscopy (SVS) em queum único volume de amostra é selecionado e umespectro é obtido a partir dele ou Multi-voxel spec-troscopy (MVS) , onde um conjunto de espectrossão obtidos a partir da região selecionada. [1]. Exis-tem ferramentas computacionais disponíveis paravisualização e quantificação de sinais espectroscó-picos [9], porém a maioria dessas ferramentas tra-balham apenas com algum formato específico de ar-quivo e sua documentação muita vezes é pouco de-talhada, dificultando o uso em ambiente clínico e depesquisa. Outra limitação encontrada é o fato dessasferramentas não terem funcionalidades relacionadascom a localização espacial, portanto adequadas ape-nas para análise de espectro single-voxel.

Figura 1. Duas técnicas distintas baseadas emRessonância magnética: Imagem e Espectro.(figura adaptada de [10])

O presente trabalho propõe o desenvolvi-mento de uma ferramenta de código aberto e numambiente colaborativo chamado Adessowiki [7].Essa ferramenta será capaz de localizar espacial-mente o volume de interesse (Volume of interest -VOI) do espectros adquiridos na imagem de resso-nância magnética e selecionar, caso desejado, ape-nas os espectros que estão numa região de interessedelimitados por uma máscara de segmentação biná-ria.

Além disso, a ferramenta será documentadaem português e de forma clara e didática, para quepossa ser utilizada para fins educacionais e de pes-quisa.

2. Metodologia

2.1. Base de dadosOs espectros multi-voxels utilizados nos experimen-tos foram adquiridos de sujeitos controles e paci-entes utilizando-se um scanner da Philips (Achieva3T), instalado na Faculdade de Ciências Médicas(FCM) da Universidade Estadual de Campinas, comos seguintes parâmetros: Espectroscopia obtida emregião supraventricular posterior e na região do hi-pocampo; sequência de pulsos PRESS (Point Re-solved Spectroscopy), TE=144ms, TR=2000ms, ân-gulo de exitação de 900, nex=1; precedida por ca-libração com supressão de sinal de água e homoge-neização do campo magnético (Shimming).

2.2. Plataforma de desenvolvimentoA ferramenta foi desenvolvida no ambiente cola-borativo chamado Adessowiki [7], uma plataformaweb colaborativa de ensino e pesquisa. Por ser umambiente web, com características de uma wiki, épossível escrever toda a documentação, o código-fonte e os resultados, tudo num mesmo ambiente,sem a necessidade de qualquer instalação ou confi-guração por parte do usuário. Toda a biblioteca defunção foi desenvolvida em Python/NumPy [11] e ocódigo fonte ficará disponível para download.

2.3. Ferramenta desenvolvidaO desenvolvimento da ferramenta foi dividida emduas principais etapas: Registro entre imagem deressonância magnética (MRI) e o VOI do espectro(MRS) e; Aplicação da máscara binária de segmen-tação para a seleção dos espectros contidos na re-gião da segmentação.

2.3.1. Registro MRI/MRS

O VOI delimitando a região de onde serão adqui-ridos os espectros é originalmente selecionado pelooperador no console do equipamento de ressonânciamagnética. Após a aquisição é possível identificarapenas o posicionamento deste VOI em relação aocentro do scanner, usando as informações contidano cabeçalho do arquivo .SPAR (Philips). As coor-denadas do VOI obtidas do cabeçalho são transfor-madas para o sistema de coordenadas da imagem,através de uma transformação rígida, calculando-setambém todos os pontos de intersecção entre o VOI

do espectro e cada fatia da imagem. Estes pontosde interseção são transformados em poligonos (Fig.2).

Figura 2. Registro dos VOIs de espectros naimagem de ressonância magnética: VOI daregião supraventricular posterior (em verde);VOI do hipocampo (em vermelho).

2.3.2. Seleção dos espectros contidos na regiãoda segmentação

Com a aplicação de uma máscara de segmentação(Fig. 3), gerada manualmente ou de forma automá-tica por alguma ferramenta, a análise pode ser limi-tada a uma determinada estrutura do cérebro e nãoao conjunto total de espectros contidos no VOI.

Figura 3. Exemplo de máscara binária de seg-mentação sobreposta à imagem de ressonân-cia magnética.

Para a seleção somente dos espectros con-tidos total ou parcialmente na máscara binária desegmentação, inicialmente é criada uma grade queé a representação do VOI de aquisição dos espec-tros, onde cada cor (label) representa um espectro(Fig. 4(a)). Em seguida essa grade é localizada e so-breposta na imagem de ressonância magnética, atra-vés do módulo de registro descrito na Seção 2.3.1.e então é multiplicada pela máscara (Fig. 4(b)), deforma que apenas os espectros contidos na máscarasão escolhidos para serem analisados (Fig. 4(c)).

(a) Grade de espectros

(b) Máscara binária (c) Espectros selecionados

Figura 4. Seleção dos espectros contidos namáscara binária de segmentação.

O próximo passo é calcular os histogramaspara encontrar a porcentagem de máscara bináriaque cada espectro obteve, para a escolha dos espec-tros que serão analisados pelo especialista. (Fig. 5).

Figura 5. Histograma dos espectros seleciona-dos de acordo com a porcentagem de máscarabinária contida em cada espectro.

3. ResultadosA ferramenta foi implementada em Python/NumPye já está na plataforma Adessowiki [7]. Cada mó-dulo é composto por diversas funções, e para cadauma delas uma página foi criada no Adessowiki,contendo não somente o código fonte, mas tam-

bém uma descrição resumida e as equações utiliza-das nos cálculos. Os resultados obtidos nos primei-ros experimentos realizados foram comparados comoutras ferramentas similares. [9, 4, 5].

A versão atual da ferramenta suporta o se-guintes formatos de arquivos:

• Imagem estrutural (T1) - DICOM (DigitalImaging and Communications in Medicine)ou NIfTI (Neuroimaging Informatics Tech-nology Initiative)

• Espectros - Philips (.SPAR/.SDAT)• Máscara de segmentação - .tag (MINC Dis-

play 3D and Volume Program [8]) ou .mgz(FreeSurfer Software Suite [2, 3])

Como saída a ferramenta fornece uma listade espectros que foram selecionados e que poderãoser escolhidos para análise. (Fig. 6).

Figura 6. Espectros selecionados de acordocom um valor de porcentagem de aceitação.

4. ConclusõesA análise de dados de MRS é uma tarefa complexa,quer seja nos aspectos físicos e nos métodos dequantificação dos sinais, por isso é fundamental quetenhamos ferramentas de apoio para essa análise.Além das complexidade citadas acima, há ainda umcomplicador adicional que é a localização espacialdestes espectros e a necessidade de seleção auto-mática de regiões correspondentes a estruturas cere-brais, que diferentemente dos volumes de interesse(VOIs), não são retangulares.

A ferramenta que está sendo desenvolvidairá permitir que esta análise seja realizada passo-a-

passo, de forma simplificada para os usuários, queterão acesso ao código fonte e a uma documenta-ção didática, detalhada com exemplos numéricose com imagens. Uma das principais funcionalida-des da ferramenta é a possibilidade de aplicação deuma máscara binária de segmentação na imagem deressonância magnética, de maneira que os espec-tros fora da região delimitada pela máscara pode-rão ser descartados, limitando a análise a uma estru-tura do cérebro. Além disso, o fato da ferramentaestar sendo desenvolvida e ser executada completa-mente em um ambiente web, elimina a necessidadede qualquer instalação e/ou configuração por partedo usuário, de maneira que os resultados obtidos po-dem ser compartilhados.

Os próximos passos previstos para este tra-balho são a validação de todas as funções da ferra-menta e uma possível incorporação da etapa de aná-lise dos espectros selecionados.

Referências

[1] Gabriela Castellano, Sandra Patricia CuellarBaena, Carlos Sato Beraldi Dias, and Li LiMin. Espectroscopia de RM dinâmica para es-tudo do cerébro. Série Cinapce 1/2008 - Neu-rociênicas e epilepsia, pages 125–144, 2008.

[2] Anders M Dale, Bruce Fischl, and Martin I Se-reno. Cortical surface-based analysis: I. seg-mentation and surface reconstruction. Neuroi-mage, 9(2):179–194, 1999.

[3] Rahul S Desikan, Florent Ségonne, BruceFischl, Brian T Quinn, Bradford C Dicker-son, Deborah Blacker, Randy L Buckner, An-ders M Dale, R Paul Maguire, Bradley T Hy-man, et al. An automated labeling system forsubdividing the human cerebral cortex on mriscans into gyral based regions of interest. Neu-roimage, 31(3):968–980, 2006.

[4] Elíes Fuster García. Biomedical signal analy-sis in automatic classification problems. PhDthesis, Editorial Universitat Politècnica deValència, 2012.

[5] Charles Gasparovic, Tao Song, Deidre Devier,H Jeremy Bockholt, Arvind Caprihan, Paul GMullins, Stefan Posse, Rex E Jung, and Les-lie A Morrison. Use of tissue water as a con-centration reference for proton spectroscopicimaging. Magnetic resonance in medicine,55(6):1219–1226, 2006.

[6] Claudia da Costa Leite. Espectroscopia de pró-tons por ressonância magnética. RadiologiaBrasileira, 34:V – VI, 02 2001.

[7] Roberto A. Lotufo, Rubens Machado, AndréKorbes, and Rafael G. Ramos. Adessowiki:on-line collaborative scientific programmingplatform. Proceedings of the 2009 Internatio-nal Symposium on Wikis, 2009, Orlando, Flo-rida, USA, page 10, 2009.

[8] David J. MacDonald. MNI-display: Programfor display and segmentation of surfaces andvolumes. McConnel Brain Imaging Center,Montreal Neurological Institute, 1996.

[9] Mikael Montelius, Maria Ljungberg, AsaCarlsson, Goran Starck, and Eva Forssell-Aronsson. Matlab tool for segmentation andre-creation of 1H-MRS volumes of interest inMRI image stacks. PhD thesis, Goterborg Uni-versity, Department of radiation physics, 2008.

[10] Nouha Salibi and Mark A. Brown. ClinicalMR Spectroscopy: First Principles. Wiley,1998.

[11] Stéfan van der Walt, S. Chris Colbert, and GaelVaroquaux. The NumPy Array: A Structurefor Efficient Numerical Computation. Compu-ting in Science & Engineering, 13(2):22–30,2011.