Segmentation of shoulder MRI data for musculoskeletal model adaptation

Abstract

Použití technik zpracování obrazu na lékařské obrazy již přineslo mnoho užitečných aplikací. Tato práce je zaměřena na využití těchto metod v procesu adaptace muskuloskeletálního modelu ramenního kloubu. Porovnání modelu zdravých jedinců a pacienta s poškozením tohoto kloubu vede k novým postupům rekonvalescence specifické pro pacienta. Tato práce popisuje techniku segmentace obrazu magnetické rezonance (MRI) ramenního kloubu. Nejprve jsou identifikovány tři kosti uvnitř oblasti ramene: humerus, klíční kost, lopatka, a tím se poskytují počáteční referenční objekty. Hlavním krokem je segmentace deltoidního svalu potřebná pro následnou adaptaci muskuloskeletálního modelu. Tento krok je náročný, pokud jde o zpracování obrazu, vzhledem k blízkosti měkkých tkání, které jsou téměř identické co do intenzity a hranice mezi nimi jsou často stěží viditelné. Je popsán přístup k řešení tohoto problému a jsou popsána možná vylepšení a budoucí práce.

Applying image processing techniques to medical images has already brought many useful applications. This work is focused on using these methods in the process of adapting a musculoskeletal model of the shoulder joint. Comparing the model of healthy individuals and the patient with joint damage leads to a subject-specific convalescence treatment. This work describes the procedure for segmentation of magnetic resonance imaging (MRI) of the shoulder joint. Firstly three bones inside the shoulder area: humerus, clavicle, scapula are identified and thereby it provides initial reference objects. A major step is the segmentation of the deltoid muscle needed for the subsequent adaptation of the musculoskeletal model. This step is challenging in terms of image processing due to the closeness of soft tissues, which are almost identical in intensity and the boundaries between them are often barely visible. The approach to resolving this problem is described and possible improvements and future work are described.