3D Multi-class CNN implementation for abdominal aortic aneurysm segmentation

Abstract

El Aneurisma de Aorta Abdominal (AAA) es una dilatación progresiva de la aorta abdominal producida por el debilitamiento y la degradación de la región. Es una condición que compromete a la vida y requiere constante monitorización y tratamiento, en la mayoría de los casos. El procedimiento más común es la Reparación Endovascular (en inglés, EVAR), que consiste en la colocación de un stent a través de un catéter. A pesar de los grandes avances en torno a esta técnica, existe una falta de estandarización en cuanto a la determinación del grado y ratio de progresión de la patología. Este proyecto tiene como objetivo la implementación de un algoritmo de segmentación automática, que pueda ser ´útil en la monitorización de la patología. En primer lugar, se ha realizado un estudio del caso clínico del AAA y de su tratamiento, y se han analizado las principales necesidades clínicas que han motivado el desarrollo de herramientas automáticas. En segundo lugar, se han estudiado las características de las Tomografías Computerizadas de Angiografía (en inglés, CTA), y las principales diferencias que presentan los estudio pre y post-operatorios. En tercer lugar, se han descritos algunas técnicas de Aprendizaje Profundo para la segmentación de imágenes médicas y se ha introducido el concepto de Redes Neuronales Convolucionales. En cuarto lugar, se ha analizado el conjunto de volúmenes disponibles y se han generado las máscaras para el entrenamiento. Una vez obtenidos los resultados de la segmentación, se han utilizado métricas como el Índice de Jaccard y la Distancia de Hausdorff para su evaluación. Finalmente, se han expuesto las conclusiones generales obtenidas tras la implementación del algoritmo automático.

An Abdominal Aortic Aneurysm (AAA) is a progressive dilation produced as a consequence of the weakening and degradation of the abdominal region of the aorta. It is a life-threatening condition which requires monitoring and treatment, in the majority of cases. The most common procedure for AAA’s treatment is the Endovascular Aneurysm Repair (EVAR), which involves the insertion of a stent graft in the aneurysm through a catheter. Despite the great progression of the technique, there is a lack of standardization in terms of determining the degree and rate of disease progression. This project aims at providing an automatic aneurysm segmentation algorithm, that would let the evaluation of the AAA surveillance. Firstly, the clinical framework regarding the AAA, the EVAR procedure and its complications have been studied, focusing on the main unfulfilled clinical needs. Secondly, a deep analysis into Computerized Tomography Angiography (CTA) has been performed, in which the characteristics of pre and post-operative CTA scans have been evaluated. Thirdly, Deep Learning techniques for medical image segmentation have been studied, introducing the concept of Convolutional Neural Network. Then, the materials and methodology carried out for the implementation of the algorithm has been developed, describing the characteristics of the network and the dataset, emphasizing on the generation of the ground truth mask and the consideration of uncertainty in the annotation process. Once the predictions of the volumes have been obtained, their evaluation has been performed using Jaccard Index and Hausdorff Distance scores. Finally, general conclusions about the obtained results and general overview of the project is presented.