L’archivio di immagini DICOM libere che avevo già segnalato negli articoli pubblicati un po’ di tempo fa dispone anche di un enorme archivio di immagini di pazienti affetti da COVID-19, motivo per cui ho deciso di verificare con le immagini RX qui presenti se i dati trovati nel mio precedente lavoro fatto su immagini JPEG sono confermati col formato DICOM originale da cui queste immagini sono prodotte. Questo lavoro conferma, come potete vedere dalle immagini sotto, i dati già trovati nell’articolo precedente con le immagini JPEG (le immagini sono mostrate nel seguente ordine: RX- GLCM dissimilarità, GLCM entropia, GLCM contrasto, GLCM energia, GLCM omogeneità e GLCM correlazione):
Citando il precedente articolo:
Quadro simile al normale nei casi lievi ma caratterizzato da graduale perdita di contrasto alla mappa della GLCM energia (il polmone presenta globale diminuzione di questo indicatore) e da incremento dell’intensità degli ili alla mappa della GLCM entropia con evoluzione in direzione distale a margini sfumati (aspetto definibile “a matassa” dove sembra che dagli ili dipartano dei fili che man mano si assottigliano). Nelle forme più gravi la malattia interessa l’intero parenchima, che presenterà valori modicamente incrementati di GLCM entropia in toto. Nei casi più severi si osserva segnale anche alle mappe di GLCM dissimilarità e contrasto. Esami eseguiti in condizioni subottimali (al letto, bassa dose, vistosi elementi radiopachi nel campo di acquisizione come gioielli o elettrodi per ECG) così come immagini scaricate in bassa risoluzione o con elementi disegnati peggiorano la qualità dell’elaborazione e rendono l’interpretazione dei dati difficoltosa. Il rapporto segnale/fondo è tendenzialmente conservato.
Materiali e Metodi
Sono state scaricate le immagini di radiografie del torace relative ai primi 10 pazienti nel database citato a inizio articolo. Per ogni paziente è stata presa la prima immagine di ogni eventuale follow up con il contrasto migliore a livello polmonare. Le mappe sono state ricavate utilizzando il software LIFEx 7.1.13, che rispetto alle versioni precedenti fornisce anche le mappe della GLCM correlazione. Sono stati impiegati 64 livelli di grigio applicati a tutto il range delle immagini ed un kernel di diametro pari a 7 pixel. I risultati ottenuti sono stati confrontati qualitativamente con quelli del precedente lavoro svolto utilizzando le immagini JPEG.
Discussione
La mappa della GLCM correlazione assomiglia molto a quella della GLCM entropia e sembra performare meglio di quest’ultima nell’identificare le aree interessate dalla malattia (presenta migliore rapporto segnale/fondo).
Questo lavoro dimostra come i dati ottenibili da immagini JPEG ricavate da immagini DICOM siano assolutamente confrontabili con quelli ottenibili dai DICOM originali in modo simile a quanto visto per il formato FITS (utilizzato in astronomia) in un precedente lavoro. Questo è dovuto al fatto che le immagini JPEG monocromatiche sono ottenute tramite rescaling lineare dei grigi dell’immagine DICOM originale nel range 0-256. Dato che prima della creazione delle mappe le immagini sono riscalate nel protocollo che uso in un range 0-64 (più piccolo) non si ha quindi perdita di informazione.
Il database citato in bibliografia comprende migliaia di immagini accompagnate anche da dati clinici e pertanto sarà oggetto di ulteriori ricerche in futuro, anche con l’obbiettivo di confrontare la valutazione delle mappe fatta dall’occhio umano con le indagini radiomiche basate su IA per cui questo database è stato costruito.
Al momento a causa di un bug di LIFEx che da errori se si lavora con livelli di grigi negativi non mi è stato possibile fare un lavoro simile con le immagini TC, tuttavia ho già segnalato la cosa allo sviluppatore e procederò non appena sarà disponibile un fix.
Bibliografia
Saltz, J., Saltz, M., Prasanna, P., Moffitt, R., Hajagos, J., Bremer, E., Balsamo, J., & Kurc, T. (2021). Stony Brook University COVID-19 Positive Cases [Data set]. The Cancer Imaging Archive. https://doi.org/10.7937/TCIA.BBAG-2923
Clark K, Vendt B, Smith K, Freymann J, Kirby J, Koppel P, Moore S, Phillips S, Maffitt D, Pringle M, Tarbox L, Prior F. The Cancer Imaging Archive (TCIA): Maintaining and Operating a Public Information Repository, Journal of Digital Imaging, Volume 26, Number 6, December, 2013, pp 1045-1057. DOI: 10.1007/s10278-013-9622-7
Il blog del dott. Antonello Galati 