Local texture map e carcinoma prostatico

Articolo disponibile su ZeroTalk Italia++

Dopo aver lavorato sulle immagini di tumori cerebrali del cane ho cercato un altro organo umano (oltre al cervello) ove potesse essere utile l’utilizzo del local texture mapping per lo studio del suo imaging… e il primo pensiero che mi è venuto in mente è la prostata! La diagnosi di carcinoma prostatico è infatti una sfida per le metodiche di imaging radiologico che sono utilizzate per guidare una biopsia dell’organo e di solito l’arma migliore in tal senso è la RM multiparametrica, cioè la stessa metodica utilizzata anche per i tumori cerebrali. Poteva quindi il local texture mapping anche in questo caso aiutare nell’interpretazione delle immagini?

Immagine di un k prostata ottenuta mediante una sequenza T2 pesata (destra) e la corrispondente mappa della GLCM entropia (sinistra)

Come potete vedere dall’esempio sopra (e dopo aver fatto verifiche sulle immagini RM in varie sequenze di 24 pazienti dello studio che trovate in bibliografia), a mio parere la risposta è affermativa. Tuttavia l’imaging prostatico, a differenza di quello cerebrale, è più soggetto ad artefatti dovuti sia alle ridotte dimensioni dell’organo sia alla bobina endorettale utilizzata per ottenere le immagini. Sarebbe senz’altro utile che una persona più esperta di me rivedesse questo database (che a breve pubblicherò su GalactiChan) in quanto l’imaging prostatico ed anche l’anatomia patologica di questo organo sono molto complesse ed in molti casi il segnale presenta anche componenti aspecifiche dovute a prostatiti o ipertrofia benigna (anche l’anatomia patologica è una sfida per gli anatomopatologi…ed il database pubblico da cui ho preso i dati radiologici include anche le immagini istologiche sui pezzi operatori asportati).

Materiali e Metodi:

Sono state scaricate da The Cancer Imaging Archive le immagini RM acquisite in diverse sequenze dei 28 pazienti dello studio citato a fondo articolo in bibliografia. Le immagini di 24 pazienti su 28 sono state convertite dal formato DICOM al NII mediante il software MRIConvert (4 pazienti sono stati tralasciati per errori nel processo di conversione).

Ogni immagine di buona qualità (preferendo le proiezioni assiali) è stata quindi utilizzata mediante il software LIFEx 7.2 per ottenerne le rispettive mappe della matrice GLCM (dissimilarità, correlazione, contrasto, entropia, energia ed omogeneità) utilizzando i seguenti parametri:

  • 64 livelli di grigio
  • range da 0 al massimo (size of bin di dimensione variabile)
  • diametro del kernel pari a 3 voxel (viste le ridotte dimensioni dell’organo target)

Bibliografia:

Data Citation:

Madabhushi, A., & Feldman, M. (2016). Fused Radiology-Pathology Prostate Dataset . The Cancer Imaging Archive. doi; 10.7937/K9/TCIA.2016.TLPMR1AM

Publication Citation:

  1. Singanamalli, A. , Rusu, M. , Sparks, R. E., Shih, N. N., Ziober, A. , Wang, L. , Tomaszewski, J. , Rosen, M. , Feldman, M. and Madabhushi, A. (2016), Identifying in vivo DCE MRI markers associated with microvessel architecture and gleason grades of prostate cancer. J. Magn. Reson. Imaging, 43: 149-158. doi: 10.1002/jmri.24975 (PMID:26110513).
  2. Toth, R, Feldman, M, Yu, D, Tomaszewski, J, Madabhushi, A, “Histostitcher™: An Informatics Software Platform for Reconstructing Whole-Mount Prostate Histology using the Extensible Imaging Platform (XIP™) Framework,” Journal of Pathology Informatics, vol. 5, pg. 8, 2014 (PMID: 24843820, PMCID: PMC4023035).
  3. Xiao, G, Bloch, N, Chappelow, J, Genega, E, Rofsky, N, Lenkinsky, R, Tomaszewski, J, Feldman, M, Rosen, M, Madabhushi, A, “Determining Histology-MRI Slice Correspondences for Defining MRI-based Disease Signatures of Prostate Cancer,” Special Issue of Computerized Medical Imaging and Graphics on Whole Slide Microscopic Image Processing, vol. 35[7-8], pp. 568-78, 2011 (PMID: 21255974). https://doi.org/10.1016/j.compmedimag.2010.12.003
  4. Chappelow, J, Bloch, N., Rofsky, N, Genega, E, Lenkinski, R, DeWolf, W, Madabhushi, A,   “Elastic Registration of Multimodal Prostate MRI and Histology via Multi-Attribute Combined Mutual Information,” Medical Physics, vol. 38[4], pp. 2005-2018, 2011 (PMID: 21626933).

TCIA Citation:

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. (paper)

Rispondi

Inserisci i tuoi dati qui sotto o clicca su un'icona per effettuare l'accesso:

Logo di WordPress.com

Stai commentando usando il tuo account WordPress.com. Chiudi sessione /  Modifica )

Foto Twitter

Stai commentando usando il tuo account Twitter. Chiudi sessione /  Modifica )

Foto di Facebook

Stai commentando usando il tuo account Facebook. Chiudi sessione /  Modifica )

Connessione a %s...