University of Oulu

Automatic knee joint space measurement from plain radiographs

Saved in:
Author: Frondelius, Juha1
Organizations: 1University of Oulu, Faculty of Science, Physics
Format: ebook
Version: published version
Access: open
Online Access: PDF Full Text (PDF, 4.7 MB)
Pages: 53
Persistent link: http://urn.fi/URN:NBN:fi:oulu-202003251341
Language: English
Published: Oulu : J. Frondelius, 2020
Publish Date: 2020-03-25
Thesis type: Master's thesis
Tutor: Heimonen, Kyösti
Reviewer: Heimonen, Kyösti
Description:

Abstract

Knee osteoarthritis is a common joint disease and one of the leading causes of disability. The disease is characterized by loss of articular cartilage and bone remodeling. Tissue deformations eventually lead to joint space narrowing which can be detected from plain radiographs. Joint space narrowing is typically measured by an experienced radiologist manually, which can be time consuming and error prone process. The aim of this study was to develop and evaluate a fully automatic joint space width measurement method for bilateral knee radiographs.

The knee joint was localized from the x-ray images using template matching and the joint space was delineated using active shape model (ASM). Two different automatic joint space measurement methods were tested and the results were validated against manual measurements performed by an experienced researcher. The first joint space width measurements were done by binarizing the joint space and measuring the local thickness of the binary mask using disk fitting. The second method classified bone pixels to tibia and femur. Classification was based on the ASM delineation. Nearest neighbors between femur and tibia were then used to find the joint space width. An automatic method for tibial region of interest (ROI) selection was also implemented. The algorithms used in this thesis were also made publicly available online.

The automatically obtained joint space widths were in line with manual measurements. Higher accuracy was obtained using the disk fitting algorithm. Automatic Tibial ROI selection was accurate, although the orientation of the joint was ignored in this study. An open source software with a simple graphical user interface and visualization tools was also developed. Computationally efficient and easily explainable methods were utilized in order to improve accessibility and transparency of computer assisted diagnosis of knee osteoarthritis.

Tiivistelmä

Polvinivelrikko on eräs yleisimpiä niveltauteja sekä yksi merkittävimmistä liikuntavammojen aiheuttajista. Nivelrikolle ominaisia piirteitä ovat nivelruston vaurioituminen ja muutokset nivelrustonalaisessa luussa. Kudosten muutokset ja vauriot johtavat lopulta niveltilan kaventumiseen, mikä voidaan havaita röntgenkuvista. Tavallisesti kokenut radiologi tekee niveltilan mittaukset manuaalisesti, mikä vaatii usein paljon aikaa ja on lisäksi virhealtis prosessi. Tämän tutkielman tavoitteena oli kehittää täysin automaattinen niveltilan mittausmenetelmä bilateraalisille polven röntgenkuville.

Polvinivel paikallistettiin röntgenkuvista muotoon perustuvalla hahmontunnistuksella ja nivelväli rajattiin käyttämällä aktiivista muodon sovitusta (active shape model, ASM). Nivelvälin mittaukseen käytettiin kahta eri menetelmää, joita verrattiin kokeneen tutkijan tekemiin manuaalisiin mittauksiin. Ensimmäinen nivelvälin mittausmenetelmä sovitti ympyränmuotoisia maskeja niveltilasta tehtyyn binäärimaskiin. Toinen mittausmenetelmä luokitteli luuhun kuuluvat pikselit sääri- ja reisiluuhun. Luokittelu perustui aikaisemmin tehtyyn automaattiseen nivelvälin rajaukseen. Nivelvälin mittaukseen käytettiin lähimpiä naapuripikseleitä sääri- ja reisiluusta. Työssä kehitettiin myös menetelmä automaattiseen sääriluun mielenkiintoalueiden (region of interest, ROI) valintaan. Käytetyt algoritmit ovat julkisesti saatavilla verkossa.

Automaattiset nivelväli mittaukset vastasivat manuaalisia mittauksia hyvin. Parempi tarkkuus saatiin käyttämällä ympyrän sovitusta hyödyntävää algoritmia nivelvälin mittaukseen. Sääriluun mielenkiintoalueet onnistuttiin määrittämään automaattisesti, tosin nivelen orientaatiota ei huomioitu tässä työssä. Lisäksi kehitettiin avoimen lähdekoodin ohjelmisto yksinkertaisella graafisella käyttöliittymällä ja visualisointityökaluilla. Työssä käytettiin laskennallisesti tehokkaita ja helposti selitettäviä menetelmiä, mikä edesauttaa tietokoneavusteisen menetelmien käyttöä polvinivelrikon tutkimuksessa.

see all

Subjects:
Copyright information: © Juha Frondelius, 2020. This publication is copyrighted. You may download, display and print it for your own personal use. Commercial use is prohibited.