Transcript Wyodrębnianie kości udowych z danych CT i MRI. Katarzyna Chachlowska Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Kraków, 24.01.2013. Cel pracy Analiza skuteczności wybranych algorytmów segmentacji w zależności od.

Wyodrębnianie kości
udowych z danych CT i MRI.
Katarzyna Chachlowska
Wydział Elektrotechniki, Automatyki, Informatyki i
Inżynierii Biomedycznej
Kraków, 24.01.2013.
Cel pracy
Analiza skuteczności wybranych
algorytmów segmentacji w zależności
od doboru parametrów wejściowych
w zastosowaniu do segmentacji
obrazów kości udowych pochodzących
z MRI i CT.
Plan wystąpienia
1. Dane medyczne
2. Algorytmy segmentacji obrazów: rozrost obszaru,
aktywny kontur
3. Otrzymane wyniki i walidacja
4. Wnioski
5. Możliwości kontynuacji prac
Wykorzystywane dane
• MRI: 9 serii danych
przedstawiających
okolicę miednicy
mniejszej (w sumie
270 przekrojów),
• CT: w sumie ponad 700
przekrojów (dane
pochodzące od 2
pacjentów).
Segmentacja obrazów
Segmentacja obrazu jest to podział obrazu na
regiony, które są jednorodne pod względem
pewnych wybranych własności.
Obraz oryginalny
Wyodrębnione kości udowe
Zastosowane algorytmy - 1
Zastosowano 2 podejścia:
1. Segmentacja przez rozrost obszaru:
- kryteria przyłączenia,
- zalewanie otworów i morfologiczne zamknięcie.
2. Segmentacja metodą aktywnego konturu:
- zniekształcenie krzywej w wyniku
dopasowywania się do obiektów na obrazie
- siły i ograniczenia
Zastosowane algorytmy – rozrost
obszaru
1. Wybór punktów startowych.
2. Badanie wszystkich sąsiadów punktu.
3. Jeśli rozważany piksel spełnia szereg
zdefiniowanych warunków, jest przyłączany do
obszaru.
•
•
wartość piksela,
odległość od punktów startowych .
4. Uaktualnianie parametrów obszaru.
5. Wybór kolejnego punktu z obszaru, powtarzanie
pkt. 2-5 aż wszystkie punkty należące do obszaru
zostaną przeanalizowane.
Rozrost obszaru – ocena jakościowa.
• maxDist = 80, zmienne wartości progu:
próg = 13
próg = 25
próg = 18
próg = 30
próg = 20
próg = 40
Zastosowane algorytmy – aktywny
kontur (2D)
• Zmiana położenia krzywej: rachunek
wariacyjny, teoria Eulera-Lagrange’a.
• minimalizacja funkcjonału energii:
-energia wewnętrzna
(sztywność i giętkość krzywej)
-energia zewnętrzna
(pochodząca od obrazu)
-energia ograniczeń
Zastosowane algorytmy – aktywny
kontur (2D) – demonstracja
Wyniki – ocena ilościowa.
Jakość segmentacji oceniano w oparciu
współczynnik Dice’a:
Segmentacja
przez rozrost
obszaru
Segmentacja
metodą
aktywnego
konturu
Dane MRI
Dane CT
0,60
0,62
0,92
0,91
Wnioski – 1
• Problemy: różnice w wartościach pikseli należących
do kości, elementy wklęsłe,
• Aktywny kontur: rola początkowego położenia
krzywej,
• Rozrost obszaru: „wyciekanie” w rejon miednicy,
trudności w wyborze progu.
Wnioski – 2
• Rozrost obszaru:
•
MRI
CT
próg є <13;25>
próg є <170;230>
Aktywny kontur:
N = 100; κ = 0,15; λ = 1;
α = 0,2; β = 0,4.
MRI
CT
balloon = 0,1
balloon = 0
Współczynniki wagowe energii zewnętrznej:
wline= 0,3; wedge= 0,4;
wterm = 0,7.
wline= -0,5; wedge= 5;
wterm= 0.
Co dalej?
Kierunki rozwoju pracy:
• aktywny kontur 3D,
• połączenie testowanych
metod,
• wizualizacja wyników w
3D.
Dziękuję za uwagę.
Wyodrębnianie kości
udowych z danych CT i MRI.
Katarzyna Chachlowska
Wydział Elektrotechniki, Automatyki, Informatyki i
Inżynierii Biomedycznej
Kraków, 24.01.2013.