Automatyczna generacja cech z wykorzystaniem anizotropowego trójwymiarowego algorytmu SIFT dla potrzeb segmentacji danych pochodzących z Tomografii Komputerowej

• Autorzy: Skalski A. , Szczotka A. , Kędzierawski P. , Kuszewski T. , Kukołowicz P.

Warianty tytułu

EN

Automatic features generation based on 3D anisotropic SIFT for Computed Tomography data segmentation

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono algorytm, w implementacji dla trójwymiarowych danych obrazowych, generacji punktów charakterystycznych oraz wektorów cech. Algorytm wykorzystuje anizotropowe rozszerzenie algorytmu SIFT. Zaproponowana metodologia została wykorzystana do określenia właściwości separacyjnych wektorów dla potrzeb segmentacji danych tomograficznych pacjentów z nowotworem prostaty. Właściwości separacyjne zostały potwierdzone na podstawie klasyfikacji techniką gRBF SVM z wykorzystaniem sprawdzianu krzyżowego.

EN

In the paper, a 3D version of algorithm generating points and feature vectors is shown. The algorithm is based on anisotropic implementation of SIFT technique. Proposed solution was used to define separation properties of vectors in CT data segmentation context. These properties were confirmed using gRBF SVM and cross-validation.

Słowa kluczowe

PL

ekstrakcja cech; tomografia komputerowa; SIFT; radioterapia

EN

feature extraction; CT; SIFT; radiotherapy

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2015
• Tom: R. 91, nr 5
• Strony: 25--28
• Opis fizyczny: Bibliogr. 13 poz., rys., tab., wykr.

Twórcy

autor

Skalski A.

• AGH Akademia Górniczo-Hutnicza, Katedra Metrologii i Elektroniki, al. Mickiewicza 30, 30-059 Kraków

autor

Szczotka A.

• AGH Akademia Górniczo-Hutnicza, Katedra Metrologii i Elektroniki, al. Mickiewicza 30, 30-059 Kraków

autor

Kędzierawski P.

• Świętokrzyskie Centrum Onkologii w Kielcach, ul. Artwińskiego 3, 25-734 Kielce

autor

Kuszewski T.

• Świętokrzyskie Centrum Onkologii w Kielcach, ul. Artwińskiego 3, 25-734 Kielce

autor

Kukołowicz P.

• Centrum Onkologii-Instytut im. Marii Skłodowskiej-Curie, Zakład Fizyki Medycznej, ul. Wawelska 15B , 02-034 Warszawa

Bibliografia

• [1] Sonka, M., Hlavac V., Boyle R. Image processing, analysis, and machine vision. Cengage Learning, (2014)
• [2] Heimann T., Meinzer H.P., Statistical shape models for 3D medical image segmentation: a review. Medical image analysis 13 (2009) n.4, 543-563.
• [3] Cootes, T.F., Edwards G.J., Taylor C.J. Active appearance models. IEEE Transactions on pattern analysis and machine intelligence 23 (2001) n.6, 681-685.
• [4] Skalski, A., Kos A., Zieliński T. Using ASM in CT data segmentaion for prostate radiotherapy Computer Vision and Graphics. Springer Berlin Heidelberg, (2012) 610-617
• [5] Kos, A., et al. "Comparison of ASM and AAM-based segmentation of prostate image in the CT scans for radiotherapy planning." NTAV/SPA (2012): 27-29.
• [6] Lowe, D.G., Object recognition from local scale-invariant features." Computer vision, 1999. The proceedings of the seventh IEEE international conference on. 2 (1999)
• [7] Lowe, D.G., Distinctive image features from scale-invariant keypoints. International journal of computer vision, 60 (2004) n.2, 91-110.
• [8] Flitton G.T., Breckon T.P., Bouallagu N.M. Object recognition using 3D SIFT in complex CT volumes. BMVC, (2010), 1–12.
• [9] Allaire S.,et al. Full orientation invariance and improved feature selectivity of 3D SIFT with application to medical image analysis. Computer Vision and Pattern Recognition Workshops, 2008. CVPRW’08. (2008) 1–8
• [10] Cortes C., Vapnik V., Support-vector networks. Machine learning, 20 (1995) n.3, 273–297.
• [11] Mountrakis G., Im J., Ogole C., Support vector machines in remote sensing: A review, ISPRS Journal of Photogrammetry and Remote Sensing, 66 (2011) n.3, 247-259.
• [12] Hastie T., et al. An Introduction to Statistical Learning with Applications in R. Springer, New York, i edition, 2013.
• [13] Szczotka A., Projekt i implementacja aplikacji z bazą obrazów z tomografii komputerowej (CT) wykorzystywanych do planowania radioterapii pacjentów z chorobą nowotworową prostaty. Praca inżynierska, AGH (2015)