Implementation image analysis and optimization techniques in e-Medicus system

• Autorzy: Rymarczyk T. , Adamkiewicz P. , Sikora J.

Identyfikatory

DOI

10.15199/48.2018.01.24

Warianty tytułu

PL

Implementacja analizy obrazu i technik optymalizacyjnych w systemie e-Medicus

• Języki publikacji: EN

Abstrakty

EN

Article presents methods to identify the properties and reconstruction of the images. A special e-Medicus system to analysis and compare data or pictures was prepared. The solution shows the architecture of the system collecting and analysing data. The internal conductivity distribution is recovered from the measured boundary voltage data. New results of a reconstruction of a numerically simulated phantom are presented. The reconstruction task is a nonlinear and ill-posed inverse problem, whose solution calls for special regularized algorithms. New methods have also been implemented to identify arbitrary number of phases for the segmentation problem. With the use of modern algorithms, it can obtain a quicker diagnosis and automatically marking areas of the interest region in medical images.

PL

Artykuł przedstawia metody do identyfikacji właściwości i rekonstrukcji obrazów. Przygotowano specjalny system e-Medicus do analizy i porównywania danych oraz obrazów. Rozwiązanie przedstawia architekturę systemu zbierającego i analizującego dane. Rozkład wewnętrznego przewodnictwa jest uzyskiwany z mierzonych danych dotyczących granicy napięć. Przedstawiono nowe wyniki rekonstrukcji symulowanego numerycznie fantomu. Problem rekonstrukcji jest nieliniowy i źle postawiony (zagadnienie odwrotne), którego rozwiązanie wymaga regularyzacji. Zaimplementowano również nowe metody do zidentyfikowania dowolnej liczby faz dla problemu segmentacji. Dzięki zastosowaniu nowoczesnych algorytmów uzyskuje się szybszą diagnozę i automatycznie oznacza interesujące obszary w obrazach medycznych.

Słowa kluczowe

EN

image analysis; gradient method; level set method

PL

analiza obrazów; metoda gradientowa; metoda zbiorów poziomicowych

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2018
• Tom: R. 94, nr 1
• Strony: 93--96
• Opis fizyczny: Bibliogr. 27 poz., rys.

Twórcy

autor

Rymarczyk T.

• Netrix S.A., Research and Development Center, Związkowa 26, 20-148 Lublin
• University of Economics and Innovation in Lublin, ul. Projektowa 4, 20-209 Lublin

autor

Adamkiewicz P.

• Netrix S.A., Research and Development Center, Związkowa 26, 20-148 Lublin

autor

Sikora J.

• Institute of Electronics and Information Technology, Lublin University of Technology, Lublin, Poland
• Electrotechnical Institute, ul. Pożaryskiego 28, 04-703 Warszawa

Bibliografia

• [1] Adler A., Lionheart W.R.B.: Uses and abuses of EIDORS: an extensible software base for EIT, Physiological Measurement, (2006), vol. 27, no. 5, pp. 25–42
• [2] Alberto-P. Calder´on, On an inverse boundary value problem: (Rio de Janeiro, 1980), Soc. Brasil. Mat., Rio de Janeiro, (1980), pp. 65–73
• [3] Argenziano G., Soyer P.H., De Giorgi V., Piccolo D.: Interactive atlas of dermatoscopy, EDRA (2000)
• [4] Balla-Arabe S., Gao X.: A Fast and Robust Level Set Method for Image Segmentation Using Fuzzy Clustering and Lattice Boltzmann Method, IEEE Trans Cybern. (2013), Jun;43 (3)
• [5] Braun R. P., Rabinovitz H. S.: Dermoscopy of pigmented skin lesions, J Am Acad Dermatol (2005); 52:109-21
• [6] Filipowicz S.F., Rymarczyk T.: Measurement Methods and Image Reconstruction in Electrical Impedance Tomography, Przeglad Elektrotechniczny (2012), vol. 88, Issue 6, pp.247- 250
• [7] Filipowicz S.F., Rymarczyk T.: The Shape Reconstruction of Unknown Objects for Inverse Problems, Przeglad Elektrotechniczny (2012), vol. 88, Issue 3A, pp. 55-57
• [8] Hamilton S.J., Siltanen S.: Nonlinear Inversion from Partial EIT Data: Computational Experiments, Contemporary Mathematics, (2014), Vol. 615, pp. 105-129
• [9] Holder D.S.: Electrical Impedance Tomography: Methods, History and Applications Series in Medical Physics and Biomedical Engineering, (2005), London
• [10] Jajuga K.: Statystyczna teoria rozpoznawania obrazów, PWN, Warszawa (1990)
• [11] Johr R.H. Dermoscopy: Alternative melanocytic algorithms-the ABCD rule of dermatoscopy, Menzies scoring method, and 7- point checklist. Clin. DermC.atol. (2002), 05
• [12] Kamińska J., Winciorek G.: Dermatologia cyfrowa, Cornetis (2008)
• [13] Kurzyński M.: Rozpoznawanie obiektów. Metody statystyczne, Oficyna Wydawnicza Politechniki Wrocławskiej, Wrocław (1997)
• [14] Li C., Kao C., Gore J. C., Ding Z.: Minimization of Region- Scalable Fitting Energy for Image Segmentation, IEEE Trans. Image Processing (2008), vol. 17 (10), pp. 1940-1949
• [15] Mueller J L and Siltanen S: Linear and Nonlinear Inverse Problems with Practical Applications, (2012), SIAM
• [16] Mumford D., Shah J.: Optimal approximation by piecewise smooth functions and associated variational problems. Comm. Pure Appl. Math. (1989), (42):577–685
• [17] Osher S., Fedkiw R.: Level Set Methods and Dynamic Implicit Surfaces, Springer, New York, (2003)
• [18] Osher S., Sethian J.A.: Fronts Propagating with Curvature Dependent Speed: Algorithms Based on Hamilton-Jacobi Formulations. Journal of Computational Physics, (1988), 79, 12-49
• [19] Ossowski S.: Sieci neuronowe do przetwarzania informacji, Politechnika Warszawska, Warszawa (2006)
• [20] Osowski S., Markiewicz T., Kruk M., Kozłowski W.: Metody sztucznej inteligencji do wspomagania diagnostyki patologii tkanek, WAT, Warszawa, (2011)
• [21] Rymarczyk T.: Characterization of the shape of unknown objects by inverse numerical methods, Przeglad Elektrotechniczny (2012), vol. 88, Issue 7B, pp. 138-140
• [22] Rymarczyk T.: Using electrical impedance tomography to monitoring flood banks, International Journal of Applied Electromagnetics and Mechanics (2014), vol. 45, pp. 489–494
• [23] Rymarczyk T.: New Methods to Determine Moisture Areas by Electrical Impedance Tomography, International Journal of Applied Electromagnetics and Mechanics (2016), vol. 37, Issue 1-2, pp.79–87
• [24] Rymarczyk T.: Tchórzewski P., E-medicus system to segmentation and analysis medical images, Przeglad Elektrotechniczny (2017), 93(1), pp. 197-200
• [25] Sikora J., Wójtowicz S.: Industrial and Biological Tomography: Theoretical Basis and Applications, Wydawnictwo IEL, (2010), Warszawa
• [26] Stolz W., Braun-Falco O.: Color atlas of dermatoscopy, Blackwell Science (1994)
• [27] Vese L. Chan T.: A new multiphase level set framework for image segmentation via the Mumford and Shah model (2001), CAM Report 01-25, UCLA Math. Dept.

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018).