PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Tytuł artykułu

Segmentacja drzewa oskrzelowego z wykorzystaniem algorytmu zamykania otworów

Treść / Zawartość
Identyfikatory
Warianty tytułu
EN
Airway tree segmentation based on holes closing algorithm
Języki publikacji
PL
Abstrakty
PL
Niezawodna segmentacja ludzkich drzew oskrzelowych ze zbiorów wolumetrycznych pochodzących z tomografii komputerowej (CT) jest ważnym elementem analizy danych w zastosowaniach klinicznych. W tym artykule został zaprezentowany nowatorski algorytm segmentacji drzewa oskrzelowego bazujący na geometrii i topologii dyskretnej. Proponowana metoda jest w pełni automatyczna, i posiada zalety dobrze zdefiniowanych pojęć matematycznych. Otwory występują w ścianach oskrzeli z wielu powodów np. są wynikiem szumów. Otwory są częstym problemem w poprzednio zaprezentowanych metodach, wykorzystujących rozrost obszaru i mogą powodować wyciek algorytmów segmentacji do otaczających oskrzela części płuc. Nowoczesność prezentowanego algorytmu polega na zastosowaniu dedykowanego algorytmu zamykania otworów, który zamknie wszystkie występujące otwory w drzewie oskrzelowym. Wyniki eksperymentów wykazały, że algorytm jest niezawodny i generuje wyniki dokładne oraz dobrej jakości.
EN
Reliable segmentation of a human airway tree from volumetric computer tomography (CT) data sets is the most important step for further analysis in many clinical applications. In this paper the original airway segmentation algorithm based on discrete topology and geometry is presented. The proposed method is fully automated and takes advantage of well defined mathematical notions. Holes occur in bronchial walls due to many reasons, for example they are results of noise. Holes are common problem in previously proposed methods because in some areas they can cause the segmentation algorithms to leak into surrounding parenchyma parts of a lung. The novelty of the approach consist in the application of a dedicated hole closing algorithm which closes all disturbing holes in a bronchial tree. The experimental results showed that the method is reliable and generate good quality and accurate results.
Wydawca
Rocznik
Strony
949--957
Opis fizyczny
Bibliogr. 17 poz., rys., wykr., tab.
Twórcy
autor
  • Katedra Informatyki Stosowanej, Politechnika Łódzka
  • Katedra Informatyki Stosowanej, Politechnika Łódzka
  • Katedra Informatyki Stosowanej, Politechnika Łódzka
autor
  • Katedra Informatyki Stosowanej, Politechnika Łódzka
  • Zakład Radiologii i Diagnostyki Obrazowej, Uniwersytet Medyczny w Łodzi
  • Zakład Radiologii i Diagnostyki Obrazowej, Uniwersytet Medyczny w Łodzi
Bibliografia
  • [1] Hong L. et al., 3D Virtual Colonoscopy. [w:] M. Loew, N. Gershon (Eds), 1995 Biomedical Visualization, 1995, 26-33.
  • [2] Do Yeon K., Jong Won P., Virtual angioscopy for diagnosis of carotid artery stenosis. Journal of KISS: Software and Applications, 30(9-10), 2003, 821-828.
  • [3] Perchet D., Fetita C.I., Preteux F., Advanced navigation tools for virtual bronchoscopy. Proceedings of the SPIE The International Society for Optical Engineering, 5298(1), 147-58.
  • [4] Fatt C.C., Kassim I., Lo C, Ng I., Keong K.C., Volume Visualization for Surgical Planning System. Journal of Mechanics in Medicine and Biology (JMMB) 7(1), 2007, 55-63.
  • [5] Palagyi K., Tschirren J., Hoffman E.A., Sonka M., Quantitative analysis of pulmonary airway tree structure. Computers in Biology and Medicine, 36, 2006, 974-96.
  • [6] Mori K. et al., Automated extraction and visualization of bronchus from 3D CT images of lung, [w:] N. Ayache (Ed.), CVRMed 1995. LNCS, vol. 905, Springer, Heidelberg, 1995, 542-548.
  • [7] Chiplunkar R., Reinhardt J.M., Hoffman E.A., Segmentation and quantitation of the primary human airway tree. SPIE Medical Imaging, 1997.
  • [8] Tozaki Т., Kawata Y., Niki N. et al., Pulmonary Organs Analysis for Differential Diagnosis Based on Thoracic Thin-section CT Images. IEEE Transaction on Nuclear Science, 45, 1998, 3075-3082.
  • [9] Law T.Y., Heng P.A., Automated extraction of bronchus from 3D CT images of lung based on genetic algorithm and 3D region growing. SPIE Proceedings on Medical Imaging, 2000, 906-916.
  • [10] Pisupati C, Wolf L., Mitzner W., Zerhouni E., Segmentation of 3D pulmonary trees using mathematical morphology, [w:] Mathematical Morphology and Its Applications to Image and Signal Processing. Kluwer Academic Publishers, Boston, 1996, 409-416.
  • [11] Preteux F., Fetita C.I., Grenier P., Capderou A., Modeling, segmentation, and caliber estimation of bronchi in high-resolution computerized tomography. Journal of Electronic Imaging, 8, 1999, 36-45.
  • [12] Bilgen D., Segmentation and analysis of the human aiway tree from 3D X-ray CT images. Master's thesis, 2000.
  • [13] Park W., Hoffman E.A., Sonka M., Segmentation of intrathoracic airway trees: a fuzzy logic approach. IEEE Trans, on Medical Imaging, 17, 1998, 489-97.
  • [14] Fetita C.I., Preteux F., Quantitative 3D CT bronchography. Proceedings IEEE International Symposium on Biomedical Imaging, ISBI 2002.
  • [15] Aktouf Z., Bertrand G., Perroton L., A three-dimensional holes closing algorithm. Pattern Recognition Letters, 23(5), 2002, 523-531.
  • [16] Tschirren J., Hoffman E.A., McLennan G., Sonka M.: Intrathoracic Airway Trees: Segmentation and Airway Morphology Analysis from Low-Dose CT Scans. IEEE Transactions on Medical Imaging, 24(12), 2005, 1529-1539.
  • [17] Graham M.W., Gibbs J.D., Higgins W.E., Robust system for human airwaytree segmentation, [w:] Medical Imaging 2008: Image Processing, Proceedings of the SPIE, vol. 6914, 2008, 69141J-69141J-18.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-article-AGH1-0022-0018
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.