Measurement of structural parameters of trabecular bone using fuzzy logic

• Autorzy: Sikorska S.

Warianty tytułu

PL

Pomiar parametrów strukturalnych kości beleczkowej przy użyciu logiki rozmytej

• Języki publikacji: EN

Abstrakty

EN

In this paper there was proposed the trabecular bone structure analysis using fuzzy logic. Theoretical and algorithmic basis method of measurement structural parameters there was presented. Application using FDT algorithm was adapted to analysis thickness of trabecular bone. Study methodics of measurements of gray level images allows using physical relation between mechanical and structural properties of images especially for limited resolution images, with data inaccuracies, graded object compositions and for structures having similar intensities for different parts.

PL

W artykule zaproponowano zastosowanie logiki rozmytej do analizy struktury kości beleczkowej. Przedstawione zostały teoretyczne i algorytmiczne podstawy metod pomiaru parametrów strukturalnych. Do analizy grubości beleczek zastosowano aplikację korzystającą z algorytmu FDT. Opracowanie metodyki pomiarów na obrazach w skali szarości pozwoli na wykorzystanie fizycznie uzasadnionych relacji wiążących własności mechaniczne i strukturalne obrazów w zastosowaniach medycznych, szczególnie w przypadku obrazów o niskiej rozdzielczości, z nieścisłymi danymi, stopniowanym układem obiektu oraz dla podobnej struktury różnych części.

Słowa kluczowe

EN

FDT algorithm; fuzzy logic; trabecular bone

PL

algorytm FDT; kość beleczkowa; logika rozmyta

• Wydawca: Wydawnictwo Politechniki Krakowskiej im. Tadeusza Kościuszki
• Czasopismo: Czasopismo Techniczne. Mechanika
• Rocznik: 2010
• Tom: R. 107, z. 2-M
• Strony: 239--246
• Opis fizyczny: Bibliogr. 14 poz.,Wz., tab., il.,

Twórcy

autor

Sikorska S.

• Institute of Applied Informatics, Faculty of Mechanical Engineering, Cracow University of Technology

Bibliografia

• [1] Tizhoosh H.R., Fuzzy Image Processing, Springer, Berlin 1997.
• [2] Zadeh L.A., Fuzzy sets. Information and Control, vol.8, 1965, 338–353.
• [3] Haugecker H., Tizhoosh H.R., Fuzzy image processing. In: Jähne B., Haußecker H., Gelßler P., editors, Handbook of computer vision and applications vol. 2., Academic Press, New York 1999, 683–727.
• [4] Rosenfeld A., The fuzzy geometry of image subsets, Pattern Recognition Letters 2, 1984, 311-317.
• [5] Pal S.K., Pal N.K., Entropy: a new dentition and its applications, IEEE Trans. System, Man and Cybernetics 5, 1991, 1260–1270.
• [6] Saha P.K., Wehrli F.W., Gomberg B.R., Fuzzy Distance Transform: Theory, Algorithms, and Applications, Computer Vision and Image Understanding 86, 2002, 171–190.
• [7] Fu K.S., Rosenfeld A., Pattern recognition and image processing, IEEE Trans. Comput. 25, 1976, 1336–1346.
• [8] Pizer S.M., Eberly D., Fritsch D.S., Morse B.S., Zoom-invariant vision of figural shape: The mathematics of cores, Computer Vision Image Understanding 69, 1998, 55–71.
• [9] Saha P.K., Udupa J.K., Odhner D., Scale-based fuzzy connected image segmentation: Theory, algorithms, and validation, Computer Vision Image Understanding 77, 2000, 145–174.
• [10] Srihari S.N., Udupa J.K., Understanding the bin of parts, in Proc. of International Conference on Cybernetics and Society, Denver, Colorado 1979, 44–49.
• [11] Tsao Y., Fu K.S., A parallel thinning algorithm for 3D pictures, Computer Graphics Image Processing 17,1981, 315–331.
• [12] Saha P.K., Chaudhuri B.B., Dutta Majumber D., A new shape preserving parallel thinning algorithm for 3D digital images, Pattern Recognition 30, 1997, 1939–1955.
• [13] Serra T., Image Analysis and Mathematical Morphology, Academic Press, San Diego 1982.
• [14] Borgefors G., Applications of distance transformations, in Aspects of Visual Form Processing, World Scientific, Singapore 1994, 83–108.