The concept of image processing algorithms for assessment and diagnosis of hydrocephalus in children

Węgliński, T.; Fabijańska, A.

Artykuł - szczegóły

Tytuł artykułu

The concept of image processing algorithms for assessment and diagnosis of hydrocephalus in children

Autorzy

Węgliński T. , Fabijańska A.

Treść / Zawartość

Pełne teksty:

Pobierz

Identyfikatory

Warianty tytułu

Algorytmy przetwarzania obrazów dla potrzeb oceny i diagnozy wodogłowia u dzieci

Języki publikacji

Abstrakty

This paper presents a concept of image processing and analysis algorithms for an automatic assessment of hydrocephalus in children's brain. Presented research was inspired by the medical need for tools performing an automatic (or at least semi-automatic) detection and quantitative evaluation of this lesion. Algorithms for precise segmentation of hydrocephalus and determination of its volume from three dimensional CT brain scans were introduced. Specifically, for brain and hydrocephalus segmentation, region growing approach was proposed. Results of applying the developed method to real CT data sets were presented and discussed. The analysis of the results show that in future, the proposed algorithms can be helpful tool for diagnosis of hydrocephalus.

W niniejszym artykule przedstawiono koncepcję wykorzystania algorytmów przetwarzania i analizy obrazów do automatycznej oceny i diagnostyki wodogłowia u dzieci. Inspiracją do badań była potrzeba stworzenia skutecznych narzędzi do automatycznej (lub co najmniej półautomatycznej) detekcji i ilościowej oceny tego schorzenia dla potrzeb współczesnej neurochirurgii. Artykuł zawiera opis opracowanych algorytmów segmentacji obszaru wodogłowia oraz całego mózgu metodą rozrostu obszaru, a także przedstawia algorytm obliczający stosunek objętości zmiany chorobowej do objętości całego mózgu. Niniejszy artykuł prezentuje rezultaty zastosowania proponowanych algorytmów do rzeczywistych danych obrazowych pochodzących z tomografu komputerowego. Analiza otrzymanych rezultatów pokazuje, że proponowane algorytmy mogą stanowić użyteczne narzędzie diagnostyczne do detekcji i oceny wodogłowia u dzieci.

Słowa kluczowe

hydrocephalus CT image segmentation region growing

wodogłowie diagnostyka wodogłowia tomografia komputerowa segmentacja obrazów rozrost obszaru

Wydawca

Sieć Badawcza Łukasiewicz - Instytut Elektrotechniki

Czasopismo

Prace Instytutu Elektrotechniki

Rocznik

2011

Tom

Z. 251

Strony

155--177

Opis fizyczny

Bibliogr. 31 poz., rys., tab.

Twórcy

autor

Węgliński T.

autor

Fabijańska A.

Computer Engineering Department, Technical University of Lodz, tweglinski@kis.p.lodz.pl

Bibliografia

1. Suetens P.: Fundamentals of Medical Imaging, Cambridge University Press, 2009.
2. Park H., Bland P.H., Meyer C.R.: Construction of an abdominal probabilistic atlas and its application in segmentation, IEEE Transactions on Medical Imaging, Vol. 22, pp. 483-492, 2003.
3. Hongkai W., Jing B., Yongxin Z., Yonghong Z.: Abdominal atlas mapping in CT and MR volume images using a normalized abdominal coordinate system, Computerized Medical Imaging and Graphics, Vol. 32, pp. 442-451, 2008.
4. van Assen H.C., Danilouchkine M.G., Frangi A.F., Ordás S., Westenberg J.J.M., Reiber J.H.C., Lelieveldt B.P.F.: SPASM: A 3D-ASM for segmentation of sparse and arbitrarily oriented cardiac MRI data, Medical Image Analysis, Vol. 10, pp. 286-303, 2006.
5. Zheng Y., Barbu A., Georgescu B., Scheuering M., Comaniciu D.: Four-chamber heart modeling and automatic segmentation for 3-D cardiac CT volumes using marginal space learning and steerable features, IEEE Transactions on Medical Imaging, Vol. 27, pp. 1668-1681, 2008.
6. Sluimer I., Schilham A., Prokop M., Van Ginneken B.: Computer analysis of computed tomography scans of the lung: A survey, IEEE Transactions on Medical Imaging, Vol. 25, pp. 385-405, 2006.
7. Fabijańska A.: Two-pass region growing algorithm for segmenting airway tree from MDCT chest scans, Computerized Medical Imaging and Graphics, Vol. 33, pp. 537-546, Elsevier, 2009.
8. Shen S., Sandham W., Granat M., Sterr A.: MRI fuzzy segmentation of brain tissue using neighborhood attraction with neural-network optimization, IEEE Transactions on Information Technology in Biomedicine, Vol. 9, pp. 459-467, 2005.
9. Stokking R., Vincken K.L., Viergever M.A.: Automatic morphology-based brain segmentation (MBRASE) from MRI-T1 data, NeuroImage, Vol. 12, pp. 726-738, 2000.
10. Prastawa M., Bullitt E., Ho S., Gerig G.: A brain tumor segmentation framework based on outlier detection, Medical Image Analysis, Vol. 8, pp. 275-283, 2004.
11. Zakrzewski K.: Wodogłowie i inne zaburzenia krążenia płynu mózgowo-rdzeniowego u dzieci, Czelej, Lublin, 2007 (in Polish).
12. http://www.fizyka.umk.pl/~duch/Wyklady/kog-m/new/brain-ventricles.gif, Duch W.: The Ventricular System of the human brain, retrieved in June 2011.
13. http://raymentspinabifida.blogspot.com/2010/07/learning-about-sb-spina-bifida-is.html, Rayments Life with Spina Bifida, retrieved in June 2011.
14. Zatz L.M.: The Evans ratio for ventricular size: A calculation error, Neuroradiology, Vol. 18, No. 2, pp. 81-81, 1979.
15. Ambarki K., Israelsson H., Wahlin A., Birgander R., Eklund A., Malm J.: Brain ventricular size in healthy elderly: comparison between Evans index and volume measurement, Neuro-surgery, Vol. 67, pp. 94–99, 2010.
16. Bradleya W.G., Safara F.G., Hurtadoa C., Orda J., Alksneb J.F.: Increased intracranial volume: A clue to the etiology of idiopathic normal-pressure hydrocephalus?, American Journal of Neuroradiology, Vol. 25, pp. 1479-1484, 2004.
17. Liu J., Huang S., Nowinski W.L.: Automatic segmentation of the human brain ventricles from MR images by knowledge-based region growing and trimming, Neuroinformatics, Vol. 7, pp. 131-146, 2009.
18. Schnack H.G., Hulshoff Pol H.E., Baaré W.F.C., Viergever M.A., Kahn R.S.: Automatic segmentation of the ventricular system from MR images of the human brain, NeuroImage, Vol. 14, pp. 95-104, 2001.
19. Hatfield F.N., Dehmeshki J.: Automatic delineation and 3-D visualisation of the human ventricular system using probabilistic neural networks, Proceedings of SPIE – The International Society for Optical Engineering, pp. 361-367, 1998.
20. Pustkova R., Kutalek F., Penhaker M., Novak V., Measurement and calculation of cerebrospinal fluid in proportion to the skull, 9th RoEduNet IEEE International Conference, RoEduNet, pp. 95-99, 2010.
21. Butman J.A., Linguraru M.G.: Assessment of ventricle volume from serial MRI scans in communicating hydrocephalus, 5th IEEE International Symposium on Biomedical Imaging: From Nano to Macro, pp. 49-52, 2008.
22. Ambarki K., Wahlin A., Birgander R., et al.: MR imaging of brain volumes: Evaluation of a fully automatic software, American Journal of Neuroradiology, Vol. 32, pp. 408-412, 2011.
23. Kobashi S., Takae T., Hata Y., Kitamura Y.T., Yanagida T., Ishikawa O., Ishikawa M.: Auto-mated segmentation of the cerebrospinal fluid and the lateral ventricles from human brain MR images, Annual Conference of the North American Fuzzy Information Processing Society – NAFIPS, pp. 1961-1966, 2001.
24. Sweetman B., Xenos M., Zitella L., Linninger A.A.: Three-dimensional computational prediction of cerebrospinal fluid flow in the human brain, Computers in Biology and Medicine, Vol. 41, pp. 67-75, 2011.
25. Halberstadt W., Douglas T.S.: Fuzzy clustering of CT images for the measurement of hydrocephalus associated with tuberculous meningitis, Annual International Conference of the IEEE Engineering in Medicine and Biology – Proceedings, pp. 4014-4016, 2005.
26. http://medical.nema.org/dicom/2004.html, Digital Imaging and Communications in Medicine, retrieved in June 2011.
27. Ridler T.W., Calvard S.: Picture thresholding using an iterative selection method, IEEE Transactions on Systems, Man and Cybernetics SMC-8 (8), pp. 630-632, 1978.
28. Tsai W.-H.: Moment-preserving thresholding: a new approach, Computer Vision, Graphics & Image Processing, Vol. 29, pp. 377-393, 1985.
29. Kapur J.N., Sahoo P.K., Wong A.K.C.: A new method for gray-level picture thresholding using the entropy of the histogram, Computer Vision, Graphics & Image Processing, Vol. 29, pp. 273-285, 1985.
30. Węgliński T., Fabijańska A.: Image segmentation algorithms for diagnosis support of hydro-cephalus in children, Automatyka, Vol. 15, No. 3, 2011 (in print).
31. Simon M.K: Probability Distributions Involving Gaussian Random Variables: A Handbook for Engineers and Scientists, Springer, 2006.

Typ dokumentu

Bibliografia

Identyfikator YADDA

bwmeta1.element.baztech-article-BPS2-0063-0030