Landmarks Identification Using Active Appearance Models

• Autorzy: Kowalski P. , Tomaka A. , Liśniewska-Machorowska B.

Warianty tytułu

PL

Wyznaczanie punktów charakterystycznych metodą modeli aktywnego wyglądu

• Języki publikacji: EN

Abstrakty

EN

Orthodontic diagnosis is based on the analysis of cephalograms (X-ray images of the head). Comparing cephalograms requires the correct homology to be established. In traditional cephalometric analysis this homology is established based on landmarks - the most prominent points in some areas or points with special features with labels assigned to them. In spite of quite a long history of development of automatic landmarking methods, their identification is usually performed manually, which is a time-consuming process. It order to simplify this process it is useful to initially locate the landmarks automatically. Because the landmarks are identified not only by local features, but also by the geometrie structure of the skuli, the model has to represent not only the local features (pixels in the image in a smali neighbourhood of the landmark), but also geometrie constraints on a wider scale. One of many possible approaches is the active appearance model (AAM). The active appearance model was developed from the active shape models, and consists of a model of the shape and a model of the texture (greylevel distribution) of the object we wish to find in the image. The model is active, which means it can be adapted to fit the real object in the image. The main principle of active models is to use two energies - internal energy representing soft constraints imposed on the shape, contour, or texture of the model, and the external energy representing the quality of the fit between the model and the image. The paper presents the results of our experiments in applying AAM to find landmarks in cephalograms using a database consisting of 209 cephalograms with 27 landmarks identified manually by an expert. Current results are presented and possible modifications for achieving morę precise results are described.

PL

Podstawą diagnostyki w ortodoncji są zdjęcia rentgenowskie głowy - cefalogramy. Porównanie cefalogramów - dla celów analizy wzrostu, deformacji czy oceny efektów terapii, wymaga prawidłowego określenia homologii w tych obrazach. W tradycyjnej analizie ortodontycznej homologia ta jest określona poprzez punkty charakterystyczne - poetykietowane, najbardziej wydatne punkty w pewnych obszarach, bądź też punkty którym przypisywane są określone cechy. Pomimo iż prace nad automatyczną detekcją tych punktów charakterystycznych mają całkiem długą historię, zazwyczaj ich wskazanie odbywa się ręcznie, co jest zadaniem czasochłonnym. By uprościć ten proces, pożądane jest wstępne określenie pozycji punktu w obrazie. Ponieważ identyfikacja tych punktów odbywa się nie tylko na podstawie cech lokalnych w obrazie, ale też i wiedzy o geometrycznej strukturze czaszki, dąży się do tego, aby wykorzy­stać informację o lokalnych cechach (piksele w sąsiedztwie punktu charakterystycznego) oraz znane relacje geometryczne. Jednym z możliwych podejść jest wykorzystanie metod aktywnego wyglądu. Model aktywnego wyglądu powstał jako rozwinięcie modelu aktywnego kształtu i składa się z modelu kształtu oraz modelu tekstury (rozkładu intensywności) obiektu, który ma zostać znaleziony w obrazie. Jest to model aktywny, co oznacza, że może się wpasowywać w obiekt znajdujący się na obrazie. Podstawową ideą aktywnych modeli jest wykorzystanie dwóch energii - wewnętrznej, reprezentującej ograniczenia nakładane na kształt, kontur, oraz wypełnienie modelu oraz zewnętrznej, reprezentującą jakość dopasowania pomiędzy obrazem a modelem. Artykuł prezentuje rezultaty eksperymentu zastosowania modeli aktywnego wyglądu do automatycznego wskazywania punktów charakterystycznych dla bazy danych 209 cefalogramów z wskazanymi przez eksperta punktami charakterystycznymi. Zaprezentowano uzyskane wyniki i opisano możliwe modyfikacje, które powinny przyczynić się do uzyskania większej dokładności.

Słowa kluczowe

EN

active appearance models; landmarks; cephalograms; skuli; mandible

• Wydawca: Instytut Informatyki Teoretycznej i Stosowanej Polskiej Akademii Nauk
• Czasopismo: Archiwum Informatyki Teoretycznej i Stosowanej
• Rocznik: 2005
• Tom: T. 17, z. 4
• Strony: 251--264
• Opis fizyczny: Bibliogr. 16 poz., rys.

Twórcy

autor

Kowalski P.

• Institute of Theoretical and Applied Informatics Polish Academy of Sciences 44-100 Gliwice, ul. Bałtycka 5, Poland

autor

Tomaka A.

• Institute of Theoretical and Applied Informatics Polish Academy of Sciences 44-100 Gliwice, ul. Bałtycka 5, Poland

autor

Liśniewska-Machorowska B.

• DEpartment of Orthodontics, Silesian Academy of Medicine, 41-800 Zabrze, Plac Trauguta 2, Poland

Bibliografia

• [1 ] Baker S., Matthews I.: Lucas-Kanade 20 Years On: A Unifying Framework. Part 1: The Quantinity Approximated, the Warp Update Rule and the Gradient Descent Approximation. Tech. report CMU-RI-TR-02-16, Robotics Institute, Carnegie Mellon University, July, 2002.
• [2] Bhatia S.N., Leighton B.C., A Manual of Facial Growth, Oxford University Press, 1993
• [3] Cardillo J., Sid-Ahmed M. A., An image processing system for locating craniofacial landmarks IEEE Transactions in Medical Imaging 13; 275-289
• [4] Cootes T.F., Edwards G.J., TAYLOR C.J., Active Appearance Models. Proc. European Conference on Computer Vision 1998, vol. 2, pp. 484-498, Springer, 1998.
• [5] Chen Y. T., Cheng K. S., Liu J. K., Improving cephalogram analysis throught feature subimage extraction, IEEE Engineering in Medicine and Biology 18; 25-31, 1999
• [6] Davis S D., Knowledge-based cephalometric analysis a comparison with clinicians using interactive computer methods, Comput. Biomed. Res. 27; 210-228; 1994
• [7] El-Feghi I., Sid-Ahmed M.A., AHMADI M., Automatic localization of craniofacial landmarks for assisted cephalometry, Pattern Recognition 37 (2004, pp. 609-621
• [8] Grau V., Alcaniz M., Juan M. C, Monserrat C, Knoll C. Automatic Localization of Cephalometric Landmarks, Journal of Biomedical Informatics, 34, 146-156 2001
• [9] Hutton T. J., Cunningham S., Hammond P., An Evaluation of Active Shape Models for the Automatic Identification of Cephalometric Landmarks, European Journal of Orthodontics 22(5): 499-508,2001
• [10] Innes A., Ciesielski V., Mamutil J., John S., Landmark detection for cephalometric radiology image using pulse coupled neural network, International Conference in Computing in Communications, 391-396, June 2002.
• [11 ]Levy-Mendel A., Venetsantopulos A., Tsotsos J., Knowledge-based landmarking of cephalograms. Comput Biomed Res 1986; 19; 282-309
• [12] Liu J-K., Chen Y-T., Cheng K-S., Accuracy of computerized automatic identification of cephalometric landmarks, American Journal of Orthodontics and Dentofacial Orthopedics, November 2000, pp. 535-540
• [13] Matthews I., Baker S., Active Appearance Models Revisited. Tech. report CMU-RI-TR-03-02, Robotics Institute, Carnegie Mellon University, April, 2003
• [14] Mcclure S.R., Sadowsky P.L., Ferreirs A., Jacobson A., Reliability of Digital Versus Conventional Cephalometric Radiology: A Comparative Evaluation of Landmark Identification Error, Seminars in Orthodontics, pp. 98-110, Elsevier, 2005
• [15] Parthasarathy S., Nugent S. T. Gregson P. D. Fay D. F., Automatic landmarking of cephalograms Computers and Biomedical Research22; 248-269,1989
• [16] Rakosi T., An Atlas of cephalometric radiography, . Wolfe Medical Publications, London 1982.