Wyniki wyszukiwania - BazTech

1

New deformable models development using the MESA environment

Bołdak C., Reska D., Krętowski M.

Journal of Applied Computer Science

|

2014

|

Vol. 22, nr 1

29--48

EN

In this work we present capabilities of a new environment called Medical Segmentation Arena (MESA) in developing new segmentation methods based on the deformable models. The MESA environment was created in frame of the project “Information Platform TEWI” to facilitate researches in the medical image processing domain. The operator can formulate new segmentation algorithms based on the deformable models theory (active contours - snakes) by composing them from ready-to-use blocks. He can also develop new blocks with a simple Java-based programming mechanism. Then he can easily evaluate these algorithms with many o ﬀ ered tools (image management and visualization, batch experiment planning and running, parametric studies, virtual phantom generation, segmentation quality assessment, distributing of computations). We give also some examples of the snake energies and models implemented in the MESA environment presenting its capabilities in practice.

2

Aplikacja wspierająca proces konturowania organów w danych medycznych

Flis E., Socha M., Skalski A.

Pomiary Automatyka Kontrola

|

2012

|

R. 58, nr 4

323-326

PL

Ze względu na coraz częstsze wykorzystanie danych obrazowych w medycynie, a bardzo często wiążąca się z tym konieczność wykonywania obrysów struktur anatomicznych pojawiła się potrzeba tworzenia aplikacji skracających i ułatwiających ten proces. W artykule przedstawiono aplikację wspierającą ten proces. Aplikacja umożliwia automatyczną segmentację struktur, korekcję wyników przez użytkownika, dokonywanie pomiarów jak i obsługę typowego formatu zapisu danych DICOM.

EN

New and accessible imaging methods, ranging from Computed Tomography (CT), Magnetic Resonance Imaging (MRI) to Positron Emission Tomography (PET) allow medical doctors to obtain non-invasively potentially life-saving information about patient condition and body. This information is usually used to improve diagnostic accuracy and give more information during treatment. However, the purpose of recent medical imaging is not only to obtain simple visualization and insight into human anatomic structures, but also as a powerful tool for CAD, radiotherapies, surgical operation planning and simulation. This is exactly the field where image segmentation methods can play a key role. In this work, a cross-platform application software equipped with an algorithm for segmentation of anatomical structures (region growing and deformable models), manual contouring and medical data visualization was developed. Results from the region growing algorithm can be a final outcome with or without user's corrections or can be a transform to the initial surface for deformable models technique. The software application was written in C++ language with Qt, VTK, ITK and GDCM toolkits [13-16]. Graphic User Interface is shown in Fig. 1. The application works with medical data in DICOM [2] and DICOM RT [3] standard. The exemplary segmentation results are presented in Figs. 3 and 4.

3

Application of deformable grids and hidden Markov models for isolated word recognition from facial image sequences of a speaking person

Nowak H.

Zeszyty Naukowe. Elektryka / Politechnika Łódzka

|

2008

|

z. 115

87-93

EN

The paper reports a method of word recognition using visual information only derived from a video speech recording. Combination of the discriminative deformable grid approach to individual frame analysis with the Hidden Markov Model technique, applied to a sequence analysis, is proposed to solve the lip-reading problem. The main research objective was to develop the deformable grid construction method and to extract the visual speech characteristics from the mouth images that could be used in a speech recognition. The visual speech recognition system has been described. Similarly, the method of verification with isolated phones and digits recognition experiments has been presented.

PL

Celem badań było opracowanie metody rozpoznawania słów na podstawie sekwencji obrazów twarzy z zarejestrowaną wypowiedzią. Do rozwiązania tak postawionego zadania zaproponowano koncepcję połączenia metody dyskryminacyjnej siatki deformowalnej do analizy pojedynczych klatek video oraz Niejawnych Modeli Markova (HMM) do analizy sekwencji. Głównym przedmiotem badań było opracowanie metody projektowania siatki deformowalnej i ekstrakcji charakterystyk wizualnych mowy na podstawie obrazów ust. Siatka deformowalna jest abstrakcyjną strukturą złożoną z elastycznie połączonych węzłów, które przechowują wartości lokalnej cechy obrazu. Odpowiednio skonstruowana siatka jest wykorzystywana do ekstrakcji deskryptora obrazu ust w procesie jej iteracyjnego dopasowania do obrazu. W przedstawionym systemie zaimplementowano procedury lokalizacji twarzy i ust oraz analizy sekwencji. W pierwszym kroku przetwarzania, siatka deformowalna jest wykorzystana do obliczenia deskryptora obrazu ust dla każdej klatki sekwencji. Uzyskane dane są następnie kodowane i analizowane za pomocą HMM. Podsumowując, zaproponowaną metodę rozpoznawania słów w oparciu jedynie o informację obrazową przetestowano przy użyciu eksperymentów z rozpoznawaniem pojedynczych głosek oraz wypowiadanych cyfr. Metoda może służyć rozpoznawaniu słów z większego słownika lub w systemach rozpoznawania na podstawie obrazu i dźwięku.

4

Application of cellular neural networks and deformable models to object recognition

Korbiel P.

Zeszyty Naukowe. Elektryka / Politechnika Łódzka

|

2007

|

z. 111

65-72

EN

The following paper presents an idea of deformable grid object-recognition paradigm implementation within a framework of Cellular Neural Network Universal Machine (CNN-UM). A method for parallel representation of deformable grid, as well as a method for parallel modelling of grid matching process has been proposed. The proposed object recognition method has been verified by means of computer simulations and experimentally by using actual hardware CNN-UM implementations. The main advantage of the method is a fast realisation of the recognition task.

PL

Podstawowym celem pracy było wykazanie możliwości efektywnej implementacji metody rozpoznawania obrazów, bazującej na wykorzystaniu siatek deformowalnych, w strukturze równoległego, macierzowego procesora obrazu, jaki stanowi uniwersalna sieć neuronowa komórkowa (USNK). W wyniku przeprowadzonych badań opracowano sposób reprezentacji deformowalnej siatki dostosowany do architektury procesorów USNK. Opracowana została metoda równoległego modelowania mechanizmów decydujących o przemieszczaniu węzłów siatki deformowalnej w procesie analizy obrazu. Opracowany w wyniku badań algorytm rozpoznawania został pomyślnie zweryfikowany w drodze symulacji komputerowych. Zweryfikowana została także możliwość realizacji opracowanego algorytmu przy użyciu współczesnych platform sprzętowych zbudowanych w oparciu o strukturę uniwersalnej sieci neuronowej komórkowej. Sformułowana w wyniku przeprowadzonych badań metoda pozwala na istotne poszerzenie możliwości funkcjonalnych współczesnych układów inteligentnych sensorów informacji wizyjnej, pozwalając na realizację złożonej analizy obrazu już na poziomie przetwarzania wstępnego. W konsekwencji, zaproponowane rozwiązanie pozwala na znaczące zwiększenie efektywności pracy szerokiej klasy systemów automatycznego monitorowania i nadzoru, korzystających z rozproszonych źródeł informacji wizyjnej.