Morphological analysis and automatic segmentation of biological structures from medical images

 
Το τεκμήριο παρέχεται από τον φορέα :

Αποθετήριο :
Εθνικό Αρχείο Διδακτορικών Διατριβών
δείτε την πρωτότυπη σελίδα τεκμηρίου
στον ιστότοπο του αποθετηρίου του φορέα για περισσότερες πληροφορίες και για να δείτε όλα τα ψηφιακά αρχεία του τεκμηρίου*
κοινοποιήστε το τεκμήριο




2014 (EL)

Μορφολογική ανάλυση και αυτόματη κατάτμηση βιολογικών δομών από ιατρικές απεικονίσεις τους
Morphological analysis and automatic segmentation of biological structures from medical images

Ζαρπαλάς, Δημήτριος
Zarpalas, Dimitrios

The objective of this dissertation is the development of automatic techniques towards the reliable segmentation of hippocampus from brain magnetic resonance images. Over the last years the relevant research has revealed the implication of hippocampus structural changes in many brain disorders, and that assessing its morphology should be adopted in clinical practice, as a new form of biomarker to help disease diagnosis. The aforementioned findings are based on comparisons between healthy and diseased subjects, using manually defined hippocampus segmentations from small number of subjects, due to the implicated cost and the inter-rater variability. In order to validate and eventually establish the use of hippocampus morphology as a biomarker in clinical practice, it is required that there exist automatic methods that offer reproducible results and apply them for large-scale experiments. This constitutes the motivation of this dissertation, which focuses on the use of active contour models and incorporating to them two forms of prior knowledge about hippocampus, in an effort to model the human experts' knowledge. The first form of prior knowledge is about the spatial distribution of hippocampus, while the second one is about the varying boundary properties of hippocampus. Given the boundary properties, it can be decided which type of information or which blending of multiple types of information is the optimum one to drive the segmentation for each specific boundary part. The optimum local blending of the different types of information is defined through a local interaction map for the energy terms used within a hybrid active contour model, which is formulated based on the prior knowledge about the varying boundary properties. Two different ways for formulating the local interaction map are proposed within this dissertation. The proposed methodology has been designed to work on top of the multi-atlas framework, taking advantage of its reliable outcomes. The evaluation of the proposed methodology has been performed using three different MRI datasets, which provide manually defined hippocampus segmentations, verifying its improvements on top of the multi atlas output and showing its superior performance against the existing techniques.
Αντικείμενο της παρούσας διδακτορικής διατριβής αποτελεί η δημιουργία αυτόματων τεχνικών για την αξιόπιστη απομόνωση του ιππόκαμπου από μαγνητικές τομογραφίες εγκεφάλου. Τα τελευταία χρόνια έχει βρεθεί και αποδειχθεί ο συσχετισμός της εκφύλισης του ιππόκαμπου με διάφορες ασθένειες (π.χ. Alzheimer's, σχιζοφρένεια κ.α.), και πλέον θεωρείται ότι η μορφολογική ανάλυσή του θα πρέπει να υιοθετηθεί στην κλινική πρακτική για την πιο αποτελεσματική διάγνωση αυτών των ασθενειών. Τα ευρήματα συσχετίσεων έχουν βασιστεί σε συγκρίσεις ιππόκαμπων που έχουν εξαχθεί μέσω χειροκίνητων απομονώσεων, αναγκαστικά σε περιορισμένο πληθυσμό λόγω υψηλού κόστους και της ασυμφωνίας μεταξύ διαφορετικών χειριστών. Η πλήρης επιβεβαίωση και καθιέρωση της ογκομετρίας του ιππόκαμπου στην κλινική ιατρική απαιτεί όμως την αξιόπιστη και με επαναλαμβανόμενο τρόπο απομόνωσή του σε μεγάλο πληθυσμό. Αυτό αποτελεί το κίνητρο της παρούσας διατριβής, η οποία εστίασε στη χρήση μοντέλων ενεργών περιγραμμάτων ενσωματώνοντας σε αυτά δυο μορφές «εκ των προτέρων γνώσης» του ιππόκαμπου, σε μια προσπάθεια μοντελοποίησης της εμπειρίας ενός εξειδικευμένου ακτινολόγου ή νευρολόγου. Η «εκ των προτέρων γνώση» αφορά την κατανομή των στοιχείων του ιππόκαμπου στο χώρο, αλλά και τις τοπικές ιδιότητες του ορίου του. Αναλύοντας τις τοπικές ιδιότητες του ιππόκαμπου, αποφασίζεται τι είδους πληροφορία ή μείγμα διαφορετικών ειδών, μπορεί να καθοδηγήσει τη διαδικασία απομόνωσης για κάθε τμήμα του ορίου του. Ο κατάλληλος τοπικός συνδυασμός των διαφορετικών ειδών πληροφορίας ορίζεται από ένα χάρτη τοπικής αλληλεπίδρασης των ενεργειακών όρων ενός υβριδικού μοντέλου ενεργών περιγραμμάτων, ο οποίος δημιουργείται βάσει της «εκ των προτέρων γνώσης» που αφορά τις τοπικές ιδιότητες του ορίου. Στην παρούσα διατριβή προτείνονται δυο διαφορετικοί τρόποι δημιουργίας του τοπικού χάρτη αλληλεπίδρασης. Η συνολική προτεινόμενη μεθοδολογία σχεδιάστηκε ώστε να λειτουργεί εκμεταλλευόμενη τα αρκετά αξιόπιστα αποτελέσματα της διαδικασίας των πολυ-ατλάντων (multi-atlas), οπότε προτείνεται η χρήση της ως ένα επιπλέον βήμα της διαδικασίας αυτής. Η αξιολόγηση της προτεινόμενης μεθοδολογίας έγινε σε τρεις διαφορετικές βάσεις τομογραφιών, που διαθέτουν χειροκίνητες απομονώσεις του ιππόκαμπου από εξειδικευμένο προσωπικό, αποδεικνύοντας τη βελτίωση που προσφέρει στην λεπτομερέστερη απομόνωση του ιππόκαμπου σε σχέση με τη διαδικασία των πολυ-ατλάντων, αλλά και την υπεροχή της από τις υπάρχουσες τεχνικές.

PhD Thesis

Άλλες Ιατρικές Επιστήμες
Other Medical Sciences
Medical and Health Sciences
Αυτόματη απομόνωση
Βιοϊατρική Μηχανική
Brain magnetic resonance image
Εγκέφαλος (Υποθάλαμος και ιππόκαμπος)
Επιστήμες Μηχανικού και Τεχνολογία
Engineering and Technology
Automatic segmentation
Active contour models
Μοντέλα ενεργών περιγραμματων
Medical Engineering
Μαγνητική τομογραφία εγκέφαλου
Hippocampus
Ιατρική και Επιστήμες Υγείας


Ελληνική γλώσσα

2014


Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης (ΑΠΘ)
Aristotle University Of Thessaloniki (AUTH)




*Η εύρυθμη και αδιάλειπτη λειτουργία των διαδικτυακών διευθύνσεων των συλλογών (ψηφιακό αρχείο, καρτέλα τεκμηρίου στο αποθετήριο) είναι αποκλειστική ευθύνη των αντίστοιχων Φορέων περιεχομένου.