Vi bøger
Levering: 1 - 2 hverdage
Forlænget returret til d. 31. januar 2025

Statistical Models for Segmentation from MR Localizer Images - Matthias Fenchel - Bog

Statistical Models for Segmentation from MR Localizer Imagesaf Matthias Fenchel
Bag om Statistical Models for Segmentation from MR Localizer Images

In dieser Dissertation werden Methoden zur Segmentierung anatomischer Strukturen in Planungsbildern der Magnetresonanztomographie (MRT), sogenannten Localizer-Bildern, vorgestellt. Localizer sind schnelle MR-Scanprotokolle zur Untersuchungsplanung. Segmentierungen anatomischer Strukturen aus diesen Bildern können für Anwendungen zur vollautomatischen Untersuchungsplanung, z.B. Organlokalisierungen, Schichtpositionierungen, Sequenzanpassungen, etc. verwendet werden. Da Localizer-Bilder nicht hinsichtlich Bildqualität sondern hinsichtlich Messzeit und Abdeckung optimiert sind, sind modellbasierte statistische Verfahren für die Segmentierung vorteilhaft. Zwei Methoden werden vorgestellt: Die erste ist eine Methode zur Rekonstruktion von Leberform, -position und -orientierung aus einer Serie von wenigen 2D-Planungsschichtbildern mit großem Schichtabstand. Dazu wird ein Active Shape Model aus manuellen Lebersegmentierungen von 3D Trainingsbildern erstellt, das die durchschnittliche Leberform und die Hauptkomponenten seiner Varianz beschreibt. Korrespondierende Landmarkenpunkte auf der Oberfl äche werden durch Remeshing mit Hilfe konformer Abbildungen in der sphärischen Domäne initialisiert und verfeinert durch Optimierung eines Korrespondenzmaßes, welches auf Minimum Description Length (MDL) basiert und die Kompaktheit des generierten statistischen Modells beschreibt. Die Segmentierung der Leber aus den gestapelten 2D-Schichtbildern erfolgt durch durch die Berechnung derjenigen Modellinstanz des Active Shape Models, welche bestmöglich die Bilddaten beschreibt. Man erreicht dies durch iterative Berechnung optimaler Verschiebungen der Landmarken. Die optimalen Verschiebungen beruhen auf Grauwertprofilen in den Bildern und einer normalisierten lokalen Statistik der Grauwertverteilungen in den Trainingsbildern. Die Instanz des Active Shape Models, die die gefundenen Verschiebungen der Landmarken am besten repräsentiert, wird durch eine Projektion auf den Linearraum des Active Shape Models gefunden. Daraus erhält man eine gültige Modellinstanz, die die Verschiebungen der Landmarken bestmöglich beschreibt.

Vis mere
  • Sprog:
  • Engelsk
  • ISBN:
  • 9783869554396
  • Indbinding:
  • Paperback
  • Sideantal:
  • 130
  • Udgivet:
  • 12. august 2010
  • Størrelse:
  • 148x7x210 mm.
  • Vægt:
  • 179 g.
  • 1-2 uger.
  • 15. januar 2025
På lager
Forlænget returret til d. 31. januar 2025
  •  

    Kan ikke leveres inden jul.
    Køb nu og print et gavebevis

Normalpris

Medlemspris

Prøv i 30 dage for 45 kr.
Herefter fra 79 kr./md. Ingen binding.

Beskrivelse af Statistical Models for Segmentation from MR Localizer Images

In dieser Dissertation werden Methoden zur Segmentierung anatomischer Strukturen in Planungsbildern
der Magnetresonanztomographie (MRT), sogenannten Localizer-Bildern, vorgestellt.
Localizer sind schnelle MR-Scanprotokolle zur Untersuchungsplanung. Segmentierungen
anatomischer Strukturen aus diesen Bildern können für Anwendungen zur vollautomatischen
Untersuchungsplanung, z.B. Organlokalisierungen, Schichtpositionierungen, Sequenzanpassungen,
etc. verwendet werden. Da Localizer-Bilder nicht hinsichtlich Bildqualität
sondern hinsichtlich Messzeit und Abdeckung optimiert sind, sind modellbasierte statistische
Verfahren für die Segmentierung vorteilhaft.
Zwei Methoden werden vorgestellt: Die erste ist eine Methode zur Rekonstruktion von Leberform,
-position und -orientierung aus einer Serie von wenigen 2D-Planungsschichtbildern
mit großem Schichtabstand. Dazu wird ein Active Shape Model aus manuellen Lebersegmentierungen
von 3D Trainingsbildern erstellt, das die durchschnittliche Leberform und die Hauptkomponenten
seiner Varianz beschreibt. Korrespondierende Landmarkenpunkte auf der Oberfl
äche werden durch Remeshing mit Hilfe konformer Abbildungen in der sphärischen Domäne
initialisiert und verfeinert durch Optimierung eines Korrespondenzmaßes, welches auf Minimum
Description Length (MDL) basiert und die Kompaktheit des generierten statistischen
Modells beschreibt. Die Segmentierung der Leber aus den gestapelten 2D-Schichtbildern erfolgt
durch durch die Berechnung derjenigen Modellinstanz des Active Shape Models, welche
bestmöglich die Bilddaten beschreibt. Man erreicht dies durch iterative Berechnung optimaler
Verschiebungen der Landmarken. Die optimalen Verschiebungen beruhen auf Grauwertprofilen
in den Bildern und einer normalisierten lokalen Statistik der Grauwertverteilungen in den
Trainingsbildern. Die Instanz des Active Shape Models, die die gefundenen Verschiebungen
der Landmarken am besten repräsentiert, wird durch eine Projektion auf den Linearraum des
Active Shape Models gefunden. Daraus erhält man eine gültige Modellinstanz, die die Verschiebungen
der Landmarken bestmöglich beschreibt.

Brugerbedømmelser af Statistical Models for Segmentation from MR Localizer Images



Find lignende bøger
Bogen Statistical Models for Segmentation from MR Localizer Images findes i følgende kategorier:

Gør som tusindvis af andre bogelskere

Tilmeld dig nyhedsbrevet og få gode tilbud og inspiration til din næste læsning.