Statistical Models for Segmentation from MR Localizer Images
Du sparer
0%
ift. normalprisen
Spar
0%
- Indbinding:
- Paperback
- Sideantal:
- 130
- Udgivet:
- 12. august 2010
- Størrelse:
- 148x7x210 mm.
- Vægt:
- 179 g.
- 2-3 uger.
- 30. november 2024
På lager
Normalpris
Abonnementspris
- Rabat på køb af fysiske bøger
- 1 valgfrit digitalt ugeblad
- 20 timers lytning og læsning
- Adgang til 70.000+ titler
- Ingen binding
Abonnementet koster 75 kr./md.
Ingen binding og kan opsiges når som helst.
- 1 valgfrit digitalt ugeblad
- 20 timers lytning og læsning
- Adgang til 70.000+ titler
- Ingen binding
Abonnementet koster 75 kr./md.
Ingen binding og kan opsiges når som helst.
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.
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
Giv din bedømmelse
For at bedømme denne bog, skal du være logget ind.Andre købte også..
Find lignende bøger
Bogen Statistical Models for Segmentation from MR Localizer Images findes i følgende kategorier:
© 2024 Pling BØGER Registered company number: DK43351621