Soft-tissues image processing: comparison of traditional segmentation methods with 2D active contour methods
Loading...
Date
2012-07-31
ORCID
Advisor
Referee
Mark
Journal Title
Journal ISSN
Volume Title
Publisher
De Gruyter Open
Altmetrics
Abstract
The paper deals with modern methods of image processing, especially image segmentation, classification and evaluation of parameters. It is focused primarily on processing medical images of soft tissues obtained by magnetic resonance tomography (MR). It is easy to describe edges of the sought objects using of segmented images. The edges found can be useful for further processing of monitored object such as calculating the perimeter, surface and volume evaluation or even three-dimensional shape reconstruction. The proposed solutions can be used for the classification of healthy/unhealthy tissues in MR or other imaging. Application examples of the proposed segmentation methods are shown. Research in the area of image segmentation is focused on methods based on solving partial differential equations. This is a modern method for image processing, often called the active contour method. It is of great advantage in the segmentation of real images degraded by noise with fuzzy edges and transitions between objects. In the paper, results of the segmentation of medical images by the active contour method are compared with results of the segmentation by other existing methods. Experimental applications are given which demonstrate the very good properties of the active contour method.
Článek se zabývá moderními metodami zpracování obrazů, konkrétně segmentací obrazů, klasifikací a vyhodnocením parametrů. Je zaměřen primárně na zpracování medicínských obrazů měkkých tkání pořízených magneticko-rezonanční tomografií (MR). Segmentované obrazy slouží k popisu hran hledaných objektů. Hrany mohou být užitečné pro další zpracování hledaných oblastí jako je výpočet obvodu, povrchu, objemu nebo dokonce pro trojrozměrnou rekonstrukci. Navrhovaná řešení mohou být použity pro klasifikaci zdravých/postižených tkání pomocí MR nebo dalších technik. Jsou ukázány příklady aplikací. Výzkum v oblasti segmentace obrazů je zaměřen na metody založené na řešení parciálních diferenciálních rovnic. Jde o moderní metody zpracování obrazů, často nazývané metody aktivních kontur. Mají velmi dobré výsledky při segmentování reálných obrazů zatížených šumem, hladkými přechody mezi oblastmi a rozmazanými hranami. V článku jsou srovnány výsledky segmentace medicínských obrazů metodou aktivních kontur s dalšími metodami. Jsou uvedeny experimentální aplikace, které ukazují velmi dobré vlastnosti metody aktivních kontur.
Článek se zabývá moderními metodami zpracování obrazů, konkrétně segmentací obrazů, klasifikací a vyhodnocením parametrů. Je zaměřen primárně na zpracování medicínských obrazů měkkých tkání pořízených magneticko-rezonanční tomografií (MR). Segmentované obrazy slouží k popisu hran hledaných objektů. Hrany mohou být užitečné pro další zpracování hledaných oblastí jako je výpočet obvodu, povrchu, objemu nebo dokonce pro trojrozměrnou rekonstrukci. Navrhovaná řešení mohou být použity pro klasifikaci zdravých/postižených tkání pomocí MR nebo dalších technik. Jsou ukázány příklady aplikací. Výzkum v oblasti segmentace obrazů je zaměřen na metody založené na řešení parciálních diferenciálních rovnic. Jde o moderní metody zpracování obrazů, často nazývané metody aktivních kontur. Mají velmi dobré výsledky při segmentování reálných obrazů zatížených šumem, hladkými přechody mezi oblastmi a rozmazanými hranami. V článku jsou srovnány výsledky segmentace medicínských obrazů metodou aktivních kontur s dalšími metodami. Jsou uvedeny experimentální aplikace, které ukazují velmi dobré vlastnosti metody aktivních kontur.
Description
Keywords
Zpracování medicínských obrazů, segmentace obrazu, jaterní nádor, disk čelistního kloubu, level set, aktivní kontury, prahování, segmentace povodním, hranové detektory, Medical image processing, image segmentation, liver tumour, temporomandibular joint disc, level set, active contours, thresholding, watershed, edge detectors
Citation
Measurement Science Review. 2012, vol. 12, issue 4, p. 153-161.
https://www.degruyter.com/view/j/msr.2012.12.issue-4/v10048-012-0023-8/v10048-012-0023-8.xml
https://www.degruyter.com/view/j/msr.2012.12.issue-4/v10048-012-0023-8/v10048-012-0023-8.xml
Document type
Peer-reviewed
Document version
Published version
Date of access to the full text
Language of document
en
Study field
Comittee
Date of acceptance
Defence
Result of defence
Document licence
Creative Commons Attribution-NonCommercial-NoDerivatives 3.0 Unported
http://creativecommons.org/licenses/by-nc-nd/3.0/
http://creativecommons.org/licenses/by-nc-nd/3.0/