• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文学位 >Geodesic tractography segmentation for directional medical image analysis.
【24h】

Geodesic tractography segmentation for directional medical image analysis.

机译：测地线术分割用于定向医学图像分析。

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Medical image analysis algorithms aim at increasing the speed, accuracy, and reliability by which medical images are processed and ultimately understood. Active contour and energy minimization techniques are commonly used in medical image analysis applications. The results of these techniques are optimal under certain assumptions and provide meaningful clinical insights. In this thesis, we develop energy minimization techniques for medical image analysis. The primary focus of this thesis is the construction of a theoretical and applied framework for: (1) Geodesic Tractography: In this work, we develop a mathematical framework for finding optimal paths in oriented domains. In oriented domains, image data depends both upon position and upon direction. In other words, for each position and direction in the domain there exists a unique voxel intensity. The use of a Finsler metric is shown to be particularly suited for this type of problem. In fact, we show that the Finsler condition is necessary to ensure that the flow is well-posed. The development of this theory is couched in an application to diffusion-weighted magnetic resonance imagery (DW-MRI). It is shown that representative or anchor tracts are found which optimally connect two regions of interest in the brain. (2) Tractography Segmentation: In this work, we show how these optimal paths may be used to initialize a volumetric segmentation which captures neural fiber bundles. We present a key problem for volumetric segmentation along with two approaches for overcoming this problem: via either a local constraining of statistics or a tensor warping preprocessing step. Also, in this work, we present medical image analysis algorithms using Bayesian segmentation frameworks. In the first, we present our work on the segmentation of brain MRI tissue into tissue classes. In the second, we present the construction of a model of colon haustra for use in computer-aided detection (CAD) within a Bayesian framework. The core software components of this thesis are being made available in the NAMIC toolkit (see http://www.na-mic.org).
机译：医学图像分析算法旨在提高处理和最终理解医学图像的速度，准确性和可靠性。主动轮廓和能量最小化技术通常用于医学图像分析应用中。在某些假设下，这些技术的结果是最佳的，并提供了有意义的临床见解。在本文中，我们开发了用于医学图像分析的能量最小化技术。本文的主要重点是为以下方面的理论和应用框架的构建：（1）测地线学：在这项工作中，我们开发了一个数学框架，用于在定向域中寻找最佳路径。在定向域中，图像数据取决于位置和方向。换句话说，对于域中的每个位置和方向，都存在唯一的体素强度。已显示使用Finsler度量标准特别适合此类问题。实际上，我们证明了Finsler条件对于确保流动良好是必要的。该理论的发展被应用在扩散加权磁共振成像（DW-MRI）中。结果表明，发现了代表性或锚定性的区域，它们可以最佳地连接大脑中两个感兴趣的区域。 （2）术式分割：在这项工作中，我们展示了如何使用这些最佳路径来初始化捕获神经纤维束的容积分割。我们提出了一种体积分割的关键问题，以及克服这一问题的两种方法：通过局部统计约束或张量变形预处理步骤。此外，在这项工作中，我们提出了使用贝叶斯分割框架的医学图像分析算法。首先，我们介绍将脑MRI组织分割成组织类别的工作。在第二部分中，我们介绍了用于在贝叶斯框架内的计算机辅助检测（CAD）中使用的结肠异位模型的构建。本文的核心软件组件已在NAMIC工具箱中提供（请参见http://www.na-mic.org）。

著录项

  • 作者

    Melonakos, John.;

  • 作者单位

    Georgia Institute of Technology.;

  • 授予单位 Georgia Institute of Technology.;
  • 学科 Engineering Electronics and Electrical.
  • 学位 Ph.D.
  • 年度 2009
  • 页码 114 p.
  • 总页数 114
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类 无线电电子学、电信技术;
  • 关键词

  • 入库时间 2022-08-17 11:38:28

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号