Kernel-based image analysis towards MRI segmentation and classification

Recientemente, el análisis de imágenes médicas ha recibido gran interés debido a su amplia gama de aplicaciones incluyendo cirugía cerebral, construcción de atlases, y diagnostico asistido por computador. Por otro lado, la teoría de Kernels es uno de los métodos de aprendizaje de maquina más emplead...

Full description

Autores:
Cárdenas Peña, David Augusto
Tipo de recurso:
Doctoral thesis
Fecha de publicación:
2016
Institución:
Universidad Nacional de Colombia
Repositorio:
Universidad Nacional de Colombia
Idioma:
spa
OAI Identifier:
oai:repositorio.unal.edu.co:unal/56541
Acceso en línea:
https://repositorio.unal.edu.co/handle/unal/56541
http://bdigital.unal.edu.co/52348/
Palabra clave:
6 Tecnología (ciencias aplicadas) / Technology
62 Ingeniería y operaciones afines / Engineering
Análisis de imágenes medicas
Teoría de kernels
Agrupamiento de RNM
Segmentación basada en atlases
Selección de plantillas
Segmentación Bayesiana
Segmentación basada en parches
Diagnóstico asistido por computador
Función de costo empleando medidas de información
Redes neuronales
Medical image analysis
Kernel theory
MRI clustering
Atlas-based segmentation
Template selection
Bayesian segmentation
Patch-based segmentation
Computer-aided diagnosis
Information-based cost function
Neural networks
Rights
openAccess
License
Atribución-NoComercial 4.0 Internacional
id UNACIONAL2_a49b83d1293a9b65dc1c82c2576d1419
oai_identifier_str oai:repositorio.unal.edu.co:unal/56541
network_acronym_str UNACIONAL2
network_name_str Universidad Nacional de Colombia
repository_id_str
dc.title.spa.fl_str_mv Kernel-based image analysis towards MRI segmentation and classification
title Kernel-based image analysis towards MRI segmentation and classification
spellingShingle Kernel-based image analysis towards MRI segmentation and classification
6 Tecnología (ciencias aplicadas) / Technology
62 Ingeniería y operaciones afines / Engineering
Análisis de imágenes medicas
Teoría de kernels
Agrupamiento de RNM
Segmentación basada en atlases
Selección de plantillas
Segmentación Bayesiana
Segmentación basada en parches
Diagnóstico asistido por computador
Función de costo empleando medidas de información
Redes neuronales
Medical image analysis
Kernel theory
MRI clustering
Atlas-based segmentation
Template selection
Bayesian segmentation
Patch-based segmentation
Computer-aided diagnosis
Information-based cost function
Neural networks
title_short Kernel-based image analysis towards MRI segmentation and classification
title_full Kernel-based image analysis towards MRI segmentation and classification
title_fullStr Kernel-based image analysis towards MRI segmentation and classification
title_full_unstemmed Kernel-based image analysis towards MRI segmentation and classification
title_sort Kernel-based image analysis towards MRI segmentation and classification
dc.creator.fl_str_mv Cárdenas Peña, David Augusto
dc.contributor.advisor.spa.fl_str_mv Castellanos Domínguez, César Germán (Thesis advisor)
dc.contributor.author.spa.fl_str_mv Cárdenas Peña, David Augusto
dc.subject.ddc.spa.fl_str_mv 6 Tecnología (ciencias aplicadas) / Technology
62 Ingeniería y operaciones afines / Engineering
topic 6 Tecnología (ciencias aplicadas) / Technology
62 Ingeniería y operaciones afines / Engineering
Análisis de imágenes medicas
Teoría de kernels
Agrupamiento de RNM
Segmentación basada en atlases
Selección de plantillas
Segmentación Bayesiana
Segmentación basada en parches
Diagnóstico asistido por computador
Función de costo empleando medidas de información
Redes neuronales
Medical image analysis
Kernel theory
MRI clustering
Atlas-based segmentation
Template selection
Bayesian segmentation
Patch-based segmentation
Computer-aided diagnosis
Information-based cost function
Neural networks
dc.subject.proposal.spa.fl_str_mv Análisis de imágenes medicas
Teoría de kernels
Agrupamiento de RNM
Segmentación basada en atlases
Selección de plantillas
Segmentación Bayesiana
Segmentación basada en parches
Diagnóstico asistido por computador
Función de costo empleando medidas de información
Redes neuronales
Medical image analysis
Kernel theory
MRI clustering
Atlas-based segmentation
Template selection
Bayesian segmentation
Patch-based segmentation
Computer-aided diagnosis
Information-based cost function
Neural networks
description Recientemente, el análisis de imágenes médicas ha recibido gran interés debido a su amplia gama de aplicaciones incluyendo cirugía cerebral, construcción de atlases, y diagnostico asistido por computador. Por otro lado, la teoría de Kernels es uno de los métodos de aprendizaje de maquina más empleados en variadas tareas debido a sus propiedades y múltiples técnicas. En este trabajo, se combinan las imágenes médicas, en particular las imágenes de resonancia magnética, y la teoría de Kernels para mejorar las tareas de segmentación y clasificación. La primera contribución de esta tesis es un nuevo criterio para la sintonización del ancho de banda del Kernel Gaussiano, como ´único parámetro libre, el cual es denominado KEIPV. El algoritmo maximiza la variabilidad del potencial de información en el espacio reproducido de Hilbert. Este criterio se emplea para la sintonización de todos los Kernels Gaussianos considerados en este trabajo. Luego, se propone una nueva representación de imágenes 3D que realza las categorías inherentes en los sujetos, específicamente edad y género. La medida embebida de similitud de imágenes soporta los algoritmos de segmentación basados en atlases al seleccionar las plantillas más relevantes de tal forma que se reduce el costo computacional (inducido por el registro deformable) y se mejora el desempeño de segmentación. Posteriormente, se proponen dos estrategias de segmentación basadas en atlases: La primera presenta una función de costo empleando medidas de información para el esquema de segmentación Bayesiana, tal que los parámetros del modelo se ajustan mejor a las propiedades de la imagen. La segunda es una estrategia empleando parches, para la que se propone una extracción de características voxel a voxel local que se entrena con información supervisada proveniente de las etiquetas de voxeles vecinos. Con este objetivo, la maximización del criterio del alineamiento de Kernels centralizados (CKA) que mejora la discriminación de tejidos en el espacio de características. Finalmente, un nuevo esquema de entrenamiento para perceptrones multicapa (MLP) se describe en el último capítulo con dos contribuciones: Una etapa de pre-entrenamiento supervisado usando CKA que estima matrices de proyección lineal; y una función de costo empleando la entropía condicional de matrices para el ajuste fino de los parámetros del MLP en un esquema de actualización por retropropagación
publishDate 2016
dc.date.issued.spa.fl_str_mv 2016
dc.date.accessioned.spa.fl_str_mv 2019-07-02T11:55:54Z
dc.date.available.spa.fl_str_mv 2019-07-02T11:55:54Z
dc.type.spa.fl_str_mv Trabajo de grado - Doctorado
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/doctoralThesis
dc.type.version.spa.fl_str_mv info:eu-repo/semantics/acceptedVersion
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_db06
dc.type.content.spa.fl_str_mv Text
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/TD
format http://purl.org/coar/resource_type/c_db06
status_str acceptedVersion
dc.identifier.uri.none.fl_str_mv https://repositorio.unal.edu.co/handle/unal/56541
dc.identifier.eprints.spa.fl_str_mv http://bdigital.unal.edu.co/52348/
url https://repositorio.unal.edu.co/handle/unal/56541
http://bdigital.unal.edu.co/52348/
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.ispartof.spa.fl_str_mv Universidad Nacional de Colombia Sede Manizales Facultad de Ingeniería y Arquitectura Departamento de Ingeniería Eléctrica, Electrónica y Computación Ingeniería Electrónica
Ingeniería Electrónica
dc.relation.references.spa.fl_str_mv Cárdenas Peña, David Augusto (2016) Kernel-based image analysis towards MRI segmentation and classification. Doctorado thesis, Universidad Nacional de Colombia - Sede Manizales.
dc.rights.spa.fl_str_mv Derechos reservados - Universidad Nacional de Colombia
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.license.spa.fl_str_mv Atribución-NoComercial 4.0 Internacional
dc.rights.uri.spa.fl_str_mv http://creativecommons.org/licenses/by-nc/4.0/
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv Atribución-NoComercial 4.0 Internacional
Derechos reservados - Universidad Nacional de Colombia
http://creativecommons.org/licenses/by-nc/4.0/
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.mimetype.spa.fl_str_mv application/pdf
institution Universidad Nacional de Colombia
bitstream.url.fl_str_mv https://repositorio.unal.edu.co/bitstream/unal/56541/1/1053779322.2016.pdf
https://repositorio.unal.edu.co/bitstream/unal/56541/2/1053779322.2016.pdf.jpg
bitstream.checksum.fl_str_mv 4ba6e90b92cc649ecd1d1cbd90bf2746
5add0b91f59e2d5c8089ba60b68425a8
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad Nacional de Colombia
repository.mail.fl_str_mv repositorio_nal@unal.edu.co
_version_ 1814089262693351424
spelling Atribución-NoComercial 4.0 InternacionalDerechos reservados - Universidad Nacional de Colombiahttp://creativecommons.org/licenses/by-nc/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Castellanos Domínguez, César Germán (Thesis advisor)c792a029-43aa-4eb1-ac01-0b8ac24a537e-1Cárdenas Peña, David Augusto5bda9388-4ea5-45a7-8922-a4ed3bdd54bb3002019-07-02T11:55:54Z2019-07-02T11:55:54Z2016https://repositorio.unal.edu.co/handle/unal/56541http://bdigital.unal.edu.co/52348/Recientemente, el análisis de imágenes médicas ha recibido gran interés debido a su amplia gama de aplicaciones incluyendo cirugía cerebral, construcción de atlases, y diagnostico asistido por computador. Por otro lado, la teoría de Kernels es uno de los métodos de aprendizaje de maquina más empleados en variadas tareas debido a sus propiedades y múltiples técnicas. En este trabajo, se combinan las imágenes médicas, en particular las imágenes de resonancia magnética, y la teoría de Kernels para mejorar las tareas de segmentación y clasificación. La primera contribución de esta tesis es un nuevo criterio para la sintonización del ancho de banda del Kernel Gaussiano, como ´único parámetro libre, el cual es denominado KEIPV. El algoritmo maximiza la variabilidad del potencial de información en el espacio reproducido de Hilbert. Este criterio se emplea para la sintonización de todos los Kernels Gaussianos considerados en este trabajo. Luego, se propone una nueva representación de imágenes 3D que realza las categorías inherentes en los sujetos, específicamente edad y género. La medida embebida de similitud de imágenes soporta los algoritmos de segmentación basados en atlases al seleccionar las plantillas más relevantes de tal forma que se reduce el costo computacional (inducido por el registro deformable) y se mejora el desempeño de segmentación. Posteriormente, se proponen dos estrategias de segmentación basadas en atlases: La primera presenta una función de costo empleando medidas de información para el esquema de segmentación Bayesiana, tal que los parámetros del modelo se ajustan mejor a las propiedades de la imagen. La segunda es una estrategia empleando parches, para la que se propone una extracción de características voxel a voxel local que se entrena con información supervisada proveniente de las etiquetas de voxeles vecinos. Con este objetivo, la maximización del criterio del alineamiento de Kernels centralizados (CKA) que mejora la discriminación de tejidos en el espacio de características. Finalmente, un nuevo esquema de entrenamiento para perceptrones multicapa (MLP) se describe en el último capítulo con dos contribuciones: Una etapa de pre-entrenamiento supervisado usando CKA que estima matrices de proyección lineal; y una función de costo empleando la entropía condicional de matrices para el ajuste fino de los parámetros del MLP en un esquema de actualización por retropropagaciónAbstract : Recently medical image analysis has received significant interest due to its wide span of applications including brain surgery, atlas building, and computer-aided diagnosis. In addition, kernel theory is one of the most considered machine learning methods in several tasks due to its properties and multiple techniques. In this work, we combine both medical images, specifically magnetic resonance images, and kernel theory for improving segmentation and classification tasks. The first contribution of the thesis is a novel tuning criterion for Gaussian kernel bandwidth parameter, termed KEIPV. The approach maximizes the information potential variability in the reproduced Hilbert space. Such criterion allows tuning all Gaussian kernels considered in this work. Secondly, we propose new image representation that highlights inherent image categories, particularly age and gender. Resulting embedded image similarity supports atlas-based segmentation algorithms by selecting the most relevant templates so that computational cost (induced by pairwise image registration) and segmentation performance are improved. Then, we propose two template-based segmentation approaches: The first one introduces an information cost function in the Bayesian image intensity modeling so better fitting model parameters to the image properties. The second approach is patch-based, where we introduce a voxel-wise feature extraction locally learned using supervised information provided by neighboring label voxels. To this end, the maximization of the centered kernel alignment (CKA) criterion enhances the tissue discrimination in the feature space. Finally, a new training scheme for multi-layer perceptron (MLP) is described in the last chapter with two contributions: A supervised pre-training MLP stage using CKA to learn linear projecting matrices; and a matrix conditional entropy cost function for training MLP parameters in a backpropagation updating scheme.Doctoradoapplication/pdfspaUniversidad Nacional de Colombia Sede Manizales Facultad de Ingeniería y Arquitectura Departamento de Ingeniería Eléctrica, Electrónica y Computación Ingeniería ElectrónicaIngeniería ElectrónicaCárdenas Peña, David Augusto (2016) Kernel-based image analysis towards MRI segmentation and classification. Doctorado thesis, Universidad Nacional de Colombia - Sede Manizales.6 Tecnología (ciencias aplicadas) / Technology62 Ingeniería y operaciones afines / EngineeringAnálisis de imágenes medicasTeoría de kernelsAgrupamiento de RNMSegmentación basada en atlasesSelección de plantillasSegmentación BayesianaSegmentación basada en parchesDiagnóstico asistido por computadorFunción de costo empleando medidas de informaciónRedes neuronalesMedical image analysisKernel theoryMRI clusteringAtlas-based segmentationTemplate selectionBayesian segmentationPatch-based segmentationComputer-aided diagnosisInformation-based cost functionNeural networksKernel-based image analysis towards MRI segmentation and classificationTrabajo de grado - Doctoradoinfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_db06Texthttp://purl.org/redcol/resource_type/TDORIGINAL1053779322.2016.pdfapplication/pdf7408944https://repositorio.unal.edu.co/bitstream/unal/56541/1/1053779322.2016.pdf4ba6e90b92cc649ecd1d1cbd90bf2746MD51THUMBNAIL1053779322.2016.pdf.jpg1053779322.2016.pdf.jpgGenerated Thumbnailimage/jpeg4951https://repositorio.unal.edu.co/bitstream/unal/56541/2/1053779322.2016.pdf.jpg5add0b91f59e2d5c8089ba60b68425a8MD52unal/56541oai:repositorio.unal.edu.co:unal/565412024-03-23 23:08:52.695Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.co