Multi-Atlas Structure Segmentation On Medical Images

La segmentación de estructuras es muy importante en aplicaciones médicas ya que proporciona un conocimiento cuantitativo del volumen, forma o posición de las estructuras en consideración, lo cual permite el análisis y entendimiento de diferentes patologías. La técnica estándar de segmentación es la...

Full description

Autores:
Orbes Arteaga, Henry Mauricio
Tipo de recurso:
Fecha de publicación:
2016
Institución:
Universidad Nacional de Colombia
Repositorio:
Universidad Nacional de Colombia
Idioma:
spa
OAI Identifier:
oai:repositorio.unal.edu.co:unal/56633
Acceso en línea:
https://repositorio.unal.edu.co/handle/unal/56633
http://bdigital.unal.edu.co/52493/
Palabra clave:
0 Generalidades / Computer science, information and general works
62 Ingeniería y operaciones afines / Engineering
Representación basada en Kernels
Espacio embebido
Selección de atlas supervisada
Construcción de atlas probabilísticos
Métodos de segmentación basados en atlas
Segmentación de estructuras
Segmentación de imágenes cerebrales
Imágenes médicas
Kernel-based representation
Embedding space
Supervised atlas selection
Probabilistic atlas construction
Patch based method segmentation
Structure segmentation
Brain structure segmentations
Medical images
Rights
openAccess
License
Atribución-NoComercial 4.0 Internacional
id UNACIONAL2_dca57874e7dc3f3d88d7dce8f6ec1562
oai_identifier_str oai:repositorio.unal.edu.co:unal/56633
network_acronym_str UNACIONAL2
network_name_str Universidad Nacional de Colombia
repository_id_str
dc.title.spa.fl_str_mv Multi-Atlas Structure Segmentation On Medical Images
title Multi-Atlas Structure Segmentation On Medical Images
spellingShingle Multi-Atlas Structure Segmentation On Medical Images
0 Generalidades / Computer science, information and general works
62 Ingeniería y operaciones afines / Engineering
Representación basada en Kernels
Espacio embebido
Selección de atlas supervisada
Construcción de atlas probabilísticos
Métodos de segmentación basados en atlas
Segmentación de estructuras
Segmentación de imágenes cerebrales
Imágenes médicas
Kernel-based representation
Embedding space
Supervised atlas selection
Probabilistic atlas construction
Patch based method segmentation
Structure segmentation
Brain structure segmentations
Medical images
title_short Multi-Atlas Structure Segmentation On Medical Images
title_full Multi-Atlas Structure Segmentation On Medical Images
title_fullStr Multi-Atlas Structure Segmentation On Medical Images
title_full_unstemmed Multi-Atlas Structure Segmentation On Medical Images
title_sort Multi-Atlas Structure Segmentation On Medical Images
dc.creator.fl_str_mv Orbes Arteaga, Henry Mauricio
dc.contributor.advisor.spa.fl_str_mv Castellanos Domínguez, César Germán (Thesis advisor)
Cárdenas Peña, David (Thesis advisor)
dc.contributor.author.spa.fl_str_mv Orbes Arteaga, Henry Mauricio
dc.subject.ddc.spa.fl_str_mv 0 Generalidades / Computer science, information and general works
62 Ingeniería y operaciones afines / Engineering
topic 0 Generalidades / Computer science, information and general works
62 Ingeniería y operaciones afines / Engineering
Representación basada en Kernels
Espacio embebido
Selección de atlas supervisada
Construcción de atlas probabilísticos
Métodos de segmentación basados en atlas
Segmentación de estructuras
Segmentación de imágenes cerebrales
Imágenes médicas
Kernel-based representation
Embedding space
Supervised atlas selection
Probabilistic atlas construction
Patch based method segmentation
Structure segmentation
Brain structure segmentations
Medical images
dc.subject.proposal.spa.fl_str_mv Representación basada en Kernels
Espacio embebido
Selección de atlas supervisada
Construcción de atlas probabilísticos
Métodos de segmentación basados en atlas
Segmentación de estructuras
Segmentación de imágenes cerebrales
Imágenes médicas
Kernel-based representation
Embedding space
Supervised atlas selection
Probabilistic atlas construction
Patch based method segmentation
Structure segmentation
Brain structure segmentations
Medical images
description La segmentación de estructuras es muy importante en aplicaciones médicas ya que proporciona un conocimiento cuantitativo del volumen, forma o posición de las estructuras en consideración, lo cual permite el análisis y entendimiento de diferentes patologías. La técnica estándar de segmentación es la proporcionada manualmente por un experto clínico. Sin embargo este proceso es computacionalmente costoso dificultando el análisis en grandes bases de datos. Recientemente, los métodos basados en Multi-atlas han sido usados para apoyar las tareas de segmentación de imágenes cerebrales. La principal ventaja de estos métodos es debido a que son capases de proporcionar información espacial a su vez que la variabilidad anatómica es capturada mediante el uso de un conjunto de atlases etiquetados. Sin embargo la precisión de la segmentación depende de la capacidad de cada atlas para propagar sus etiquetas a la imagen objetivo, así como el método empleado para combinar las estimaciones de cada atlas. Por esta razón, la selección de atlas y el método de combinación o fusión de etiquetas, son dos importantes direcciones para mejorar el desempeño de los métodos basados en Multi-atlas. En este trabajo se proponen diferentes enfoques con el fin de mejorar la selección de atlases y la combinación de etiquetas. En primer lugar se propone un método de representación de imágenes médicas basado en Kernels la cual permite mapear el espacio original en un espacio embebido de baja dimensión donde se destacan los grupos latentes en los datos y refleje las similitudes intrínsecas. En segundo lugar, se propone una medida similitud supervisada entre imágenes, esta usa medidas de similitudes locales e información supervisada para correlacionar similitudes en apariencia con el desempeño en la segmentación. Por último, el problema de combinación de etiquetas es enmarcado como un método probabilístico no local de segmentación, donde se combinan las fortalezas de los métodos basados en parches y los métodos basados en atlas probabilísticos con el objetivo de mejorar la precisión de la segmentación. Los métodos propuestos son comparados con métodos convencionales del estado del arte en tareas de segmentación. Los resultados obtenidos muestran el potencial de los enfoques propuestos para mejorar la segmentación ya que superan los métodos convencionales
publishDate 2016
dc.date.issued.spa.fl_str_mv 2016
dc.date.accessioned.spa.fl_str_mv 2019-07-02T11:59:59Z
dc.date.available.spa.fl_str_mv 2019-07-02T11:59:59Z
dc.type.spa.fl_str_mv Trabajo de grado - Maestría
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/masterThesis
dc.type.version.spa.fl_str_mv info:eu-repo/semantics/acceptedVersion
dc.type.content.spa.fl_str_mv Text
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/TM
status_str acceptedVersion
dc.identifier.uri.none.fl_str_mv https://repositorio.unal.edu.co/handle/unal/56633
dc.identifier.eprints.spa.fl_str_mv http://bdigital.unal.edu.co/52493/
url https://repositorio.unal.edu.co/handle/unal/56633
http://bdigital.unal.edu.co/52493/
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
Departamento de Ingeniería Eléctrica, Electrónica y Computación
dc.relation.references.spa.fl_str_mv Orbes Arteaga, Henry Mauricio (2016) Multi-Atlas Structure Segmentation On Medical Images. Maestría 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/56633/1/1053802968.2016.pdf
https://repositorio.unal.edu.co/bitstream/unal/56633/2/1053802968.2016.pdf.jpg
bitstream.checksum.fl_str_mv c29a2d0ac02c1512c444365e97aa0fe3
161e0e0b8ac869afa6714e9d748d56be
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_ 1814089319397195776
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 (Thesis advisor)3f5405b6-e82f-4b50-9677-1c4c36093f5a-1Orbes Arteaga, Henry Mauriciocdcbb5d5-e0e5-4109-88bc-a84150b1e1283002019-07-02T11:59:59Z2019-07-02T11:59:59Z2016https://repositorio.unal.edu.co/handle/unal/56633http://bdigital.unal.edu.co/52493/La segmentación de estructuras es muy importante en aplicaciones médicas ya que proporciona un conocimiento cuantitativo del volumen, forma o posición de las estructuras en consideración, lo cual permite el análisis y entendimiento de diferentes patologías. La técnica estándar de segmentación es la proporcionada manualmente por un experto clínico. Sin embargo este proceso es computacionalmente costoso dificultando el análisis en grandes bases de datos. Recientemente, los métodos basados en Multi-atlas han sido usados para apoyar las tareas de segmentación de imágenes cerebrales. La principal ventaja de estos métodos es debido a que son capases de proporcionar información espacial a su vez que la variabilidad anatómica es capturada mediante el uso de un conjunto de atlases etiquetados. Sin embargo la precisión de la segmentación depende de la capacidad de cada atlas para propagar sus etiquetas a la imagen objetivo, así como el método empleado para combinar las estimaciones de cada atlas. Por esta razón, la selección de atlas y el método de combinación o fusión de etiquetas, son dos importantes direcciones para mejorar el desempeño de los métodos basados en Multi-atlas. En este trabajo se proponen diferentes enfoques con el fin de mejorar la selección de atlases y la combinación de etiquetas. En primer lugar se propone un método de representación de imágenes médicas basado en Kernels la cual permite mapear el espacio original en un espacio embebido de baja dimensión donde se destacan los grupos latentes en los datos y refleje las similitudes intrínsecas. En segundo lugar, se propone una medida similitud supervisada entre imágenes, esta usa medidas de similitudes locales e información supervisada para correlacionar similitudes en apariencia con el desempeño en la segmentación. Por último, el problema de combinación de etiquetas es enmarcado como un método probabilístico no local de segmentación, donde se combinan las fortalezas de los métodos basados en parches y los métodos basados en atlas probabilísticos con el objetivo de mejorar la precisión de la segmentación. Los métodos propuestos son comparados con métodos convencionales del estado del arte en tareas de segmentación. Los resultados obtenidos muestran el potencial de los enfoques propuestos para mejorar la segmentación ya que superan los métodos convencionalesAbstract : Structure segmentation is an important task in medical applications as it give a quantitative knowledge of volume, shape or location of the structures in consideration, enabling the understanding of several pathologies. Manually segmentation is considered the current gold standard to obtain accurate segmentation. However, this process is time and resource consuming becoming impractical for large database studies. Recently, Multi-atlas based methods have been used to support automate brain structure segmentations. The advantage of this methods relies on the capacity to provide spatial information while encoding anatomical variability by using a set of prelabeled atlases. However, the accuracy of segmentation depends on the capability of each atlas to propagate the labels to the target image as well as the employed methodology for fusing the label conflicts. In this sense, atlas selection and label fusion become important directions to improve the performance of muti-atlas segmentation. In the present work several approaches to enhance atlas selection and label fusion are proposed. Firstly, a kernel based representation is proposed aiming to map the original space domain in a low dimensional embedding space where latent groups in the data are highlighted, and the intrinsic similarities are better reflected. Secondly, a supervised similarity measure is proposed which take advantage of local similarities and supervised information for linking similarity appearance with the segmentation performance. Finally, label fusion is casting as non-local probabilistic atlas-based segmentation, where the strengths of patch based and atlas-based approaches are combined to improve the segmentation accuracy. The proposed approaches are compared with conventional state of the art techniques in segmentation task. Attained results show the potential of the proposed approach to improve the segmentation outperforming the conventional state of the art methodsMaestríaapplication/pdfspaUniversidad Nacional de Colombia Sede Manizales Facultad de Ingeniería y Arquitectura Departamento de Ingeniería Eléctrica, Electrónica y ComputaciónDepartamento de Ingeniería Eléctrica, Electrónica y ComputaciónOrbes Arteaga, Henry Mauricio (2016) Multi-Atlas Structure Segmentation On Medical Images. Maestría thesis, Universidad Nacional de Colombia - Sede Manizales.0 Generalidades / Computer science, information and general works62 Ingeniería y operaciones afines / EngineeringRepresentación basada en KernelsEspacio embebidoSelección de atlas supervisadaConstrucción de atlas probabilísticosMétodos de segmentación basados en atlasSegmentación de estructurasSegmentación de imágenes cerebralesImágenes médicasKernel-based representationEmbedding spaceSupervised atlas selectionProbabilistic atlas constructionPatch based method segmentationStructure segmentationBrain structure segmentationsMedical imagesMulti-Atlas Structure Segmentation On Medical ImagesTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionTexthttp://purl.org/redcol/resource_type/TMORIGINAL1053802968.2016.pdfapplication/pdf2369952https://repositorio.unal.edu.co/bitstream/unal/56633/1/1053802968.2016.pdfc29a2d0ac02c1512c444365e97aa0fe3MD51THUMBNAIL1053802968.2016.pdf.jpg1053802968.2016.pdf.jpgGenerated Thumbnailimage/jpeg5067https://repositorio.unal.edu.co/bitstream/unal/56633/2/1053802968.2016.pdf.jpg161e0e0b8ac869afa6714e9d748d56beMD52unal/56633oai:repositorio.unal.edu.co:unal/566332023-03-18 23:06:57.058Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.co