Biomedical multiregional image segmentation with using of Local Mass method

Abstract

This thesis deals with biomedical image segmentation with the help of the local centre of mass method. Segmentation of medical images is very crucial for diagnostic and surgical purposes. Therefore, new methods are constantly being developed to enable high-quality segmentation that will manoeuvre the influence of noise and artefacts. The method used for this work is Local mass segmentation, a type of unsupervised image segmentation that segments pixels based on the centre of mass of the region using the information of the neighbouring pixels and that of the entire image. This work aims to apply this segmentation method to biomedical images generated from different imaging modalities (Computed Tomography, X-Rays, Magnetic Resonance Imaging and Skiagraphy) that made up the dataset. The dataset contains images of skeletal structures. The algorithm segments and identifies objects of interest using unique colours that will differentiate each structure. Also, the algorithm was subjected to thorough testing to determine its effectiveness, robustness and segmentation performance using simulation environments in Matlab software. The simulation included using noise generators and median filters. The result is graphically presented and analysed using descriptive statistical parameters. In addition, selected evaluation metrics were used to analyse and better understand the results.

Tato práce se zabývá segmentací biomedicínského obrazu pomocí metody lokálního těžišt´ . Segmentace lékařských snímků je velmi zásadní pro diagnostické a chirurgické účely. Neustále se proto vyvíjejí nové metody, které umožní kvalitní segmentaci, která bude manévrovat vliv hluku a artefaktů. Metoda použitá pro tuto práci je metody lokální těžišt´, typ nekontrolované segmentace obrazu, která segmentuje pixely na základě těžiště oblasti pomocí informací sousedních pixelů a informací celého obrázku. Tato práce si klade za cíl aplikovat tuto segmentační metodu na biomedicínské snímky generované různými zobrazovacími modalitami (počítačová tomografie, rentgenové záření, magnetická rezonance a skiagrafie), které tvořily soubor dat. Datový soubor obsahuje snímky kosterních struktur. Algoritmus segmentuje a identifikuje objekty zájmu pomocí jedinečných barev, které odliší každou strukturu. Algoritmus byl také podroben důkladnému testování, aby se zjistila jeho účinnost, robustnost a výkon segmentace pomocí simulačních prostředí v softwaru Matlab. Simulace zahrnovala použití generátorů šumu a mediánových filtrů. Výsledek je graficky prezentován a analyzován pomocí deskriptivních statistických parametrů. Kromě toho byly k analýze a lepšímu pochopení výsledků použity vybrané hodnotící metriky.