Analýza aktivně deformovatelných křivek pro detekci zájmových oblastí z medicínských obrazů

Abstract

Tato bakalářská práce je zaměřena na zpracování medicínských obrazových dat a důkladněji se zabývá regionální segmentací obrazu. Teoretická část popisuje obecné vlastnosti obrazových dat a proces při kterém dochází k jejich zpracování. Rešeršní část rozebírá segmentační metody na bázi aktivně deformovatelných křivek – obecné informace, vlastnosti a jednotlivé metody a modely. V praktické části jsou vybrané segmentační metody implementovány na umělých obrázcích z ultrazvukového fantomu a na reálných medicínských snímcích z CT (21 snímků), MRI (18 snímků) a UZV (18 snímků). Tyto medicínské snímky jsou zaměřeny na patologické léze v lidském těle (mozkové tumory – CT a MRI, benigní nádory prsu – UZV). Cílem je porovnat kvalitu a efektivitu dvou vybraných segmentačních metod na bázi aktivně deformovatelných křivek na obrazových datech. Hodnocení probíhá porovnáním výsledků segmentačních metod se zlatým standardem. Snímky jsou porovnány pomocí různých evaluačních parametrů (MSE, SSIM, korelace, přesnost atd.) a výsledky jsou zobrazeny v tabulkách hodnotících obě metody na jednotlivých datových sadách – CT, MRI, a UZV.

This bachelor thesis is focused on digital image processing, especially on one part of this process – region - based image segmentation. The theoretical part describes general parameters of pictures data and the process in which they are processed. The research part analyses image segmentation based on active contours – basic information, properties, and specific methods and models. The practical part deals with implementation of chosen segmentation methods on synthetic images from ultrasound phantom and on real medical images from CT (21 images), MRI (18 images), and US (18 images). These medical images are focused on pathological structures in human body (brain tumours – CT and MRI, benign breast tumours – US). The aim is to compare the quality and efficiency of two selected segmentation methods based on active deformable curves on image data. The evaluation is performed by comparing the results of segmentation methods with the ground truth. Various evaluation parameters are used (MSE, SSIM, correlation, accuracy etc.), and the results are shown in tables, that compares both methods on individual data sets – CT, MRI, and US.