Komparativní studie segmentačních algoritmů pro identifikaci a extrakci příznaků cévního řečiště z variabilních medicínských akvizičních systémů

Abstract

Tato práce se zaměřuje na vytvoření simulačního grafického uživatelského prostředí, ve kterém je možné porovnat metody segmentace a vliv šumu na kvalitu obrazové segmentace. Zobrazení aplikace šumu a segmentací s následnou extrakcí oblastí cévy a patologie. Nedílnou součástí je také výpočet evaluačních parametrů, jakožto objektivních ukazatelů kvality segmentace. Tyto ukazatele lze poté vynést do grafů. Grafické uživatelské prostředí je zpracováno v programu MATLAB. Zpracování výsledků je provedeno numericky a graficky. Šumy zvolené k degradaci obrazových dat byly Gaussův šum, šum Salt & Pepper, šum Speckle a Rician šum. Využitými segmentačními metodami byly metoda víceúrovňového prahování Otsu a metoda Fuzzy C-means. Jakožto evaluační parametry byly vybrány SSIM (index strukturální podobnosti), MSE (střední kvadratická chyba), korelační koeficient, Dice koeficient, rozdíl plochy extrahovaných regionů, kalcifikační skóre a jeho rozdíl. Výstupem je složka reportu obsahující grafické výstupy dávkové aplikace šumu, dávkové segmentace, grafů evaluačních kritérií a strukturálního souboru vypočtených hodnot.

This thesis is focused on creating a simulation graphical user interface in which is possible to compare segmentation methods and an influence of noise on the quality of image segmentation. Display of noise aplication and segmentation with subsequent extraction of blood vessels and pathology. An~integral part is also the calculation of evaluation parameters as objective indicators of segmentation quality. These indicators can then be plotted. The graphical user interface is created in MATLAB. The results are processed numerically and graphically. Noises selected for image data degradation were Gaussian noise, Salt & Pepper noise, Speckle Noise and Rician noise. Used segmentation methods were the Otsu multilevel thresholding and the Fuzzy C-means method. As~evaluation parameters were chosen SSIM (structural similarity index), MSE (mean square error), correlation coefficient, Dice coefficient, difference of area of extracted regions, calcification score and~its difference. The output is a report file containing graphical outputs of the batch noise application, batch segmentation, graphs of evaluation criteria and a structural variable of calculated values.