عنوان پایان‌نامه
بخش بندی خودکار رگهای کبد با استفاده از تصاویر چند مقطعی CT
- رشته تحصیلی
- مهندسی برق- مهندسی پزشکی - بیوالکتریک
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 39908;کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 1453
- تاریخ دفاع
- ۲۳ آذر ۱۳۸۷
- دانشجو
- الهه مقیمی راد
- استاد راهنما
- رضا آقائی زاده ظروفی
- چکیده
- تصویربرداری از ابزارهای مهم در کمک به مسائل پزشکی است که یکی از کاربردهای آن تشخیص غیرتهاجمی بیماریها و ارزیابی غدد سرطانی در بدن است. کبد بعنوان بزرگترین غد? بدن اهمیت زیادی در دفع سموم بدن دارد و بیماریهای مربوط به آن یکی از عوامل اصلی مرگ و میر در جهان است. این ارگان متشکل از ساختارهای رگ¬شکل متفاوتی است که بخش¬بندی آنها از تصاویر حجمی سه کاربرد اساسی دارد: ایجاد مسیری برای هدایت سیم¬هادی به داخل رگها، کمک به بخش-بندی کبد به هشت بخش مجزا برای استفاده در پیوند کبد، تشخیص و مکان¬یابی بافت تومور و جراحی رباتیک. روشهای موجود دارای مشکلاتی از جمله نیاز به تراکنش کاربر، ناتوانی در استخراج سطوح مختلف رگها و عدم عمومیت روشها برای بکارگیری بر روی هر مجموعه داده دلخواه است. هدف این پایان¬نامه ارائه الگوریتمی است که بتواند رگهای کبد را بخش¬بندی نموده و آنها را بصورت سه¬بعدی و منفک نمایش دهد. روش توسعه داده شده برای استخراج رگهای کبد به شرح ذیل می¬باشد: (1) طراحی فیلتر آشکارساز براساس روشهای چندمقیاسی، برای جداسازی ساختارهای رگ¬شکل از پس-زمینه تصویر و تخمین شعاع آنها (2) انقباض سطوح خارجی تصویر به¬منظور دستیابی به اسکلت بهتر و سپس نازکنمایی آن (3) تصحیح اتصالات رگها براساس ویژگی¬های فیزیولوژیکی آنها و هرس کردن شاخه¬های اشتباه (4) بازسازی رگها با استفاده از شعاع تخمین زده شده و محور میانی. برای ارزیابی روش از تصاویر سه¬بعدی شبیه¬سازی شده و تصاویر حجمی CT واقعی کبد استفاده شده است. افزودن نویز به تصاویر شبیه¬سازی شده و محاسبات کمی بر روی میزان انحراف محور میانی از محور اولیه و مقایس? طول و شعاع رگها نشان¬دهند? پایداری روش نسبت به نویز است. بعلاوه پیاده¬سازی روشهای مختلف بر روی تصاویر واقعی نشان می¬دهد که این روش دو سطح بیشتر از جزئیات رگها را نسبت به روشهای دیگر استخراج می¬کند.
- Abstract
- Medical imaging is the important tool to solve the medical problems that has several applications such as noninvasive diagnosis of disease and evaluation of tumor in the body. Liver is the greatest gland of the body and plays a main role in excretion of body’s poisons. The liver disease is one of the main factors of mortality in the world. This organ has different tubular structures that their segmentation from volume data has two main usages: creation of the path to guiding the guidewire, assistance to segment the liver to eight parts for use in liver donation, recognition and localization of the tumor and surgical planning. The existing methods have many problems such as needs to user interference, elimination of small vessels along the process and nongenerality to applying the method to every optional dataset. The aim of this diploma thesis is to develop an automatic segmentation method that extracts the liver vessels and visualizes them in 3D vision. The developed method’s parts for liver vessel segmentation are as follows: (1) designing the vessel detection filter based on a novel multiscale medialness function to distinguishing between tube-like and other structures and estimating of the tube’s radius. (2) Shrinking the outer surfaces of the vessels to achieve the better skelet and then thinning it, (3) Reconnection of the vessel’s tree by use of physiological properties of the vessels and pruning the wrong branches, (4) Reconstruction of 3D vessel’s tree by the central axis and the estimated radius. To evaluate the purposed method we use the multi-slice simulated data and the liver CT real volume datasets. Adding the noise to the simulated data and measuring the deviation of the central axis from initial axis and comparing of the length and radius shows the stability of the method against the noise. Furthermore applying the different methods to the real dataset shows that our method extracts the vessels with more details in comparison with other methods.
