Please use this identifier to cite or link to this item: http://hdl.handle.net/10923/5445
Type: masterThesis
Title: Segmentação de hipocampo em imagens de ressonância magnética utilizando seleção de atlas por meta-informações
Author(s): Dill, Vanderson
Advisor: Pinho, Márcio Sarroglia
Publisher: Pontifícia Universidade Católica do Rio Grande do Sul
Graduate Program: Programa de Pós-Graduação em Ciência da Computação
Issue Date: 2013
Keywords: INFORMÁTICA MÉDICA
PROCESSAMENTO DE IMAGENS
DIAGNÓSTICO POR IMAGEM
ESPECTROSCOPIA DE RESSONÂNCIA MAGNÉTICA
DOENÇA DE ALZHEIMER
Abstract: A segmentação do hipocampo em imagens de ressonância magnética é um importante procedimento em variadas situações clínicas, como por exemplo, no acompanhamento da evolução da doença de Alzheimer. Porém, a delimitação manual desta estrutura, em imagens tridimensionais, é uma tarefa bastante trabalhosa e sujeita a interpretação subjetiva do profissional de saúde. Alguns métodos automatizados foram propostos nos últimos anos. Grande parte destes métodos utilizam modelos pré-segmentados, também conhecidos como atlas, que são alinhados à imagem de entrada no processo de segmentação. No entanto, a utilização de um único atlas padrão dificulta a segmentação de indivíduos com anatomia diferente da normal, como idosos e pacientes com a doença de Alzheimer. Para alcançar boa precisão nestes casos, sem nenhuma intervenção manual do usuário, novos métodos empregam técnicas nas quais vários atlas diferentes são utilizados.O alinhamento destes atlas com a coagem leva a um custo computacional elevado. Este trabalho propõem o emprego de uma técnica de seleção de atlas por meta-informação de modo a escolher o atlas ideal para um indivíduo e possibilitar o emprego de uma técnica de segmentação com baixo custo computacional. Os resultados, obtidos através de testes com exames de 350 indivíduos em variadas condições clínicas e faixas etárias, mostram que o emprego de seleção de atlas aumenta significativamente a precisão de segmentação, quando comparado à um método que utiliza um atlas padrão, mantendo o custo computacional baixo. A relevância de três parâmetros de seleção - condição clínica, faixa etária e gênero - foi avaliada e confirmada através do conjunto de testes.
Hippocampus segmentation in magnetic resonance imaging is an important procedure in many clinical situations, such as monitoring changes in patients with Alzheimer's disease. However, the manual delineation of this structure, in three-dimensional images, is a laborious task and prone to subjective interpretation of the health professional. Some automated methods have been proposed in recent years. Much of these methods use pre-segmented templates, also known as atlas, which are aligned to the input image in the segmentation process. However, using a single standard atlas increases the difículty targeting individuais that have non-normal anatomy, such as the elders and patients with AD. To achieve a good precision in these cases, without any manual intervention of the user, new methods employ techniques in which several different atlases are used. The alignment of these atlases with the image, leads to a high computational cost. This work proposes employing and atlas selection technique by meta-information in order to choose the ideal tiemplate for an individual, enabling low computational cost segmentation technique. The results obtained, by testing 350 individuals, in various clinical conditions and ages, showed that the use of atlas selection significantly increases segmentation accuracy, when compared to a method using a default atlas, while keeping the computational cost low. The relevance of three selection parameters – medical condition, age and gender - has been evaluated and confirmed by the test suite.
URI: http://hdl.handle.net/10923/5445
Appears in Collections:Dissertação e Tese

Files in This Item:
File Description SizeFormat 
000450151-Texto+Completo-0.pdfTexto Completo5,11 MBAdobe PDFOpen
View


All Items in PUCRS Repository are protected by copyright, with all rights reserved, and are licensed under a Creative Commons Attribution-NonCommercial 4.0 International License. Read more.