Lista przedmiotów z materiałami udostępnionymi dla studentów

Dla_studentów
  • Increase font size
  • Default font size
  • Decrease font size

Anna Agata Staszelis

Wyznaczanie linii szkieletowej bliskich siebie gałęzi drzewa naczyń krwionośnych w obrazach 3D


Computing skeleton lines of closely positioned branches of blood vessel tree in 3D images


Opiekun pracy dyplomowej: prof. dr hab. inż. Andrzej Materka
Dodatkowy opiekun pracy dyplomowej: dr inż. Marek Kociński

Praca dyplomowa IFE - BSc obroniona 2016-02-11
Streszczenie pracy dyplomowej:
Bezbłędność jest niezwykle ważną i pożądaną cechą, którą chcielibyśmy przypisać diagnozie medycznej i neurochirurgii. Czynnik ludzki nie może być w pełni kontrolowany, natomiast błędy płynące z niewłaściwych modeli naczyń krwionośnych w mózgu powinny zostać wyeliminowane w jak największym stopniu. W tej pracy, problem bliskich siebie gałęzi drzewa naczyń krwionośnych został podjęty i zaproponowano jego rozwiązanie. Metodologia zaprezentowana w tej pracy inżynierskiej składa się z czterech kroków: przetwarzanie metodą Gradient Vector Flow, obliczanie “map unaczynienia” Frangi'ego, progowanie i szkieletyzacja. Użyte dane są głównie fantomowe - obrazy równoległych rurek zostały przetworzone i przeanalizowane. Dla walidacji, metody zostały również sprawdzone na wybranym obrazie QSM. Gradient Vector Flow eliminuje większość artefaktów, metoda Frangi'ego wzmacnia obiekty rurkowate i tłumi szum, progowanie osłabia resztę szumu i tworzy binarną reprezentację obiektu, a ostatecznie wykonywana jest szkieletyzacja. Wyniki otrzymane przez zaprezentowaną kombinację czterech metod są satysfakcjonujące - we wszystkich przypadkach rurki zostały rozdzielone skutecznie. Dalsze badania, które mogą zostać wykonane, mogą obejmować napisanie programu zawierającego wszystkie wyżej wspomniane kroki oraz przeprowadzić automatyzację parametrów w filtrowaniu Frangiego i progowaniu.
Abstract:
Inerrancy is a crucial and desired feature that we would like to describe medical diagnosis, in particular neurosurgeries, by. Although the human factor cannot be fully controlled, the mistakes derived from wrong brain vessels' models should be diminished to the greatest extent. Therefore, each small part of modelling issues should be tackled. In this thesis, the problem of closely positioned blood vessels' branches is being considered and the solution is proposed. The methodology presented in this thesis consists in four steps: computation of Gradient Vector Flow, Frangi's vesselness filtering, thresholding and skeletonisation. The data used is mostly artificial – parallel tubes’ images were processed and analysed, but the methods were also checked on one QSM image for validation. GVF eliminates most of the artifacts, Frangi's method enhances the tubular objects and suppresses the noise, thresholding diminishes the rest of the noise and makes a binary representation of the object and lastly, skeletonisation is performed. The results obtained by the combination of those four methods are satisfactory - in all cases, the tubes were separated successfully. Further research that can be carried out, may include writing a program containing all of the above-mentioned steps and automation of parameters in Frangi's method and thresholding.