Τεχνικές αυτόματης τμηματοποίησης ιατρικών εικόνων

Γάκου, Ευαγγελία; Gakou, Evangelia

dc.contributor.author	Γάκου, Ευαγγελία	el
dc.contributor.author	Gakou, Evangelia	en
dc.date.accessioned	2022-01-31T09:44:49Z
dc.date.available	2022-01-31T09:44:49Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/54488
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.22186
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Κατάτμηση	el
dc.subject	MRI	en
dc.subject	Αλγόριθμοι	el
dc.subject	Ψηφιακή απεικόνιση	el
dc.subject	Όγκοι	el
dc.subject	Clustering	en
dc.subject	ITK	en
dc.subject	Thresholding	en
dc.subject	Region-growing	en
dc.title	Τεχνικές αυτόματης τμηματοποίησης ιατρικών εικόνων	el
heal.type	bachelorThesis
heal.classification	Βιοϊατρική τεχνολογία	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2021-10-06
heal.abstract	Το αντικείμενο μελέτης της παρούσας διπλωματικής εργασίας είναι η συγκριτική μελέτη έξι αλγορίθμων της βιβλιοθήκης ITK (Insight ToolKit) αυτόματης τμηματοποίησης τρισδιάστατων (3D) DICOM (Digital Imaging and Communications in Medicine) εικόνων μαγνητικής τομογραφίας (MRI- Magnetic Resonance Imaging) ασθενών που έχουν νοσήσει με καρκίνο των ωοθηκών. Οι αλγόριθμοι μελετούνται ως προς την αποτελεσματικότητα, κατά πόσο δηλαδή καταφέρνουν να εξάγουν με ακρίβεια την περιοχή ενδιαφέροντος (Region of Interest-ROI), που στην προκειμένη περίπτωση είναι μια κακοήθεια στις ωοθήκες, αλλά και ως προς την αποδοτικότητά τους, δηλαδή την ταχύτητα εκτέλεσης και την πολυπλοκότητα καθενός από αυτούς. Οι αλγόριθμοι που μελετούνται είναι οι εξής: Otsu’s method, Binary Threshold Image Filter, Connected Threshold, K-means classifier, Watershed Image Filter και Markov Random field. Αυτοί χρησιμοποιούν διαφορετικές τεχνικές τμηματοποίησης όπως Region Growing (ανάπτυξη περιοχών) ή Intensity-based τεχνικές (κατηγοριοποίηση των pixels με βάση την φωτεινότητά τους). Oι παραπάνω αλγόριθμοι εφαρμόστηκαν σε δεδομένα εικοσιεννέα ασθενών και στην προκειμένη μελέτη παρουσιάζονται οι δεκαπέντε καλύτερες περιπτώσεις, αυτές δηλαδή που οι αλγόριθμοι εξήγαγαν τα πιο ικανοποιητικά αποτελέσματα. Εκτός των αποτελεσμάτων των υλοποιήσεων, παρουσιάζεται επίσης και το θεωρητικό υπόβαθρο καθενός από αυτούς. Τέλος, έγινε προσπάθεια εύρεσης παραμέτρων που δύνανται να βελτιστοποιήσουν την τμηματοποίηση και να φέρουν επιθυμητά αποτελέσματα. Στις περιπτώσεις όπου η κατάτμηση δεν ήταν αποτελεσματική κατά το μέγιστο, παρουσιάζονται οι παράμετροι που έφεραν αποτελέσματα πιο κοντά στα επιθυμητά και γίνεται σύγκριση μεταξύ των αλγορίθμων και των διάφορων παραμέτρων που εφαρμόστηκαν.	el
heal.abstract	The subject matter of this master’s thesis is the comparative study of six automatic segmentation algorithms of the ITK (Insight ToolKit) library on 3-dimensional (3D) DICOM (Digital Imaging and Communications in Medicine) images of Magnetic Resonance Imaging (MRI) from patients who have got sick with ovarian cancer. The algorithms are studied upon their effectiveness, namely, upon how precise they are when extracting the Region Of Interest (ROI), which in this case is the malignancy in the ovaries, and also upon their performance, namely, upon their execution speed and the complexity of each one. The algorithms studied are the following: Otsu’s method, Binary Threshold Image Filter, Connected Threshold, K-means classifier, Watershed Image Filter and Markov Random field. They use different segmentation techniques, like Region Growing or Intensity-based ones (classifying pixels based on their brightness). The algorithms were applied in twenty-nine patients’ data and in this particular study the fifteen best cases are presented, meaning the cases in which the algorithms extracted the most satisfactory results. Apart from the results of the implementations, the theoretical background of each one of them is presented. Finally, an effort was made in order to find the parameters that are able to optimize the segmentation and bring the desirable results. In the cases where the segmentation was not effective to the maximum, the parameters presented are the ones that brought results closest to the ones wanted. The algorithms and the parameters applied are compared with each other.	en
heal.advisorName	Ματσόπουλος, Γεώργιος	el
heal.committeeMemberName	Ματσόπουλος, Γεώργιος	el
heal.committeeMemberName	Κουτσούρης, Δημήτριος- Διονύσιος	el
heal.committeeMemberName	Τσανάκας, Παναγιώτης	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Συστημάτων Μετάδοσης Πληροφορίας και Τεχνολογίας Υλικών	el
heal.academicPublisherID	ntua
heal.numberOfPages	89 σ.	el
heal.fullTextAvailability	false