Анализ текстуры трехмерных медицинских изображений, Ковалев В.А., 2008

Анализ текстуры трехмерных медицинских изображений, Ковалев В.А., 2008.

   Книга посвящена одному из новых и многообещающих направлений компьютерного анализа томографических изображений — методам анализа трехмерных (объемных) текстур. Указанные методы базируются на использовании многосортных матриц совместной встречаемости, комбинирующих яркостные, градиентные и ориентационные свойства изображений. Использование предлагаемого аппарата иллюстрируется на примере задач количественного анализа МРТ изображений головного мозга, совмещения трехмерных медицинских изображений, а также задач поиска изображений в базах данных по их содержанию.
Целевой аудиторией книги являются ученые и специалисты, работающие в области медицинской информатики, а также в области систем обработки и количественного анализа трехмерных изображений с приложением к задачам медицинской диагностики. Кроме того, данная книга может быть полезна для исследователей и специалистов, занимающихся компьютерной томографией, радиологов, нейрологов, а также студентов соответствующих специальностей, профессиональная деятельность и научные интересы которых тесно связаны с применением компьютеров в медицине.




Объективная потребность в анализе 3D текстур.
В настоящее время считается общепринятым фактом, что текстурные признаки играют огромную роль при решении широкого спектра задач обработки и анализа изображений, возникающих в самых различных предметных областях и практических приложениях [2, 16, 156]. В зависимости от вида анализируемой текстуры, типа используемых изображений и специфики решаемой задачи были предложены разнообразные способы описания текстур «плоских», т. е. обычных, двумерных (2D) изображений.

Типы дескрипторов 2D текстур, описанных в литературе, базируются на различном математическом аппарате и простираются от классических матриц совместной встречаемости, предложенных Хараликом [74—76], и так называемых Волд-признаков общего вида [130], названных по имени их автора Wold (не путать с World), до фрактальных признаков [39| и современного аппарата вэйвлетов [19, 164]. Обзор методов описания и анализа 2D текстур, а также их использования при решении различных задач можно найти, например, в одной из последних монографий на эту тему [156]. Кроме того, в данном контексте представляются весьма интересными подходы к анализу изображений, развиваемые в работе 116].

Оглавление.
Введение.
Глава 1. Методы анализа объемных текстур.
1.1. Проблема анализа объемных текстур и пути ее решения.
1.1.1. Объективная потребность в анализе 3D текстур.
1.1.2. Терминологические замечания.
1.1.3. Способы обобщения двумерных методов на трехмерный случай.
1.2. Анализ МРТ изображений как типичная задача анализа объемных текстур.
1.2.1. Актуальность новых методов анализа МРТ изображений.
1.2.2. Пути развития методов анализа объемных МРТ изображений.
1.2.2.1. Повышение чувствительности матричных дескрипторов.
1.2.2.2. Учет увеличения размерности исходных изображений.
1.2.2.3. Инвариантность к преобразованиям изображений.
1.3. Методология анализа.
1.3.1. Концепция многосортных матриц совместной встречаемости.
1.3.2. Определение многосортных матриц совместной встречаемости.
1.3.2.1. Базовые обозначения.
1.3.2.2. Вычисление градиента.
1.3.2.3. Базовые матрицы типа IIGGAD.
1.3.2.4. Редуцированные матрицы.
1.4. Свойства матриц и связанные с ними практические вопросы.
1.4.1. Способ оценки разрешения матриц.
1.4.2. Статистические свойства обратного преобразования.
1.5. Учет анизотропии текстуры.
1.6. Особенности программной реализации.
1.6.1. Неравномерное (анизотропное) сканирование изображений.
1.6.2. Инвариантность по отношению к вращению и зеркальному отражению.
1.6.3. Нормализация матриц.
1.6.4. Разбиение измерений матриц на интервалы.
1.6.5. Особенности алгоритма.
1.7. Чувствительность матриц и влияние масштабирования.     
1.7.1. Сравнительный анализ чувствительности различных матриц.
1.7.2. Оценка влияния преобразований типа масштабирования.
1.8. Примеры применения подхода при решении диагностических задач.
1.8.1. Классификация МРТ изображений мозга в норме и при патологии.
1.8.2. Сегментация диффузных поражений белого вещества головного мозга.
Глава 2. Оценка структурной асимметрии МРТ изображений головного мозга.
2.1. Проблема межполушарной асимметрии мозга человека.     
2.2. Материалы и методы.
2.2.1. Основные испытуемые и их разбивка по группам.     
2.2.2. Дополнительные группы испытуемых.     
2.2.3. Протокол МРТ сканирования и предобработка изображений.
2.2.4. Участки мозга и уровни детальности анализа.     
2.2.5. Процедура вычисления величины структурной асимметрии.
2.2.6. Управляющие параметры.
2.2.7. Асимметрия модельных (тестовых) изображений.     
2.2.8. Процедура статистического анализа.     
2.2.9. Программная реализация и время вычислений.
2.3. Результаты.
2.3.1. Асимметрия на уровне полушарий мозга.     
2.3.2. Межполушарная асимметрия в норме и при патологии.
2.3.3. Межполушарная асимметрия мозга пожилых людей в норме.
2.3.4. Асимметрия на уровне коронарных (венечных) секций Талайрака.
2.3.4. Асимметрия на уровне аксиальных (осевых) секций Талайрака.
2.3.6. Асимметрия на уровне 108 коронарно-аксиальных секций.
2.3.7. Асимметрия на детальном уровне скользящего окна.
2.4. Обсуждение.
Глава 3. Анализ текстурных изменений МРТ изображений мозга в зависимости от возраста.
3.1. Проблема старения мозга человека.
3.1.1. Изменение умственных возможностей с возрастом.
3.1.2. Физические изменения мозга с возрастом.     
3.2. Общая схема количественного анализа структурных изменений.
3.3. Исходные данные.
3.4. Уровни детальности анализа.
3.5. Процедура анализа.
3.6. Возрастные изменения головного мозга.
3.6.1. Полушария большого мозга.
3.6.2. Коронарные секции.
3.6.3. Аксиальные секции мозга.
3.6.4. Коронно-аксиальные секции.
3.7. Заключение.
Глава 4. Классификация и распознавание SPECT изображений.
4.1. Проявление нейродегенеративных изменений на SPECT изображениях.
4.2. Исходные SPECT изображения и анатомические сегменты мозга.
4.3. Оценка параметров и классификация SPECT изображений.
4.3.1. Вычисление признаков SPECT изображений.     
4.3.2. Классификация SPECT изображений.
4.4. Распознавание SPECT изображений.
4.4.1. Выбор типа дескрипторов для распознавания изображений.
4.4.2. Процедура и результаты распознавания.
4.5. Асимметрия SPECT изображений как диагностический признак.
4.6. Материалы и методы.
4.6.1. Исходные SPECT изображения и пары анатомических сегментов.
4.6.2. Методы вычисления величины асимметрии.     
4.6.3. Процедура оценки значимости различий асимметрии.
4.7. Результаты сравнительного анализа асимметрии.
4.7.1. Скалярные и гистограммные признаки.
4.7.2. Оценка асимметрии с использованием матричных признаков.
4.8. Обсуждение и выводы.
Глава 5. Совмещение изображений методом экспоненциальных деформаций.
5.1. Проблема совмещения медицинских изображений.
5.2. метод эластичных экспоненциальных деформаций.
5.2.1. Идея метода.
5.2.2. Вычислительная процедура совмещения 2D изображений.
5.2.2.1. Общая схема процедуры совмещения.
5.2.2.2. Оператор экспоненциального сдвига.
5.2.2.3. Управление процессом совмещения.
5.2.2.4. Целевая функция качества совмещения (функция энергии).
5.3. Примеры совмещения двумерных полутоновых изображений.
5.3.1. Результаты совмещения изображений и варианты их использования.
5.3.2. Сравнение и распознавание изображений лиц.     
5.4. Совмещение трехмерных медицинских изображений.     
5.4.1. Обобщение метода на трехмерный случай.
5.4.1.1. Экспоненциальный сдвиг.
5.4.1.2. Экспоненциальный рост и деградация (коллапс).
5.4.1.3. Компоненты функции энергии.
5.4.2. Примеры решения практических задач.
5.4.2.1. Картирование функциональных изменений мозга.
5.4.2.2. Оценка деформации мозга при очаговом поражении.
5.4.3. Оценка вычислительной эффективности метода.
5.5. Выводы.
Глава 6. Поиск медицинских изображений в базах данных.
6.1. Проблема поиска медицинских изображений по содержанию.
6.1.1. Объективная потребность в средствах поиска.
6.1.2. Особенности поиска медицинских изображений.
6.2. Многосортные матрицы как универсальная основа систем поиска изображений.
6.2.1. Проблема описания содержания изображений.     
6.2.2. Общая схема метода поиска изображений.
6.3. Поиск изображений объектов по 2D форме.
6.3.1. Матрицы совместной встречаемости для описания 2D формы.
6.3.2. Поиск изображений морских животных по их форме.
6.3.2.1. Сравнение признаков.
6.3.2.2. Сравнение матриц.
6.3.3. Выводы.
6.4. Поиск цветных двумерных изображений.
6.4.1. Матрицы совместной встречаемости цветов.
6.4.2. Поиск изображений клеток крови.
6.4.3. Поиск цветокодированных SPECT изображений.
6.5. Поиск полутоновых 2D изображений (на примере шизофрении).
6.5.1. Поиск визуально близких изображений.
6.5.2. Поиск изображений мозга при шизофрении.     
6.5.2.1. Пациенты и МРТ сканирование.
6.5.2.2. База изображений.
6.5.2.3. Дескрипторы изображений.
6.5.2.4. Результаты тестирования.
6.6. Трехмерные изображения мозга: поиск комиссур.
6.6.1. Схема поиска.
6.6.2. Тестовая база данных.
6.6.3. Результаты поиска.
6.7. Трехмерные изображения мозга: поиск по возрасту.
6.8. Трехмерные изображения мозга: поиск по полу.
Приложение. Hейроанатомическое пространство Талайрака.
Литература.

Купить .



Хештеги: #учебник по медицине :: #медицина :: #Ковалев