Detail publikace
Semi-automatic ct image segmentation using random forests learned from partial annotations
Španěl Michal, doc. Ing., Ph.D. (UPGM)
Computed Tomography, Semi-automatic Segmentation, Random Forests, Graph-Cut
Segmentace lidské tkáně je kritickým krokem nejen v procesu její vizualizace a diagnózy, ale také pro účely předoperačního plánování a tvorby pacientsky specifických implantátů. Manuální segmentace 3D dat získaných při CT vyšetření je pro klinické experty časově velmi náročná úloha a proto je automatizace tohoto procestu vysoce žádoucí. Výsledky plně automatických přístupů často postrádají požadovanou přesnost v případech nestandardních pacientů, ačkoliv právě v těchto případech je počítačové plánování důležité. Proto jsou vyvíjeny poloautomatické přístupy vyžadující jistou míru uživatelské interakce. Tato práce prezentuje poloautomatickou metodu 3D segmentace aplikovatelnou na libovolnou tkáň, jejímž vstupem je několik uživatelsky označených řezů. Tyto řezy jsou využity pro trénování klasifikačních náhodných lesů, které provedou odhad tvaru objektu ve zbytku neoznačených řezů a finální segmentace je získaná s využitím metody řezu grafem. Přesnost navržené metody je testována na CT datasetech tvrdých tkání, které obsahují holenní, stehenní a pažní kosti, dolní čelist a jednotlivé zuby pomocí Dice koeficientu překryvu s kompletně uživatelsky segmentovanými daty těchto tkání.
@inproceedings{BUT145393,
author="Oldřich {Kodym} and Michal {Španěl}",
title="Semi-automatic ct image segmentation using random forests learned from partial annotations",
booktitle="Proceedings of the 11th International Joint Conference on Biomedical Engineering Systems and Technologies - Volume 2: BIOIMAGING",
year="2018",
pages="124--131",
publisher="Institute for Systems and Technologies of Information, Control and Communication",
address="Funchal",
doi="10.5220/0006588801240131",
isbn="978-989-758-278-3",
url="http://www.scitepress.org/DigitalLibrary/PublicationsDetail.aspx?ID=3oP1dAKzK9U=&t=1"
}