Original title:
Metody segmentace a identifikace deformovaných obratlů ve 3D CT datech onkologických pacientů
Translated title:
Methods of Segmentation and Identification of Deformed Vertebrae in 3D CT Data of Oncological Patients
Authors:
Jakubíček, Roman ; Flusser, Jan (referee) ; Kozubek, Michal (referee) ; Jan, Jiří (advisor) Document type: Doctoral theses
Year:
2020
Language:
cze Publisher:
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií Abstract:
[cze][eng]
Tato disertační práce se zabývá návrhem metod směřujících k vymezení povrchů jednotlivých obratlů ve 3D CT datech onkologických pacientů, příslušných algoritmů a jejich ověřením. U takových pacientů se velmi často vyskytují tvarové i intenzitní změny obratlů, které výrazně komplikují řešení daného problému. Získání finálních segmentací jednotlivých obratlů včetně identifikace jejich pozice v páteře obecně vede přes několik základní kroků: detekce páteře a nalezení její osy, lokalizace jednotlivých obratlů a jejich identifikace a finální přesné segmentace. Pro tyto účely byly navrženy, realizovány a ověřeny příslušné algoritmy, užívající původních přístupů včetně využití strojového učení. Součástí řešení jsou mj. návrh a realizace algoritmu optimálních kružnic pro trasování páteřního kanálu s populačním přístupem, prostorově variantní filtrace jasového profilu cílená k lokalizaci obratlů nebo využití trénovaných modelů pro identifikaci obratlů s optimalizací pomocí dynamického programování. Přístup realizující finální segmentaci obratlů částečně navazuje na algoritmus navržený v předcházející fázi projektu (Peter 2013), který byl výrazně modifikován a rozšířen; algoritmus je v nové verzi založen na geometrické adaptaci intenzitního modelu kompletní páteře. Navržené přístupy byly testovány na několika databázích vytvořený v rámci práce a včetně volně dostupných umožňující také srovnání s algoritmy jiných autorů. Na základě provedeného detailního hodnocení lze konstatovat, že algoritmus poskytuje velmi dobré výsledky a ve srovnání s aktuálně publikovanými přístupy jiných autorů dosahuje srovnatelné nebo lepší výsledky. Na rozdíl od zmíněných publikací se zabývá nikoli jen některými zmíněnými etapami řešení, ale finálně jich využívá v komplexním algoritmu, řešícím celý postup od CT dat po přesně segmentované objemy jednotlivých identifikovaných obratlů, které tvoří vstupní data pro návaznou práci, zabývající se detekcí a klasifikací lézí. Navíc se algoritmus vyznačuje vysokou robustností vůči výskytu patologií a artefaktů v datech a relativně nízkou výpočetní náročností. Disertační práce obsahuje několik původních přístupů, které byly průběžně publikovány na mezinárodních konferencích; výsledné řešení bylo publikováno jako časopisecký článek Jakubicek a kol. (2020). Během experimentální validace ve spolupráci s lékařskými experty se ukázalo, že navržené algoritmy jsou plně využitelné pro následující analýzu nádorových lézí.
In this doctoral thesis, the design of algorithms enabling the implementation of a fully automatic system for vertebrae segmentation in 3D computed tomography (CT) image data of possibly incomplete spines, in patients with bone metastases and vertebral compressions is presented. The proposed algorithm consists of several fundamental problems: spine detection and its axis determination, individual vertebra localization and identification (labeling), and finally, precise segmentation of vertebrae. The detection of the spine, specifically identifying its ends, and determining the course of the spinal canal, combines several advanced methods, including deep learning-based approaches. A novel growing circle method has been designed for tracing the spinal cord canal. Further, the innovative spatially variant filtering of brightness profiles along the spine axis leading to intervertebral disc localization has been proposed and implemented. The discs thus obtained are subsequently identified via comparing the tested vertebrae and model of vertebrae provided by a machine-learning process and optimized by dynamic programming. The final vertebrae segmentation is provided by the deformation of the complete-spine intensity model, utilizing a proposed multilevel registration technique. The complete proposed algorithm has been validated on testing databases, including also publicly available datasets. This way, it has been proven that the newly proposed algorithms provide results at least comparable to other author’s algorithms, and in some cases, even better. The main strengths of the algorithms lie in high reliability of the results and in the robustness to even strongly distorted vertebrae of oncological patients and to the occurrence of artifacts in data; moreover, they are capable of identifying the vertebra labels even in incomplete spinal CT scans. The strength is also in the complete automation of the processing and in its relatively low computational complexity enabling implementation on standard PC hardware. The system for fully automatic localization and labeling of distorted vertebrae in possibly incomplete spinal CT data is presented in this doctoral thesis. The design of algorithms enabling the implementation utilizes several novel approaches, which were presented at international conferences and published in the journal Jakubicek et al. (2020). Based on the results of the experimental validation, the proposed algorithms seem to be routinely usable and capable of providing fully acceptable input data (identified and precisely segmented vertebrae) as needed in the subsequent automatic spine bone lesion analysis.
Keywords:
CT data; oncological patient; pattern recognition; spine detection; Spine imaging; vertebra labelling; vertebra segmentation; Analýza páteře; CT data; detekce páteře; identifikace obratlů; onkologický pacient; rozpoznávání objektů; segmentace obratlů
Institution: Brno University of Technology
(web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library. Original record: http://hdl.handle.net/11012/195561
guest ::
