Medical image registration based on a creaseness measure
Esta tesis trata de la puesta en correspondencia automática de imágenes médicas. Proponemos un algoritmo genérico, aplicable a imágenes con una característica determinada: que contengan estructuras en forma de valle o de cresta. Estas estructuras es extraen automáticamente mediante un operador diseñ...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis doctoral |
| Fecha de publicación: | 2003 |
| País: | España |
| Institución: | Universitat Autònoma de Barcelona |
| Repositorio: | Dipòsit Digital de Documents de la UAB |
| Idioma: | inglés |
| OAI Identifier: | oai:ddd.uab.cat:37237 |
| Acceso en línea: | https://ddd.uab.cat/record/37237 |
| Access Level: | acceso abierto |
| Palabra clave: | Imatges Algorismes computacionals |
| Sumario: | Esta tesis trata de la puesta en correspondencia automática de imágenes médicas. Proponemos un algoritmo genérico, aplicable a imágenes con una característica determinada: que contengan estructuras en forma de valle o de cresta. Estas estructuras es extraen automáticamente mediante un operador diseñador para detectar su forma. Ejemplos de este tipo de estructuras son los huesos en TC y RM, capilares en imágenes oftalmológicas y los sulci en ecografías. Una vez se han extraído éstas, una de las imágenes se transforma iterativamente mediante una aproximación jerárquica hasta que la función que detecta el alineamiento llega a un máximo. Hemos presentado informes completos del funcionamiento de este algoritmo para varias modalidades y condiciones de adquisición. En primer lugar, lo hemos aplicado a la puesta en correspondencia de TC con RM. Hemos participado en un proyecto para evaluar nuestro algoritmo para un centenar de imágenes, comparándolo con otros métodos, y los resultados, para algunas modalidades, han sido destacados. Otro campo de aplicación han sido las imágenes oftalmológicas. En esta modalidad, nuestro algoritmo funcionó mejor y más rápido que los algoritmos existentes hasta la fecha, y además ha podido ser aplicado a secuencias largas de imágenes SLO. Ejecutamos pruebas exhaustivas para conseguir una convergencia rápida y segura, lo que hizo posible, en colaboración con otro grupo, construir un primer prototipo real para un hospital. Finalmente, hemos explorado diferentes problemas de puesta en correspondencia en el área de las ecografías intra-operativas. Después de construir un sistema informático para capturar y localizar las imágenes en tiempo real, empezamos nuestros experimentos con un cerebro humano in vitro. Conseguimos construir un volumen con las imágenes, y alinearlo con una imagen RM del mismo. Además, conseguimos registrar las imágenes individuales de las ecografías con los volúmenes. |
|---|