In this thesis, a comparative evaluation of five different wavelet-based filtering techniques in the task of microarray image denoising and enhancement, as well as, a new methodology for the segmentation of microarray images is developed. Clinical material comprised complementary DNA (cDNA) microarray images collected from the Oak Ridge National Laboratory, simulated data produced by using a Microarray Scan Simulator, and a set of two simulated images, each containing 200 spots. Image pre-processing was performed in two stages: In the first stage an Exponential Histogram Equalization filter was applied to real cDNA images in order to increase the contrast between spots and surrounding background. In the second stage, five wavelet-based image filters (Simple Piece-Wise Linear Mapping Filter (SPWLMF), Hard Threshold filter (HTF), Wavelet Enhancement with Noise Suppression filter (WEWNSF), Non Linear Enhancement filter (NLEF) and Sigmoidal Non-linear Enhancement filter (SNLEF)) were implemented for denoising and enhancing gene microarray spots. The enhancing effectiveness of the five filters was assessed by calculating the Mean-Square-Error (MSE) and the Signal-to-MSE ratio. An automatic gridding scheme was applied to both real and simulated cDNA images, for the task of determining spots and their borders (cells). Firstly, the segmentation capability of the Gaussian Mixture Models GMM boosted by the five wavelet based preprocessing filters was evaluated by calculating the segmentation matching factor for each spot. Significant noise suppression was accomplished by the SPWLMP filter, which scored the minimum MSE and the maximum Signal-to-MSE ratio. Optimal segmentation results were obtained by pre-processing the microarray image by all the wavelet-based filters. Finally, a new methodology for spot identification based on the combination of GMM clustering technique with Gradient Vector Flow (GVF) active contours was introduced. According to that method, a GMM clustering algorithm was firstly applied in all individual spot images of the cDNA image. Afterwards, the output of the GMM algorithm was used to utilize a Gradient Vector Flow (GVF) active contour. The major advance of our method is that it overcomes limitations of GMM and deformable models when used individually. For the evaluation of our method, segmentation matching factors, as well as mean intensity value were calculated for every cell using GMM, GVF active contours and GMM and GVF active contours combination. Numerical experiments using simulated cDNA images have also shown that our method was more accurate in measuring mean intensity values and detecting real boundaries of spots with foreground mean intensity value close to the background, compared with GMM and snakes used individually. / Ο σκοπός της παρούσας διπλωματικής εργασίας είναι η συγκριτική αξιολόγηση πέντε διαφορετικών φίλτρων βασισμένα σε μετασχηματισμό κυματιδίου, τα οποία εφαρμόστηκαν σε εικόνες μικροσυστοιχιών. Επίσης, μια νέα μέθοδος για την κατάτμηση των εικόνων αυτών πραγματοποιήθηκε. Ως υλικό, χρησιμοποιήθηκαν εικόνες συμπληρωματικού DNA από το Oak Ridge National Laboratory, απομιμούμενα δεδομένα με την χρήση του Microarray Scan Simulator, καθώς και ένα σετ από δύο απομιμούμενες εικόνες, οι οποίες περιείχαν 200 κηλίδες. Η προεπεξεργασία των εικόνων πραγματοποιήθηκε σε δύο στάδια. Πρώτα, ένα εκθετικό φίλτρο ισοστάθμισης ιστογράμματος εφαρμόστηκε στις πραγματικές εικόνες, με σκοπό την αύξηση της αντίθεσης της εικόνας. Στη συνέχεια, αναπτυχθήκαν και εφαρμόστηκαν τα πέντε φίλτρα βασισμένα σε μετασχηματισμό κυματιδίου (Simple Piece-Wise Linear Mapping Filter (SPWLMF), Hard Threshold filter (HTF), Wavelet Enhancement with Noise Suppression filter (WEWNSF), Non Linear Enhancement filter (NLEF) and Sigmoidal Non-linear Enhancement filter (SNLEF)) με σκοπό την αύξηση της αντίθεσης. Ποσοτικά, η ικανότητα βελτίωσης των πέντε παραπάνω αλγορίθμων μετρήθηκε με το Mean-Square-Error (MSE) και το Signal-to-MSE. Ένα αυτόματο σύστημα διευθυνσιοδότησης εφαρμόστηκε στις πραγματικές και τις απομιμούμενες εικόνες με σκοπό την ανίχνευση των κηλίδων. Στην συνέχεια εφαρμόστηκαν αλγόριθμοι κατάτμησης μίξης Γκαουσιανών μοντέλων (GMM). Η αξιολόγηση πραγματοποιήθηκε με τη βοήθεια του παράγοντα ταυτοποίησης κατάτμησης. Σημαντική μείωση του θορύβου πραγματοποιήθηκε από το φίλτρο SPWLMF, το οποίο πέτυχε το μικρότερο MSE και το μεγαλύτερο S/MSE. Επίσης, καλύτερα αποτελέσματα πάρθηκαν από τις εικόνες οι οποίες είχαν προεπεξεργαστεί από τα φίλτρα μετασχηματισμού κυαμτιδίου. Στη συνέχεια, υλοποιήθηκε μια νέα τεχνική κατάτμησης βασισμένη στο συνδυασμό GMM και Gradient Vector Flow (GVF) ενεργών περιγραμμάτων. Σύμφωνα με τη μέθοδο αυτή, ο αλγόριθμος GMM εφαρμόζεται και δημιουργείτε μια δυαδική εικόνα η οποία περιέχει το περίγραμμα της κηλίδας. Στην συνέχεια, αυτό το περίγραμμα χρησιμοποιείται για την εκκίνηση ενός GVF ενεργού περιγράμματος. Το κυριότερο πλεονέκτημα αυτής της τεχνικής είναι ότι ξεπερνά περιορισμούς των δύο αυτών αλγορίθμων, όταν αυτοί χρησιμοποιούνται μεμονωμένα. Για την αξιολόγηση της μεθόδου υπολογίστηκε ο παράγοντα ταυτοποίησης κατάτμησης, καθώς και η μέση τιμή για κάθε κηλίδα, χρησιμοποιώντας τον αλγόριθμο GMM, τον αλγόριθμο GVF ενεργών περιγραμμάτων καθώς και το υβριδικό μοντέλο GMM και GVF ενεργού περιγράμματος. Αριθμητικά αποτελέσματα σε απομιμούμενες εικόνες απέδειξαν ότι η μέθοδος μας είναι πιο αποτελεσματική στο να βρίσκει τα όρια των κηλίδων, κυρίως σε αυτές στις οποίες η τιμή της έντασης βρίσκεται πολύ κοντά στο φόντο.

Οι καρδιαγγειακές παθήσεις αποτελούν σήμερα την πρώτη αιτία θανάτου στις αναπτυγμένες χώρες. Οι αιτίες που τις προκαλούν συνδέονται πολύ συχνά με τις ιδιότητες και την γενική κατάσταση των τοιχωμάτων των μεγάλων αρτηριών. Η υπερηχητική απεικόνιση των τελευταίων είναι εξαιρετικά σημαντική για τη διάγνωση πιθανών παθολογικών καταστάσεων, καθώς χαρακτηρίζεται από χαμηλό κόστος και ελάχιστη επιβάρυνση για τον οργανισμό του ασθενούς, ενώ μπορεί να πραγματοποιείται σε πραγματικό χρόνο. Επιπλέον, οι υπερηχητικές τεχνικές απεικόνισης επιτρέπουν την παρακολούθηση της κίνησης των αρτηριακών τοιχωμάτων, από την οποία μπορούν να εξαχθούν αρκετά ασφαλή συμπεράσματα για την κατάστασή τους. Για την παρακολούθηση της κίνησης των αρτηριακών τοιχωμάτων έχουν χρησιμοποιηθεί διάφορες μέθοδοι, με κυριότερες αυτές που βασίζονται στο φαινόμενο Doppler (Tissue Doppler Imaging), τις διαφορικές μεθόδους οπτικής ροής και τις μεθόδους ταύτισης περιοχών (block matching). Οι μέθοδοι Doppler είναι εξαιρετικά ακριβείς, μόνο όμως κοντά στη διεύθυνση της υπερηχητικής δέσμης. Οι μέθοδοι οπτικής ροής μπορούν να χρησιμοποιηθούν σε διδιάστατες απεικονίσεις με αρκετά ικανοποιητική ακρίβεια, αδυνατούν ωστόσο να παρακολουθήσουν μεγάλες μετατοπίσεις. Από την άλλη πλευρά, οι μέθοδοι ταύτισης περιοχών δεν παρουσιάζουν τα παραπάνω προβλήματα, υστερούν όμως σε ακρίβεια. Μια σχετικά νέα τεχνική με ευρεία εφαρμογή στην ιατρική απεικόνιση είναι τα ενεργά περιγράμματα (active contours). Πρόκειται για παραμετρικές καμπύλες που κινούνται στο επίπεδο της εικόνας έτσι ώστε να ελαχιστοποιείται ένα ενεργειακό συναρτησιακό και επιτρέπουν την ανίχνευση αντικειμένων στην εικόνα. Στις κλασικές μεθόδους των ενεργών περιγραμμάτων, η αρχική καμπύλη πρέπει να ορίζεται κοντά στο προς ανίχνευση αντικείμενο. Για την αντιμετώπιση του προβλήματος αυτού έχουν προταθεί διάφορες βελτιώσεις του κλασικού μοντέλου των ενεργών περιγραμμάτων, όπως η εισαγωγή της λεγόμενης «δύναμης μπαλονιού». Τα ενεργά περιγράμματα μπορούν να χρησιμοποιηθούν και για παρακολούθηση κίνησης σε ακολουθίες εικόνων, καθώς μπορούν να προσαρμόζονται στα εξέχοντα χαρακτηριστικά των κινούμενων δομών. Ωστόσο, στην υπερηχητική απεικόνιση των αρτηριακών τοιχωμάτων, η περιπλοκότητα της κίνησής τους και ο έντονος θόρυβος καθιστούν ιδιαίτερα δύσκολη την άμεση εφαρμογή των ενεργών περιγραμμάτων για την παρακολούθηση κίνησης. Στόχος της παρούσας εργασίας είναι ο συνδυασμός των ενεργών περιγραμμάτων και των μεθόδων ταύτισης περιοχών για την αυτοματοποίηση της παρακολούθησης κίνησης σε ακολουθίες εικόνων των τοιχωμάτων αρτηριών (συγκεκριμένα της καρωτιδικής και της βραχιακής) και για τη βελτίωση της επαναληψιμότητας των σχετικών μετρήσεων. Αρχικά, εφαρμόστηκαν οι μέθοδοι ταύτισης περιοχών ενός επιπέδου (Single Level Block Matching) και πολλών επιπέδων (Multilevel Block Matching) για την παρακολούθηση της κίνησης των αρτηριακών τοιχωμάτων από ακολουθίες εγκάρσιων τομών της καρωτιδικής και της βραχιακής αρτηρίας. Μια κλειστή καμπύλη ορίστηκε από το χρήστη στο πρώτο πλαίσιο της ακολουθίας, έτσι ώστε να αντιστοιχεί κατά προσέγγιση στο περίγραμμα των ορίων του αρτηριακού τοιχώματος και καταγράφηκε η επιφάνεια που περικλείεται από την καμπύλη αυτή κατά τη διάρκεια ενός καρδιακού κύκλου. Η μετατόπιση των σημείων της καμπύλης από πλαίσιο σε πλαίσιο εκτιμήθηκε με τις μεθόδους ταύτισης περιοχών. Η μορφή της γραφικής παράστασης της επιφάνειας αυτής σε συνάρτηση με το χρόνο (δηλαδή τον αριθμό του πλαισίου) αποτελεί έναν πολύ καλό δείκτη της κατάστασης της αρτηρίας. Η αυτοματοποίηση της διαδικασίας λήψης των παραπάνω μετρήσεων μπορεί να επιτευχθεί αν η επιλογή της αρχικής κλειστής καμπύλης δεν βασίζεται στην εκτίμηση του χρήστη αλλά στην ανίχνευση των τοιχωμάτων με ενεργά περιγράμματα. Το κλασικό μοντέλο των ενεργών περιγραμμάτων και το μοντέλο της «δύναμης μπαλονιού» εφαρμόστηκαν για αυτό το σκοπό στο πρώτο πλαίσιο των ακολουθιών εικόνων των αρτηριών. Διαπιστώθηκε ότι το μοντέλο της δύναμης μπαλονιού δίνει ικανοποιητικά αποτελέσματα ανίχνευσης των αρτηριακών τοιχωμάτων και μάλιστα με ικανοποιητική επαναληψιμότητα, καθώς το αποτέλεσμα της ανίχνευσης δεν διαφοροποιούνταν σημαντικά από την επιλογή της αρχικής κλειστής καμπύλης του ενεργού περιγράμματος, αρκεί η ακτίνα της τελευταίας να είναι τέτοια ώστε η καμπύλη να βρίσκεται εξ ολοκλήρου στο εσωτερικό της αρτηρίας. Στη συνέχεια, η καμπύλη που προέκυψε από την ανίχνευση των τοιχωμάτων χρησιμοποιήθηκε ως αρχική καμπύλη για την παρακολούθηση κίνησης με τις μεθόδους ταύτισης περιοχών. Τα αποτελέσματα που προέκυψαν δεν διαφέρουν σημαντικά σε σχέση με την περίπτωση όπου ο ορισμός της καμπύλης στο πρώτο πλαίσιο γίνεται από το χρήστη. Συνεπώς, η ανίχνευση των αρτηριακών τοιχωμάτων με ενεργά περιγράμματα μπορεί να χρησιμοποιηθεί για να βελτιώσει την επαναληψιμότητα των μετρήσεων για την παρακολούθηση κίνησης και να συμβάλει στην αυτοματοποίηση της διαδικασίας λήψης τους. / Cardiovascular diseases are the leading cause of death today in developed countries. Their causes are very frequently related with the status of artery walls. Ultrasonic imaging is very important for the diagnosis of possible arterial pathology, because it is of low cost, safe for the patient and can be performed in real time. Ultrasonic imaging also allows arterial wall motion tracking, which can provide critical diagnostic information. Motion tracking methods include Tissue Doppler Imaging (TDI), differential optical flow methods and block matching. Tissue Doppler Imaging offers excellent accuracy, restricted however to directions close to the direction of the ultrasonic beam. Optical flow methods can be used in two dimensions with considerable accuracy, but they fail in cases of fast moving structures. In the case of block matching, no such problems have to be dealt with, however with significant cost in accuracy. Active contours, a relatively new technique widely used in medical imaging, are parameterized curves moving on the image plane in order to minimize an energy functional and allowing object detection. Classical active contour methods require that the initial curve of the model is defined close to the object to be detected. In order to avoid this, several techniques have been proposed, such as the so-called “balloon force”. Active contours can also be used for motion tracking in series of image frames, provided that they can fit to salient features of moving structures. In arterial wall ultrasonic imaging however, motion complexity and noise obstruct motion tracking with active contours. In the current study active contours and block matching methods are combined to improve reproducibility of motion tracking measurements in series of artery wall images (namely for the carotid and brachial artery). Single level and multilevel block matching methods were used for artery wall motion tracking. A closed curve was defined by the user in the first frame of the image series, both for the carotid and brachial artery. This curve is a rough estimation of the arterial wall contour. The area enclosed by the curve is recorded throughout a cardiac cycle. Curve movement is estimated with block matching methods. The graph pattern of enclosed area versus time (i.e. frame number) is a very good indicator for the status of the artery. The above process can be automatized if the initial closed curve is produced by object detection with active contours and not by estimation. The active contours classical model and the balloon force model were used for artery wall detection in the first frame of the artery image series. The balloon force model yielded satisfactory wall detection results with considerable reproducibility. The choice of the dimensions of the initial contour of the model did not affect the final result considerably, provided that the initial contour is fully placed inside the arterial lumen. The curve that resulted from object detection was used to initialize the motion tracking process with block matching methods. In this way, similar motion tracking results can be obtained for the artery image series, but with much improved reproducibility.