Medical imaging modalities provide effective information for anatomic or metabolic activity of tissues and organs in the body. Therefore, medical imaging technology is a critical component in diagnosis and treatment of various illnesses. Medical image segmentation plays an important role in converting medical images into anatomically, functionally or surgically identifiable structures, and is used in various applications. In this study, some of the major medical image segmentation methods are examined and applied to 2D CT images of upper torso for segmentation of heart, lungs, bones, and muscle and fat tissues. The implemented medical image segmentation methods are thresholding, region growing, watershed transformation, deformable models and a hybrid method / watershed transformation and region merging. Moreover, a comparative analysis is performed among these methods to obtain the most efficient segmentation method for each tissue and organ in torso. Some improvements are proposed for increasing accuracy of some image segmentation methods.

Yes / Background and Objective Corneal endothelial cell abnormalities may be associated with a number of corneal and systemic diseases. Damage to the endothelial cells can significantly affect corneal transparency by altering hydration of the corneal stroma, which can lead to irreversible endothelial cell pathology requiring corneal transplantation. To date, quantitative analysis of endothelial cell abnormalities has been manually performed by ophthalmologists using time consuming and highly subjective semi-automatic tools, which require an operator interaction. We developed and applied a fully-automated and real-time system, termed the Corneal Endothelium Analysis System (CEAS) for the segmentation and computation of endothelial cells in images of the human cornea obtained by in vivo corneal confocal microscopy. Methods First, a Fast Fourier Transform (FFT) Band-pass filter is applied to reduce noise and enhance the image quality to make the cells more visible. Secondly, endothelial cell boundaries are detected using watershed transformations and Voronoi tessellations to accurately quantify the morphological parameters of the human corneal endothelial cells. The performance of the automated segmentation system was tested against manually traced ground-truth images based on a database consisting of 40 corneal confocal endothelial cell images in terms of segmentation accuracy and obtained clinical features. In addition, the robustness and efficiency of the proposed CEAS system were compared with manually obtained cell densities using a separate database of 40 images from controls (n = 11), obese subjects (n = 16) and patients with diabetes (n = 13). Results The Pearson correlation coefficient between automated and manual endothelial cell densities is 0.9 (p < 0.0001) and a Bland–Altman plot shows that 95% of the data are between the 2SD agreement lines. Conclusions We demonstrate the effectiveness and robustness of the CEAS system, and the possibility of utilizing it in a real world clinical setting to enable rapid diagnosis and for patient follow-up, with an execution time of only 6 seconds per image.

In der Archäologie besteht das Problem, dass es für die Beschreibung von Objekteigenschaften keine einheitliche Begriffsbasis gibt. Nicht nur bei der Klassifikation von Gefäßen, aber besonders dort kommt es dann zu Schwierigkeiten, denn neben der Subjektivität der Wortwahl existiert auch eine internationale Sprachbarriere. Somit werden Forderungen nach einer mathematisch-algorithmisch orientierten Merkmalsbeschreibung laut. Damit ginge langfristig nicht nur die Etablierung weltweit einheitlicher Typologien einher, sondern auch die Möglichkeit einer computergestützten automatischen Klassifikation. Die Diplomarbeit behandelt im ersten Teil die Segmentierung archäologischer Gefäße. Diese ist notwendig, um die Analyse sekundärer Gefäßmerkmale vollautomatisch und unabhängig vom Gefäßrumpf durchführen zu können. Weil sich dabei topologische, skelettbasierte und krümmungsbasierte Verfahren aus verschiedenen Gründen als ungeeignet herausstellten, wurde ein neuer Segmentierungsansatz über die Rotation einer adaptiven Profillinie entwickelt. Dieser leistet eine schnelle, robuste, vor allem aber genaue Trennung asymmetrischer Teile vom Gefäßrumpf. Im zweiten Teil werden die aus der Segmentierung gewonnenen Informationen über sekundäre und ggf. auch tertiäre Gefäßmerkmale zusammen mit den primären Attributen wie äußere Form und globale geometrische Maße in das Klassifikationssystem integriert. Aufgrund der im Klassifikationsprozess immanenten Hierarchie ist es zweckmäßiger, einen spezifischen mehrstufigen Ansatz gegenüber einstufigen oder globalen Shape-Matching-Ansätzen vorzuziehen. Darüber hinaus werden Vergleichsmetriken und ein Attributgraph vorgestellt sowie Vorschläge zur Segmentinterpretation gemacht.

In der Archäologie besteht das Problem, dass es für die Beschreibung von Objekteigenschaften keine einheitliche Begriffsbasis gibt. Nicht nur bei der Klassifikation von Gefäßen, aber besonders dort kommt es dann zu Schwierigkeiten, denn neben der Subjektivität der Wortwahl existiert auch eine internationale Sprachbarriere. Somit werden Forderungen nach einer mathematisch-algorithmisch orientierten Merkmalsbeschreibung laut. Damit ginge langfristig nicht nur die Etablierung weltweit einheitlicher Typologien einher, sondern auch die Möglichkeit einer computergestützten automatischen Klassifikation. Die Diplomarbeit behandelt im ersten Teil die Segmentierung archäologischer Gefäße. Diese ist notwendig, um die Analyse sekundärer Gefäßmerkmale vollautomatisch und unabhängig vom Gefäßrumpf durchführen zu können. Weil sich dabei topologische, skelettbasierte und krümmungsbasierte Verfahren aus verschiedenen Gründen als ungeeignet herausstellten, wurde ein neuer Segmentierungsansatz über die Rotation einer adaptiven Profillinie entwickelt. Dieser leistet eine schnelle, robuste, vor allem aber genaue Trennung asymmetrischer Teile vom Gefäßrumpf. Im zweiten Teil werden die aus der Segmentierung gewonnenen Informationen über sekundäre und ggf. auch tertiäre Gefäßmerkmale zusammen mit den primären Attributen wie äußere Form und globale geometrische Maße in das Klassifikationssystem integriert. Aufgrund der im Klassifikationsprozess immanenten Hierarchie ist es zweckmäßiger, einen spezifischen mehrstufigen Ansatz gegenüber einstufigen oder globalen Shape-Matching-Ansätzen vorzuziehen. Darüber hinaus werden Vergleichsmetriken und ein Attributgraph vorgestellt sowie Vorschläge zur Segmentinterpretation gemacht.

Diabetic Peripheral Neuropathy (DPN) is one of the most common types of diabetes that can affect the cornea. An accurate analysis of the corneal epithelium nerve structures and the corneal endothelial cell can assist early diagnosis of this disease and other corneal diseases, which can lead to visual impairment and then to blindness. In this thesis, fully-automated segmentation and quantification algorithms for processing and analysing sub-basal epithelium nerves and endothelial cells are proposed for early diagnosis of diabetic neuropathy in Corneal Confocal Microscopy (CCM) images. Firstly, a fully automatic nerve segmentation system for corneal confocal microscope images is proposed. The performance of the proposed system is evaluated against manually traced images with an execution time of the prototype is 13 seconds. Secondly, an automatic corneal nerve registration system is proposed. The main aim of this system is to produce a new informative corneal image that contains structural and functional information. Thirdly, an automated real-time system, termed the Corneal Endothelium Analysis System (CEAS) is developed and applied for the segmentation of endothelial cells in images of human cornea obtained by In Vivo CCM. The performance of the proposed CEAS system was tested against manually traced images with an execution time of only 6 seconds per image. Finally, the results obtained from all the proposed approaches have been evaluated and validated by an expert advisory board from two institutes, they are the Division of Medicine, Weill Cornell Medicine-Qatar, Doha, Qatar and the Manchester Royal Eye Hospital, Centre for Endocrinology and Diabetes, UK.