Made available in DSpace on 2015-03-04T18:57:36Z (GMT). No. of bitstreams: 1
bulant.pdf: 14030619 bytes, checksum: 7bdeb54a02eeadbb90a53496f04a524c (MD5)
Previous issue date: 2013-02-26 / This work focuses on tomographic reconstruction and three-dimensional arterial structures segmentation problems, understanding both as fundamentals modules of patient specific-based cardiovascular modeling. Is in this context where the possibility of improving information quality
contained in medical images, by means of more accurate reconstruction methods, is of interest because of its impact on segmentation algorithm precision, allowing the construction of more realistic vessel geometrical models.
Specifically, in this work, we study the reconstruction from projection inverse problem based on the classic simplified model for x-ray interaction, using the Radon transform, in two and three dimensions with different acquisition geometries. Then, we present the standard methods, which
are based on analytic inversion of the Radon transform in the form of back-projection. An iterative reconstruction method based on sensitivity analysis, was studied and adapted to work in a parallel and matrix-free form. In addition, a novel reconstruction method, with foundations given by the theoretical framework of variational formulations, is developed. In view of the characteristics of the methodology, the computational implementation is carried out following a distributed computing
paradigm on top of a matrix-free form version of the method. We perform parameter sensitivity analysis for each method, and a quantitative comparative analysis among them, using the well known Shepp-Logan head phantom, is also presented. Some preliminary reconstruction studies with real data are presented.
In the context of medical image segmentation, we explore two alternatives for arterial structures segmentation from three dimension images acquired on three-Dimensional Rotational Angiography and Computed Tomography Angiography clinical studies. The first methodology is based on a simple seeded region growing algorithm, combined with thresholding and anisotropic diffusion techniques.
The second pipeline uses a Level Set approach, initialized with the colliding fronts algorithm. Now days, Level Set methods variants are gaining popularity for vessel segmentation problems. In this work, we present a qualitative comparison by segmenting a numerical phantom, as well as segmenting arterial structures on different anatomical regions of the head and neck. At last, we
present some recommendations for method and parameter choosing, as a function of the anatomical region. / Este trabalho foca-se nos problemas da reconstrução tomográfica e da segmentação de estruturas arteriais em três dimensões, entendendo ambos como blocos fundamentais na modelagem do sistema cardiovascular humano orientada a pacientes específicos. Dentro deste contexto, a
possibilidade de melhorar a qualidade das informações contidas nas imagens médicas realizadas em estudos clínicos via métodos de reconstrução mais precisos torna-se atraente porque impacta
diretamente na acurácia das técnicas de segmentação, e permite a construção de modelos geométricos mais próximos à realidade.
Especificamente, neste trabalho, o problema inverso de reconstrução a partir de projeções é estudado empregando o modelo simplificado clássico, via a transformada de Radon, para duas e três dimensões com diferentes geometrias de amostragem. Logo, os métodos de resolução padrão
baseados na inversão analítica desta transformada em forma de back-projection foram estudados.
Um método iterativo baseado em análise de sensibilidade, denominado aqui como método baseado no gradiente topológico, foi estudado e adaptado para funcionar com um esquema matrix-free em paralelo. Em seguida, um novo método com fundamentos na teoria de formulações variacionais é
desenvolvido. Devido às características do método, o mesmo é implementado computacionalmente empregando paralelismo e um formato matrix-free. Um estudo quantitativo sobre os parâmetros de cada método é fornecido, assim como também um estudo comparativo entre todos eles usando o amplamente difundido fantasma de Shepp-Logan. Por fim, estudos preliminares com projeções de estudos de angiografias rotacionais tridimensionais são apresentados.
No contexto da segmentação de imagens médicas, duas alternativas são apresentadas para segmentar estruturas arteriais a partir de imagens tridimensionais provenientes de estudos de angiografia rotacional e tomográfica. A primeira metodologia baseia-se num enfoque simples de
crescimento de região, combinado com thresholding e suavizado anisotrópico. A segunda metodologia utiliza um enfoque de Level Set, inicializado por uma técnica denominada colliding fronts. Na atualidade diversas variantes do método de Level Set têm ganhado popularidade na
segmentação de estruturas arteriais. Neste trabalho comparam-se qualitativamente ambas alternativas com um fantasma numérico, e na segmentação de estruturas arteriais presentes em imagens médicas localizadas em diversas regiões anatômicas. Por fim, recomendações sobre o método mais conveniente a ser utilizado em cada região junto com valores para os parâmetros são fornecidos.
| Identifer | oai:union.ndltd.org:IBICT/oai:tede-server.lncc.br:tede/138 |
| Date | 26 February 2013 |
| Creators | Bulant, Carlos Alberto |
| Contributors | Blanco, Pablo Javier, Feijóo, Raul Antonino, Oliveira, Jauvane Cavalcante de, Silva, Nelson Albuquerque de Souza e, Larrabide, Ignacio |
| Publisher | Laboratório de Computação Científica, Programa de Pós-Graduação em Modelagem Computacional, LNCC, Brasil, Serviço de Análise e Apoio a Formação de Recursos Humanos |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | English |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Biblioteca Digital de Teses e Dissertações do LNCC, instname:Laboratório Nacional de Computação Científica, instacron:LNCC |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0016 seconds