Damar Çevritinin Çok-ölçekli Tespiti

Abstract

Bu çalışmada, CTA ve MRA görüntülerinde bulunan damarların bölütlenmesine yönelik oldukça kararlı ve başarılı bir algoritma önerilmiştir. Önerilen algoritma, öncelikle ortalama kaydırma analizini[1] kullanarak bir boyutlu ışınlar boyunca ayrıtları bulur. Tibbi veriler üzerinde çalışılırken sıklıkla karşılaşılan problemleri aşmak için ortalama kaydırma analizinde çok ölçekli uzamsal süzgeçler ve uyarlamalı erim süzgeçleri kullanılmıştır. Çok-ölçekli doğası yüzünden saptanan pek çok hatalı ayrıt da yine bu aşama sırasında önerilen algoritmalarla silinir. İkinci aşamada ise farklı ölçeklerden gelen tüm ayrıtlar doğru ve verimli bir şekilde ortalama kaydırma metodunun özellikleri kullanılarak birleştirilir. Üçüncü aşamada ise yerel ve evrensel gruplama teknikleri kullanılarak gruplanan ayrıtlardan aday damar çevritleri oluşturulur ve gercek damar çevriti aday çevritlerinin elipse benzerliğinden yola çıkılarak bulunur. Bu aşamada benzerliği ölçmek için Fourier betimleyicilerinden faydalanılır. Önerilen algoritma (i) damarların başka damarlar veya yüksek kontrasta sahip yapılarla çevrildiği durumlara, (ii) damar içindeki kontrast değişimlerine, ve (iii) damar boyutundaki ve şeklindeki değişintilere karşı oldukça kararlıdır. Yöntemin doğruluğu bazı MRA ve CTA örnekleri üzerinde gösterilmiştir. Buna ek olarak, bu bölütlenme algoritmasını temel alan basit bir damar izleme algoritması geliştirilmiştir. Bu algoritma kullanılarak dolaşım sistemi hastalıkları olan daralma ve anevrizma modellenmiştir.In this work, I present a robust and accurate method for the segmentation of cross-sectional boundaries of vessels found in contrast-enhanced (CE) CTA and MRA images. The proposed algorithm first detects the edges along 1D rays by using mean-shift analysis [1]. To overcome the problems associated with medical data, multiple spatial scale and adaptive range scale is used during detecting edge. Furthermore, most of the incorrect edges are deleted in this step. Second, edges from different scales are accurately and efficiently combined by using the properties of mean-shift clustering. Third, multi-scale edge are grouped using local and global perceptual edge grouping to form candidate boundaries and the final vessel cross-sectional boundary is selected based on elliptical shape verification. Fourier descriptors are employed to measure the similarity of a boundary to an ellipse. The proposed algorithm is stable to (i) the case where the vessel is surrounded by other vessels or other high contrast structures, (ii) contrast variations in vessel boundary, and (iii) variations in the vessel size and shape. The accuracy of the algorithm is shown on several MRA and CTA examples. In addition to the segmentation algorithm, a naïve tracking algorithm is developed as a generalization of this algorithm. It is used to model the pathologies; stenosis and aneurysm.