Mellkasröntgen felvételek elemzése textúra alapú képregisztrációs eljárásokkal

OData támogatás
Konzulens:
Orbán Gergely Gyula
Méréstechnika és Információs Rendszerek Tanszék

A tüdőrák a modern társadalmakban egyre gyakoribb halálokká való előlépése folyamatosan súlyosbodó terhet ró a kórházakra a mellkasröntgen-felvételek elemzése terén. Rendelkezésünkre állnak azonban olyan eszközök, melyek döntéstámogató funkciójukkal felgyorsíthatják a felvételek kiértékelését anélkül, hogy orvosi felügyeletet igényelnének. A BME Méréstechnika és Információs Rendszerek Tanszéken évek óta folynak mellkasröntgen felvételek számítógépes feldolgozására irányuló kutatások, melyek részét képezik a diplomatervben tárgyalt eljárások is.

A diplomaterv a döntéstámogatás két területével, a szimmetriaanalízissel, és az időbeli követéssel foglalkozik. A képletek szimmetriájának vizsgálatával lehetőség nyílik a diagnózis szempontjából releváns információ kiemelésére, míg az időbeli követés a betegség előrehaladásáról ad képet az orvos számára. Minkét probléma képek vagy képrészletek egymásra igazításával, azaz regisztrációjával oldható meg. A szimmetriaanalízis a két tüdő azonos képen történő regisztrációjával, majd a regisztrált képek kivonásával történik, az időbeli követéshez pedig a két, különböző időpontban készült felvétel regisztrációjára van szükség. A diplomaterv a képregisztráció problémakörének formális ismertetése, és a releváns szakirodalom feldolgozása után két alkalmazást mutat be a fenti két probléma megoldására.

A szimmetriaanalízist végrehajtó eljárás textúra alapú, optimalizációs módszerrel végzi a regisztrációt, különböző algoritmusokat használva. Ezek között helyet kap egy újszerű, a szakirodalomban használt módszereket kiegészítő megoldás is, melynek hatékonysága nem marad el az egyéb módszerektől. A regisztrációt szintetikusan létrehozott képeken, a szimmetriaanalízist pedig valós mellkasröntgen-felvételeken verikálva kijelenthető, hogy a

módszer sikeresen elvégzi a kitűzött feladatot.

Az időbeli követést megvalósító algoritmus jellemzőpontok keresésén és párosításán alapul. A két kép pontjainak SIFT algoritmussal törtnő egymáshoz rendelése után az algoritmus RANSAC módszerrel szűri ki a transzformációs modellnek nem megfelelő pontpárokat. Az így kapott pontpárhalmaz alapján a két kép közötti transzformációt egy neurális hálózat határozza meg. Bár az eredmények alapján a regisztráció minősége kitűnő, annak klinikai

gyakorlatban való felhasználásával kapcsolatban további megfontolásokra lehet szükség.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.