3D segmentace tkání s využitím Markovských náhodných polí

3D Tissue Segmentation using Markov Random Fields

conference paper

Czech

Tento příspěvek se zabývá segmentací 3D obrazů plic pořízených pomocí počítačové tomografie (CT). Segmentace na jednotlivé tkáně (plicní tkáň, měkké tkáně, kosti) je prováděna s využitím Bayesovské klasifikace a Markovských náhodných polí, přičemž jako optimalizační algoritmus úlohy je využita metoda Modified Metropolis Dynamic (MMD). Rozlišení jednotlivých tkání je nezbytnou součástí předzpracování dat pro následnou analýzu; například tvar, velikost a kontura plic, následná segmentace cév a dýchacích cest, nádorové studie a další analýzy ostatních tkání.

This paper deals with the segmentation of 3D lung images taken by computed tomography (CT). Segmentation of individual tissues (lung tissue, soft tissue, bones) is performed using Bayesian classification and Markov random fields, with the task as an optimization algorithm is used Modified Metropolis Dynamic method (MMD). Classification of individual tissues is an essential part of data preprocessing for subsequent analysis; such as shape, size and contour of the lung anylisis, followed by segmentation of blood vessels and airways, cancer studies and other analyzes of other tissues.

Markovská náhodná pole, 3D segmentace, Bayesovská klasifikace

Markov Random Fileds, 3D segmentation, Bayesian classification

CHMELÍK, J.; JAN, J.

2014

15. 10. 2014

ÚBMI, VUT v Brně

Brno

978-80-214-5049-3

Nové směry v biomedicínském inženýrství

1

16

25

10