Segmentation of medical images using statistical methods with evaluation on a public Database

การแบ่งภาพทางการแพทย์ด้วยวิธีการทางสถิติและการประเมินการทำงานโดยใช้ฐานข้อมูลภาพสาธารณะ

Name: Pema Choejey

keyword: Image segmentation

LCSH: GENETIC ALGORITHMS

ThaSH: CANONICAL CORRELATION (STATISTICS)

ThaSH: IMAGE ANALYSIS -- STATISTICAL METHODS

Abstract: Segmentation and interpretation of medical images which are characterized by complex and variable structures is apparently a difficult problem. Active Appearance Model (AAM) method has proved to be a successful tool for effectively modeling and interpreting variable images in a variety of applications. AAM contains a statistical model of both shape and gray-level appearance of the object of interest, which can subsequently be used in matching new instances of shape and texture in unseen images. Since iterative matching during the search involves prediction of model parameters, which optimize the best fit between the model and the target image, image matching can be treated as an optimization problem. In this study, we propose to adapt a continuous value coded genetic algorithm (GA) as an optimization method to predict the optimal parameters during image matching. In order to compare the performance and accuracy of standard AAM and AAM optimized by GA, we also propose to use fast search algorithm based on canonical correlation analysis (CCA). The proposed methods were evaluated using publicly available database containing 247 chest radiograph images. Our experimental results show that the performance of AAM based on GA optimization is comparable to the standard approach. CCA approach performs consistently better than the two approaches.

Abstract: การแบ่งและแปลความหมายภาพทางการแพทย์ซึ่งมีโครงสร้างที่ซับซ้อนและเปลี่ยนแปลง อยู่เสมอนับว่ายังเป็นปัญหาที่ต้องการการศึกษาวิจัย มีการประยุกต์ใช้วิธีแบบจำลองเปลี่ยนตาม ลักษณะปรากฏ (Active Appearance Model - AAM) และประสบความสำเร็จในหลายๆ ด้าน โดยที่ AAM เป็นแบบจำลองทางสถิติของรูปทรงและค่าความเข้มแสงของลวดลายของวัตถุที่กำลังศึกษา ซึ่งสามารถใช้เพื่อเทียบคู่กับวัตถุชิ้นใหม่ในภาพที่ไม่เคยปรากฏมาก่อน เนื่องจากเป็นการเทียบคู่ แบบวนซ้ำระหว่างค้นหาวัตถุ ดังนั้นจึงต้องมีการพยากรณ์ค่าพารามิเตอร์ของแบบจำลอง ซึ่งจะให้ ค่าที่ดีที่สุดถ้าแบบจำลองเข้ากันได้ดีกับวัตถุในภาพเป้าหมาย ในงานวิจัยนี้ได้นำขั้นตอนวิธี พันธุกรรม (Genetic Algorithm - GA) มาใช้หาค่าพารามิเตอร์ดังกล่าว จากนั้นมีการเปรียบเทียบ ความถูกต้องและการทำงานของวิธี AAM กับวิธี AAM ร่วมกับ GA และวิธีการวิเคราะห์ สหสัมพันธ์พื้นฐาน (Canonical Correlation Analysis - CCA) โดยใช้ฐานข้อมูลภาพสาธารณะ ซึ่ง เป็นภาพฉายรังสีของหน้าอกจำนวน 247 ภาพ ผลการทดลองแสดงให้เห็นว่าวิธี AAM และวิธี AAM ร่วมกับ GA นั้นให้ผลที่ใกล้เคียงกัน ในขณะที่วิธี CCA ให้ผลที่ดีกว่าวิธีทั้งสอง

King Mongkut's University of Technology North Bangkok. Central Library

Address: Bangkok

Email: library@kmutnb.ac.th

Name: Supot Nitsuwat

Role: Thesis Advisor

Email : sns@kmutnb.ac.th

Created: 2007

Modified: 2567-07-26

Issued: 2008-07-16

วิทยานิพนธ์/Thesis

application/pdf

CallNumber: Thesis MIT P4C

eng

DegreeName: Master of science

Level: Master's Degree

Descipline: Information Technology

Grantor: King Mongkut's University of Technology North Bangkok

©copyrights King Mongkut's University of Technology North Bangkok

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	B15052497.pdf	1.32 MB

ใช้เวลา

0.016701 วินาที