Skip to Main Content

Projekty badawcze w sieci VIA CARPATIA

Filtry

Szczegóły projektu badawczego

Numer umowy
2017/25/N/ST6/01849
Wykonawcy badań/ podległość
Wydział Informatyki (WI)
Tytuł
Metody segmentacji obrazów integrujące analizę tekstur i modele deformowalne
Streszczenie
1. Cel prowadzonych badań Przedmiotem badań projektu jest segmentacja obrazów za pomocą algorytmów bazujących na modelach deformowalnych oraz wykorzystujących analizę tekstur. Efektem pracy będzie opracowanie nowych metod segmentacji, ich walidacja oraz efektywna implementacja, pozwalająca na ich praktyczne zastosowanie w analizie zobrazowań medycznych. Badania prowadzone będą na dwu- i trójwymiarowych danych syntetycznych oraz rzeczywistych danych zobrazowań rezonansu magnetycznego (ang. magnetic resonance imaging, MRI) i tomografii komputerowej (ang. computed tomography, CT). Segmentacja obrazu może być zdefiniowana jako wydzielenie z tła obszarów należących do obiektów konkretnej klasy, jednorodnych pod względem określonych kryteriów. Jest to istotna faza w analizie obrazów, szczególnie w przypadku zobrazowań medycznych. Klasą algorytmów szczególnie dobrze sprawdzających się w tym przydatku są modele deformowalne, oparte na idei kształtu dopasowującego się do konkretnego obszaru obrazu pod wpływem wewnętrznych i zewnętrznych sił. Głównym założeniem projektu jest wykorzystanie cech teksturalnych jako właściwości obrazu, które sterują procesem ewolucji modelu deformowanego. Cechy teksturalne umożliwiają określenie właściwości danego obszaru obrazu, jak jego jednorodność, powtarzalność, kierunkowość czy kontrast. W przypadku zobrazowań medycznych, cechy teksturalne pozwalają na wykorzystanie właściwości całych obszarów obrazu, w odróżnieniu od tradycyjnych rozwiązań, bazujących jedynie na krawędziach czy intensywności. Tekstura w takim przypadku może pozwolić nie tylko na lepszą segmentację danego obszaru (np. całego organu), ale również na wyróżnienie poszczególnych jego podobszarów (np. różnych rodzajów tkanek czy zmian patologicznych). Częstym problemem w takim wypadku jest konieczność selekcji najbardziej odpowiedniej w danej sytuacji cechy lub zestawu cech z często bardzo dużego zbioru potencjalnych właściwości, a następnie dobór odpowiednich parametrów. Dodatkowo, algorytmy wyliczania cech teksturalnych bywają często kosztowne obliczeniowo i ograniczone do danych dwuwymiarowych, co zmniejsza możliwości ich praktycznego zastosowania w przypadku dużych zbiorów danych, jak zobrazowania MRI czy CT. W celu osiągnięcia akceptowalnych czasów działania tworzonych algorytmów, w pracy wykorzystane zostaną metody obliczeń równoległych w technice GPGPU (ang. general-purpose computing on graphics processor units – obliczenia ogólnego przeznaczenia na układach graficznych). Badania podzielone będą na trzy główne etapy: • opracowanie, implementacja i walidacja dwuwymiarowego algorytmu segmentacji integrującego metodę poziomic (ang. level-set method) z analizą tekstur i wykorzystującego automatyczny dobór cech teksturalnych; • opracowanie, implementacja i walidacja trójwymiarowego algorytmu segmentacji obrazy opartego o metodę poziomic i wykorzystującego w pełni trójwymiarowe cech teksturalne; • zastosowanie, adaptacja i walidacja stworzonych metod na obrazach medycznych: segmentacja zobrazować MRI i CT w diagnostyce raka wątroby, segmentacja obrazów PET/MRI i CT w leczeniu nowotworów płuc, segmentacja komórek śródbłonka rogówki na obrazach mikroskopowych. 2. Zastosowana metoda badawcza Prace nad metodami segmentacji tworzonymi w ramach projektu prowadzone będą z wykorzystaniem systemu MESA, który oferuje kompleksowe środowisko do projektowania, walidacji i porównywania metod segmentacji obrazów medycznych. Proponowane algorytmy tworzone będą z wykorzystaniem językach Java oraz C (kod GPGPU w technologii OpenCL). Tworzone metody testowane będą, w początkowej fazie, na testowych danych syntetycznych, a następnie weryfikowane będą na rzeczywistych danych medycznych z użyciem segmentacji referencyjnych. 3. Wpływ spodziewanych rezultatów na rozwój nauki W ramach projektu opracowane zostaną metody segmentacji obrazów, które cechować się będą lepszą efektywnością w stosunku do metod nie wykorzystujących analizy tekstur, a także osiągały będą wydajność obliczeniową pozwalającą na ich praktyczne wykorzystanie. W pracy położony będzie nacisk na rozwiązanie aktualnych problemów w integracji modeli deformowalnych z analizą tekstur, jak wybór odpowiednich cech i ich parametrów oraz analiza danych trójwymiarowych. Rezultaty badań będą publikowane w renomowanych międzynarodowych czasopismach oraz prezentowane na konferencjach krajowych i międzynarodowych. Wykonane prace badawcze uwzględnione będą również w rozprawie doktorskiej kierownika projektu pt. "Algorytmy segmentacji obrazów medycznych oparte na modelach deformowalnych i analizie tekstur". Wytworzone w trakcie oprogramowanie (metody segmentacji, narzędzia i biblioteki) będą integrowane z platformą MESA.
Program
PRELUDIUM
Uczelnia
Politechnika Białostocka
Slowa Kluczowe
modele deformowalne; segmentacja obrazów

Informacje o projekcie

Stopka
Minister Nauki

Zadanie finansowane w ramach zlecenia
Ministra Nauki pod nazwą "Politechniczna Sieć VIA CARPATIA im. Prezydenta RP Lecha Kaczyńskiego" w latach 2022-2025

MNiSW
Wersja: 0.1b Właścicielem i administratorem danych zawartych w bazie danych są uczelnie: Politechnika Rzeszowska, Politechnika Lubelska oraz Politechnika Białostocka. Zaprojektowanie witryny: Paweł Kuraś, Krzysztof Demidowski, Veronika Vanivska
Built with using Oracle APEX