Τεχνικές αυτόματης τμηματοποίησης ιατρικών εικόνων

Abstract

Το αντικείμενο μελέτης της παρούσας διπλωματικής εργασίας είναι η συγκριτική μελέτη έξι αλγορίθμων της βιβλιοθήκης ITK (Insight ToolKit) αυτόματης τμηματοποίησης τρισδιάστατων (3D) DICOM (Digital Imaging and Communications in Medicine) εικόνων μαγνητικής τομογραφίας (MRI- Magnetic Resonance Imaging) ασθενών που έχουν νοσήσει με καρκίνο των ωοθηκών. Οι αλγόριθμοι μελετούνται ως προς την αποτελεσματικότητα, κατά πόσο δηλαδή καταφέρνουν να εξάγουν με ακρίβεια την περιοχή ενδιαφέροντος (Region of Interest-ROI), που στην προκειμένη περίπτωση είναι μια κακοήθεια στις ωοθήκες, αλλά και ως προς την αποδοτικότητά τους, δηλαδή την ταχύτητα εκτέλεσης και την πολυπλοκότητα καθενός από αυτούς. Οι αλγόριθμοι που μελετούνται είναι οι εξής: Otsu’s method, Binary Threshold Image Filter, Connected Threshold, K-means classifier, Watershed Image Filter και Markov Random field. Αυτοί χρησιμοποιούν διαφορετικές τεχνικές τμηματοποίησης όπως Region Growing (ανάπτυξη περιοχών) ή Intensity-based τεχνικές (κατηγοριοποίηση των pixels με βάση την φωτεινότητά τους). Oι παραπάνω αλγόριθμοι εφαρμόστηκαν σε δεδομένα εικοσιεννέα ασθενών και στην προκειμένη μελέτη παρουσιάζονται οι δεκαπέντε καλύτερες περιπτώσεις, αυτές δηλαδή που οι αλγόριθμοι εξήγαγαν τα πιο ικανοποιητικά αποτελέσματα. Εκτός των αποτελεσμάτων των υλοποιήσεων, παρουσιάζεται επίσης και το θεωρητικό υπόβαθρο καθενός από αυτούς. Τέλος, έγινε προσπάθεια εύρεσης παραμέτρων που δύνανται να βελτιστοποιήσουν την τμηματοποίηση και να φέρουν επιθυμητά αποτελέσματα. Στις περιπτώσεις όπου η κατάτμηση δεν ήταν αποτελεσματική κατά το μέγιστο, παρουσιάζονται οι παράμετροι που έφεραν αποτελέσματα πιο κοντά στα επιθυμητά και γίνεται σύγκριση μεταξύ των αλγορίθμων και των διάφορων παραμέτρων που εφαρμόστηκαν.