Enlargement, subdivision and individualization of statistical shape models: Application to 3D medical image segmentation

Autor/a

Pereañez, Marco

Director/a

Frangi Caregnato, Alejandro

Lekadir, Karim

Data de defensa

2017-09-21

Pàgines

173 p.



Departament/Institut

Universitat Pompeu Fabra. Departament de Tecnologies de la Informació i les Comunicacions

Programa de doctorat

Programa de doctorat en Tecnologies de la Informació i les Comunicacions

Resum

This thesis presents three original and complementary approaches to enhance the quality of Statistical Shape Models (SSMs), that improve the accuracy of medical image segmentation in challenging applications. First, we enhance the statistical richness of SSMs by developing a technique capable of merging the shape representations and statistical properties of several pre-existing models with no original or additional raw data. Second, we enhance the geometrical quality of SSMs by developing a framework for modeling simultaneously both global and local characteristics of highly complex and/or multi-part anatomical shapes. Last, we improve the specificity of SSMs for specific subjects by integrating individual-specific non-imaging metadata such as demographic, clinical and behavioral variables into the SSM construction and image segmentation tasks. These techniques are demonstrated and validated by considering various imaging modalities such as magnetic resonance imaging (MRI) and computed tomography (CT), and different complex anatomies, including the human heart, brain and spine.


Esta tesis presenta tres propuestas originales y complementarias para mejorar la calidad de los modelos estadísticos de formas (SSMs) que mejoran la precisión de la segmentación de la imagen médica en aplicaciones difíciles. Proponemos, primero, mejorar la riqueza estadística de los SSMs por medio de una técnica para unir la representación de forma y las propiedades estadísticas de muchos modelos pre-existentes sin observaciones adicionales. Segundo, mejorar la representacion geométrica de los SSMs modelando simultáneamente las características globales y locales del objecto o de multiples anatomias. Por último, mejorar la especificidad de los SSMs mediante la integración de metadatos del paciente no derivados de la imagen, tales como, variables demográficas, conductuales y de entorno clínico, en la construcción de los modelos. Estas técnicas son demostradas y validadas en imágenes de resonancia magnética (MRI) y tomografía computarizada (CT) y en anatomias como el corazón, el cerebro y la espina dorsal humanos.

Paraules clau

Active Shape Models; Cardiac magnetic resonance; Computed tomography; Conditional models; Magnetic resonance imaging; Model fusion; Patient metadata; Personalized medicine; Statistical shape models; Vertebral segmentation; Modelos de forma activa; Resonancia cardiaca del corazón; Tomografía computarizada; Modelos condicionales; Imagen de resonancia magnética; Fusion de modelos; Metadatos del paciente; Medicina personalizada; Modelos estadísticos de forma; Segmentación vertebras

Matèries

62 - Enginyeria. Tecnologia

Documents

tmp.pdf

26.31Mb

 

Drets

ADVERTIMENT. L'accés als continguts d'aquesta tesi doctoral i la seva utilització ha de respectar els drets de la persona autora. Pot ser utilitzada per a consulta o estudi personal, així com en activitats o materials d'investigació i docència en els termes establerts a l'art. 32 del Text Refós de la Llei de Propietat Intel·lectual (RDL 1/1996). Per altres utilitzacions es requereix l'autorització prèvia i expressa de la persona autora. En qualsevol cas, en la utilització dels seus continguts caldrà indicar de forma clara el nom i cognoms de la persona autora i el títol de la tesi doctoral. No s'autoritza la seva reproducció o altres formes d'explotació efectuades amb finalitats de lucre ni la seva comunicació pública des d'un lloc aliè al servei TDX. Tampoc s'autoritza la presentació del seu contingut en una finestra o marc aliè a TDX (framing). Aquesta reserva de drets afecta tant als continguts de la tesi com als seus resums i índexs.

Aquest element apareix en la col·lecció o col·leccions següent(s)