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

dc.contributor
Universitat Pompeu Fabra. Departament de Tecnologies de la Informació i les Comunicacions
dc.contributor.author
Pereañez, Marco
dc.date.accessioned
2017-10-24T15:35:27Z
dc.date.available
2017-10-24T15:35:27Z
dc.date.issued
2017-09-21
dc.identifier.uri
http://hdl.handle.net/10803/441754
dc.description.abstract
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.
en_US
dc.description.abstract
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.
en_US
dc.format.extent
173 p.
en_US
dc.format.mimetype
application/pdf
dc.language.iso
eng
en_US
dc.publisher
Universitat Pompeu Fabra
dc.rights.license
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.
dc.source
TDX (Tesis Doctorals en Xarxa)
dc.subject
Active Shape Models
en_US
dc.subject
Cardiac magnetic resonance
en_US
dc.subject
Computed tomography
en_US
dc.subject
Conditional models
en_US
dc.subject
Magnetic resonance imaging
en_US
dc.subject
Model fusion
en_US
dc.subject
Patient metadata
en_US
dc.subject
Personalized medicine
en_US
dc.subject
Statistical shape models
en_US
dc.subject
Vertebral segmentation
en_US
dc.subject
Modelos de forma activa
en_US
dc.subject
Resonancia cardiaca del corazón
en_US
dc.subject
Tomografía computarizada
en_US
dc.subject
Modelos condicionales
en_US
dc.subject
Imagen de resonancia magnética
en_US
dc.subject
Fusion de modelos
en_US
dc.subject
Metadatos del paciente
en_US
dc.subject
Medicina personalizada
en_US
dc.subject
Modelos estadísticos de forma
en_US
dc.subject
Segmentación vertebras
en_US
dc.title
Enlargement, subdivision and individualization of statistical shape models: Application to 3D medical image segmentation
en_US
dc.type
info:eu-repo/semantics/doctoralThesis
dc.type
info:eu-repo/semantics/publishedVersion
dc.subject.udc
62
en_US
dc.contributor.authoremail
marco.pereanez@upf.edu
en_US
dc.contributor.director
Frangi Caregnato, Alejandro
dc.contributor.director
Lekadir, Karim
dc.embargo.terms
cap
en_US
dc.rights.accessLevel
info:eu-repo/semantics/openAccess
dc.description.degree
Programa de doctorat en Tecnologies de la Informació i les Comunicacions


Documentos

tmp.pdf

26.31Mb PDF

Este ítem aparece en la(s) siguiente(s) colección(ones)