Development of medical image segmentation algorithms for focal liver lesion extraction in MR images
In this postgraduate thesis, the technique of segmentation was studied that plays a dominant role in the field of medical image analysis and processing. The medical images that were processed came from an MRI scan and depict liver lesions (benign and malignant). The anatomy and physiology of the liv...
Κύριος συγγραφέας: | |
---|---|
Άλλοι συγγραφείς: | |
Μορφή: | Thesis |
Γλώσσα: | English |
Έκδοση: |
2020
|
Θέματα: | |
Διαθέσιμο Online: | http://hdl.handle.net/10889/13240 |
id |
nemertes-10889-13240 |
---|---|
record_format |
dspace |
spelling |
nemertes-10889-132402022-09-06T05:12:48Z Development of medical image segmentation algorithms for focal liver lesion extraction in MR images Ανάπτυξη αλγορίθμων τμηματοποιήσεως ιατρικής εικόνας σε εικόνες Μαγνητικής Τομογραφίας για την εξαγωγή εστιακών ηπατικών αλλοιώσεων Λύγκρης, Γεώργιος Καγκάδης, Γεώργιος Lygkris, George Καγκάδης, Γεώργιος Καρναμπατίδης, Δημήτριος Κατσάνος, Κωνσταντίνος Segmentation Algorithms Liver lesions Τμηματοποίηση Αλγόριθμοι Ήπαρ Ηπατικές αλλοιώσεις In this postgraduate thesis, the technique of segmentation was studied that plays a dominant role in the field of medical image analysis and processing. The medical images that were processed came from an MRI scan and depict liver lesions (benign and malignant). The anatomy and physiology of the liver in both a healthy and pathological environment are described in detail. The segmentation algorithms of K-Means, Fuzzy C-Means, Markov Random Fields and were studied and the experimental results are presented with the conclusion and concerns. The algorithms were first tested on phantom images and then applied to medical images by Μagnetic Resonance Imaging. Finally, the Jaccard Index, which is a criterion for comparing algorithms, was calculated. The algorithms were developed, modified and executed in MATLAB programming environment. Στην παρούσα μεταπτυχιακή διπλωματική εργασία έγινε μελέτη της τεχνικής της τμηματοποίησης που παίζει κυρίαρχο ρόλο στον τομέα της ανάλυσης και της επεξεργασίας της ιατρικής εικόνας. Οι ιατρικές εικόνες που επεξεργάστηκαν προέρχονται από μαγνητικό τομογράφο και απεικονίζουν ηπατικές αλλοιώσεις (καλοήθεις όγκους και κακοήθεις). Περιγράφεται αναλυτικά η ανατομία και η φυσιολογία του ήπατος τόσο σε υγιές όσο και σε παθολογικό περιβάλλον. Έγινε μελέτη των αλγορίθμων τμηματοποίησης K-Means, Fuzzy C-Means, Markov Random Fields όπου παρουσιάζονται τα πειραματικά αποτελέσματα παραθέτοντας τα συμπεράσματα και τους προβληματισμούς μου. Η δοκιμή των αλγορίθμων έγινε αρχικά σε ομοιώματα εικόνων και στη συνέχεια εφαρμόστηκαν στις ιατρικές εικόνες από μαγνητικό τομογράφο. Τέλος, έγινε υπολογισμός του συντελεστή Jaccard που αποτελεί κριτήριο σύγκρισης των αλγορίθμων. Οι αλγόριθμοι αναπτύχθηκαν, τροποποιήθηκαν και εκτελέστηκαν σε προγραμματιστικό περιβάλλον MATLAB. 2020-02-29T19:20:18Z 2020-02-29T19:20:18Z 2020-02 Thesis http://hdl.handle.net/10889/13240 en 0 application/pdf |
institution |
UPatras |
collection |
Nemertes |
language |
English |
topic |
Segmentation Algorithms Liver lesions Τμηματοποίηση Αλγόριθμοι Ήπαρ Ηπατικές αλλοιώσεις |
spellingShingle |
Segmentation Algorithms Liver lesions Τμηματοποίηση Αλγόριθμοι Ήπαρ Ηπατικές αλλοιώσεις Λύγκρης, Γεώργιος Development of medical image segmentation algorithms for focal liver lesion extraction in MR images |
description |
In this postgraduate thesis, the technique of segmentation was studied that plays a dominant role in the field of medical image analysis and processing. The medical images that were processed came from an MRI scan and depict liver lesions (benign and malignant). The anatomy and physiology of the liver in both a healthy and pathological environment are described in detail. The segmentation algorithms of K-Means, Fuzzy C-Means, Markov Random Fields and were studied and the experimental results are presented with the conclusion and concerns. The algorithms were first tested on phantom images and then applied to medical images by Μagnetic Resonance Imaging. Finally, the Jaccard Index, which is a criterion for comparing algorithms, was calculated. The algorithms were developed, modified and executed in MATLAB programming environment. |
author2 |
Καγκάδης, Γεώργιος |
author_facet |
Καγκάδης, Γεώργιος Λύγκρης, Γεώργιος |
format |
Thesis |
author |
Λύγκρης, Γεώργιος |
author_sort |
Λύγκρης, Γεώργιος |
title |
Development of medical image segmentation algorithms for focal liver lesion extraction in MR images |
title_short |
Development of medical image segmentation algorithms for focal liver lesion extraction in MR images |
title_full |
Development of medical image segmentation algorithms for focal liver lesion extraction in MR images |
title_fullStr |
Development of medical image segmentation algorithms for focal liver lesion extraction in MR images |
title_full_unstemmed |
Development of medical image segmentation algorithms for focal liver lesion extraction in MR images |
title_sort |
development of medical image segmentation algorithms for focal liver lesion extraction in mr images |
publishDate |
2020 |
url |
http://hdl.handle.net/10889/13240 |
work_keys_str_mv |
AT lynkrēsgeōrgios developmentofmedicalimagesegmentationalgorithmsforfocalliverlesionextractioninmrimages AT lynkrēsgeōrgios anaptyxēalgorithmōntmēmatopoiēseōsiatrikēseikonasseeikonesmagnētikēstomographiasgiatēnexagōgēestiakōnēpatikōnalloiōseōn |
_version_ |
1799945012574683136 |