Μέθοδοι ανάλυσης δισδιάστατων σημάτων και εφαρμογές στην ιατρική

Abstract

Τhis thesis introduces novel two-dimensional signal analysis methods, focusing on image segmentation, as well as on applications in medicine. The proposed methods utilize textural and intensity information, based on the active contour approach. Textural information is exploited following different approaches, which are associated with alternative balances between computational cost and detail of texture representation: 1) encoding of the spatial distribution of LBPs, which are selected so as to minimize an appropriately defined entropy function, and generation of a transformed image, segmentable by a scalar active contour, 2) embedment of multidimensional feature vectors extracted directly from LBP distributions within a vector-based active contour approach. Τhe increased computational cost associated with vector calculations can be reduced if preceded by initialization based on the scalar approach. Moreover, the novel variable background active contour model (VBAC) is introduced. The formulation of VBAC model ensures that image regions enter selectively into the calculations of model equation terms, so that regions which add to inhomogeneity are excluded. An optimization framework based on genetic algorithms is proposed for the automatic search of active contour parameters. Finally, a classification approach for malignancy risk assessment of thyroid nodules is introduced, based on boundary features extracted from the detected contours. The proposed methods are applied on standard image sets (VisTex, Brodatz, Berkeley), as well as on sets of thyroid ultrasound (US) images for the delineation of thyroid nodules, leading to higher quality segmentations than state-of-the-art segmentation methods. Future perspectives include applications in various domains.

Στην παρούσα διατριβή προτείνονται πρωτότυπες μέθοδοι ανάλυσης δισδιάστατων σημάτων που εστιάζονται στην κατάτμηση εικόνας, καθώς και εφαρμογές τους στην ιατρική. Με άξονα την προσέγγιση των ενεργών περιγραμμάτων, oι προτεινόμενες μέθοδοι αξιοποιούν πληροφορία υφής και έντασης. Η πληροφορία υφής αξιοποιείται με προσεγγίσεις που συνδέονται με εναλλακτικές ισορροπίες ανάμεσα στο υπολογιστικό κόστος και στη λεπτομέρεια της αναπαράστασης υφής: 1) κωδικοποίηση μέσω μονοχρωματικών εντάσεων της χωρικής κατανομής υποσυνόλου των τοπικών δυαδικών προτύπων (local binary patterns-LBP), επιλεγμένου βάσει κριτηρίου ελαχιστοποίησης μίας κατάλληλα ορισμένης συνάρτησης εντροπίας. Παράγεται τελικά μία μετασχηματισμένη εικόνα που επιτρέπει την εφαρμογή βαθμωτού ενεργού περιγράμματος, και 2) ενσωμάτωση πολυδιάστατων χαρακτηριστικών που εξάγονται απευθείας από τις κατανομές LBP σε προσεγγίσεις διανυσματικών ενεργών περιγραμμάτων. Το αυξημένο υπολογιστικό κόστος που συνδέεται με τους διανυσματικούς υπολογισμούς μειώνεται αν προηγηθεί αρχικοποίηση με εφαρμογή της βαθμωτής προσέγγισης. Προτείνεται επίσης το πρωτότυπο μοντέλο ενεργού περιγράμματος μεταβλητού υποβάθρου (variable background active contour-VBAC). Η διατύπωση του μοντέλου VBAC εξασφαλίζει ότι οι περιοχές της εικόνας υπεισέρχονται επιλεκτικά στους σχετικούς υπολογισμούς, ώστε να εξαιρούνται αυτές που επιτείνουν την ανομοιογένεια. Για την αυτόματη εξεύρεση των παραμέτρων των προτεινόμενων μοντέλων ενεργών περιγραμμάτων, προτείνεται πλαίσιο βελτιστοποίησης που βασίζεται στους γενετικούς αλγορίθμους. Τέλος, προτείνεται προσέγγιση αποτίμησης της επικινδυνότητας των θυρεοειδικών όζων με βάση χαρακτηριστικά που εξάγονται από το περίγραμμά τους. Οι προτεινόμενες μέθοδοι κατάτμησης εφαρμόσθηκαν τόσο σε καθιερωμένα στη βιβλιογραφία δεδομένα αναφοράς (VisTex, Brodatz, Berkeley), όσο και για τον εντοπισμό των ορίων θυρεοειδικών όζων σε υπερηχογραφικές εικόνες, οδηγώντας σε υψηλότερη ποιότητα κατάτμησης σε σύγκριση με καθιερωμένες μεθόδους. Μελλοντικοί ερευνητικοί στόχοι περιλαμβάνουν εφαρμογές σε διάφορα τεχνολογικά πεδία.