universit`a degli studi di parma automatic segmentation of anatomical structures using deformable

248 Pages·2014·5.14 MB·English

`
UNIVERSITA DEGLI STUDI DI PARMA
DIPARTIMENTODIINGEGNERIADELL’INFORMAZIONE
Dottorato di Ricerca in Tecnologie dell’Informazione
XXVI Ciclo
Pablo Mesejo Santiago
AUTOMATIC SEGMENTATION OF ANATOMICAL
STRUCTURES USING DEFORMABLE MODELS AND
BIO-INSPIRED/SOFT COMPUTING
DISSERTAZIONEPRESENTATAPERILCONSEGUIMENTO
DELTITOLODIDOTTOREDIRICERCA
Gennaio2014

`
UNIVERSITA DEGLI STUDI DI PARMA
DOTTORATODIRICERCAINTECNOLOGIEDELL’INFORMAZIONE
XXVICiclo
AUTOMATIC SEGMENTATION OF ANATOMICAL
STRUCTURES USING DEFORMABLE MODELS AND
BIO-INSPIRED/SOFT COMPUTING
Coordinatore: Chiar.mo. Prof. MarcoLocatelli
Relatore: Chiar.mo. Prof. StefanoCagnoni
Autore: PabloMesejoSantiago
Gennaio2014

DedicatedtomymotherandSofia,
withgratitude,respectandadmiration.

Contents
Abstract 9
1 Introduction 10
PartI:Fundamentals 16
2 TheoreticalBackground 17
2.1 MedicalImageSegmentation . . . . . . . . . . . . . . . . . . . . . . 17
2.2 DeformableModels . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
ParametricDeformableModels . . . . . . . . . . . . . . . . . . . . . 21
GeometricDeformableModels . . . . . . . . . . . . . . . . . . . . . 23
2.3 MedicalImageRegistration . . . . . . . . . . . . . . . . . . . . . . . 27
2.4 TextureandGrayLevelCo-OccurrenceMatrix . . . . . . . . . . . . 29
2.5 SoftComputing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
Metaheuristics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
Classificationproblems . . . . . . . . . . . . . . . . . . . . . . . . . 44
3 Datasets 47
3.1 MedicalImaging . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
iii
CONTENTS iv
3.2 MicroscopyImages . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.3 ComputedTomographyImages . . . . . . . . . . . . . . . . . . . . . 52
3.4 MagneticResonanceImages . . . . . . . . . . . . . . . . . . . . . . 53
4 MedicalImageSegmentationusingDMsandSC 62
4.1 StatisticalShapeModels . . . . . . . . . . . . . . . . . . . . . . . . 67
4.2 LevelSetMethods . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
PartII:ProposedMethods 90
5 HippocampusSegmentationusingASMsandRF 93
5.1 HistologicalImagesandHippocampus . . . . . . . . . . . . . . . . . 93
5.2 DE-basedhippocampuslocalization . . . . . . . . . . . . . . . . . . 98
BestReferenceSliceSelection . . . . . . . . . . . . . . . . . . . . . 98
HippocampusLocalization . . . . . . . . . . . . . . . . . . . . . . . 102
TargetFunction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
ExperimentalResults . . . . . . . . . . . . . . . . . . . . . . . . . . 107
5.3 SegmentationusingIterativeOtsu’sThresholdingMethodandRF . . 116
Segmentation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
ExpansionoftheSegmentation . . . . . . . . . . . . . . . . . . . . . 118
ExperimentalResults . . . . . . . . . . . . . . . . . . . . . . . . . . 122
5.4 Real-worldapplication . . . . . . . . . . . . . . . . . . . . . . . . . 132
5.5 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
6 HippocampusSegmentationusingaMH-basedLSApproach 141
6.1 PreviousApproach . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
CONTENTS v
6.2 ProposedMethod . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
TrainingPhase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
TestPhase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
6.3 ExperimentalResults . . . . . . . . . . . . . . . . . . . . . . . . . . 147
6.4 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
7 BiomedicalISusingGeometricDMsandMHs 154
7.1 ProposedMethod . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
Registration-basedprior . . . . . . . . . . . . . . . . . . . . . . . . . 157
Forceterms . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
Parameterlearningusingmetaheuristics . . . . . . . . . . . . . . . . 160
7.2 ExperimentalSetup . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
Datasets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
Methodsincludedinthecomparison . . . . . . . . . . . . . . . . . . 164
Parametersettings . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
Experimentalresults . . . . . . . . . . . . . . . . . . . . . . . . . . 167
7.3 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
PartIII:FinalRemarks 180
8 FurtherWork 181
9 SummaryandConclusions 183
AppendixI:StatisticaltestsforanalyzingSCtechniquesbehaviour 187
AppendixII:StandardSegmentationMetrics 194
CONTENTS vi
AppendixIII:PublicationsJuly2010-July2013 196
AppendixIV:ListofAbbreviations 200
Bibliography 204