Techniki wizyjne w operacjach medycznych. Zastosowania "Regularized Distance Level Set Evolution" w segmentacji obrazów

Résumé ou Introduction

Medycyna zawsze była szczególnie zainteresowana prezentacją danych w formie graficznej, co znajduje odzwierciedlenie w tworzeniu różnych zasobów wizualnych realizowanych przez gałęzie medyczne w celu generowania stanu wiedzy o ciele ludzkim, takich jak fotografie, zdjęcia rentgenowskie, obrazy ultrasonograficzne, termografia pojemnościowa, tomografia komputerowa i rezonans magnetyczny. Do przeprowadzenia analizy tych zasobów graficznych wykorzystywanych w badaniach nauk medycznych potrzebne są narzędzia umożliwiające segmentację, segregację i interpretację informacji zawartych w obrazie, dla których kluczowe znaczenie ma opracowanie narzędzi ułatwiających wykonywanie tego typu prac.

Jeśli odnosimy się konkretnie do procesu segmentacji obrazów, wprowadzamy proces segmentacji, jako podział obrazu na jednorodne regiony, które mają wspólne właściwości. W przypadku medycyny może to wymagać określenia, które części obrazu to guz lub oddzielenie istoty białej od istoty szarej w skanie mózgu. W zastosowaniach naukowych stosuje się kilka technik przeprowadzania segmentacji obrazów. Klasyczne techniki segmentacji obrazu są przydatne, gdy obrazy są proste, temat i tło są jednolite, a obecność szumu i innych niechcianych elementów nie jest bardzo ważna. W bardziej złożonych sytuacjach konieczne jest przeprowadzenie innej procedury wyższego poziomu, w celu interpretacji, rozpoznania lub klasyfikacji segmentowanych obiektów na niskim poziomie, a tym samym zapewnienia komunikacji lub wyeliminowania fałszywych alarmów i negatywów.

W ciągu ostatniej dekady opracowano kilka metod mających na celu poprawę wydajności segmentacji w wizji komputerowej, w tym opracowanie modeli matematycznych, opartych na modelach wariacyjnych i równaniach różniczkowych. Techniki te można pogrupować w sposób znany z ogólnego pojęcia aktywnych konturów. Kontury te nadają kształt granicom między obiektem, tłem i resztą obiektów na obrazie, co pozwala wyodrębnić kontury interesujących obiektów dla użytkowników za pomocą informacji a priori o kształcie obiektów.

Ten projekt przedstawia przegląd ewolucji modeli segmentacji obrazów opartych na aktywnych konturach, aż do prezentacji metody ewolucji ustalonych poziomów, jej rozwoju teoretycznego i jej praktycznego zastosowania.