Geum.ru

«Применение ит в обработке медицинских изображений»

Вид материалаРеферат

Содержание


Список литературы к реферату
Предметный указатель к реферату
Интернет ресурсы в предметной области исследования
Действующий личный сайт в WWW
05.13.15 – вычислительные машины, комплексы и компьютерные сети
05.13.18 – математическое моделирование, численные методы и комплексы программ
15.13.01 – системный анализ, управление и обработка информации
14.00.19 – лучевая диагностика, лучевая терапия
Тестовые вопросы по Основам информационных технологий
Презентация магистерской диссертации
Подобный материал:
1   2   3   4

Заключение


В данной работе были изучены алгоритмы выделения средних линий на трехмерных изображениях и сравнены по многим критериям (сохранение топологии, инвариантность относительно преобразований, связность и т.д.).

Также был разработан алгоритм выделения средних линий, основанный на псевдодистанционных картах. Основным преимуществом данного метода является хорошая устойчивость к шумам, инвариантность относительно поворотов и масштабирования, скорость работы. Из недостатков стоит отметить большой объем используемой памяти, отсутствие возможности восстановления исходного объекта. Данный алгоритм реализован в рамках программного комплекса анализа изображений компьютерной томографии.

В ходе выполнения данной работы был подготовлен интерфейс взаимодействия комплекса анализа изображений компьютерной томографии с клинической автоматизированной системой управления. Также было разработано взаимодействие интерпретатора Lua с различными библиотеками обработки изображений и реализованы алгоритмы вычисления характеристик объектов для их использования в интерпретаторе Lua.

Список литературы к реферату

  1. Недзьведь А.М., Абламейко С.В., Белоцерковский А.М., Лемман Т. Быстрый метод выделения сети сосудов на полутоновых ангиографических изображениях. – Искусственный интеллект. 2, 2006, С. - 206-210.
  2. H. Blum. A Transformation for Extraction New Descriptors of Shape, Models for the Perception of Speech and Visual Form, MIT Press, 1967.
  3. W. Gong and G. Bertrand. A simple parallel 3D thinning algorithm. Proc. IEEE Pattern Recognition, 188-190, 1990.
  4. A. Lieutier. Any open bounded subset of Rn has the same homotopy typethan its medial axis, Proc. ACM SMI, 2003.
  5. T.Y. Kong, A. Rosenfeld. Digital topology: Introduction and survey. Comp. Vision, Graphics, and Image Proc., 48(3):357-393, 1989.
  6. S.W. Choi, H.P. Seidel. Linear One-sided Stability of MAT for Weakly Injective 3D Domain, Proc. ACM SMA, 2002.
  7. P.K. Saha, B.B. Chaudhuri. 3D Digital Topology under Binary Transformation with Applications, Computer Vision and Image Understanding, 63(3):418–429, 1996.
  8. S. Svensson, C. Arcelli, G. Sanniti di Baja. Finding cavities and tunnels in 3D complex objects, Proc. ICIAP, pp. 342 – 347, 2003.
  9. G. Sanniti di Baja, S. Svensson. A New Shape Descriptor for Surfaces in 3D Images, Pattern Recognition Letters, 23:703, 2002.
  10. N. Gagvani and D. Silver. Parameter Controlled Volume Thinning, Graphical Models and Image Processing, 61(3):149-164, 1999.
  11. C.W. Niblack, P.B. Gibbons, D.W. Capson. Generating skeletons and centerlines from the distance transform, Graphical Models and Image Processing, 54(5):420-437, 1992.
  12. N. Gagvani and D. Silver. Animating volumetric models, Academic Press Professional 63(6):443-458, 2001.
  13. D.-G. Kang, J.B. Ra. A New Path Planning Algorithm for MaximizingVisibility in Computed Tomography Colonography,
  14. N. Cornea, D. Silver, X. Yuan, R. Balasubramanian. Computing Hierarchical Curve-Skeletons of 3D Objects, The Visual Computer, 21(11):945-955, 2005.

Предметный указатель к реферату


а

ангиография 7

в

восстанавливаемость 10, 18

г

гладкость 12, 20

гомотопность 9, 18

д

диаграмма Вороного 16, 21

и

иерархичность 12, 21

изображение

гистологическое 8

медицинское 4

ультразвоковое 7

инвариантность 10, 18

к

компьютерная томография 8, 25

м

метод

общеполевой 16

утоньшения подполей 13

н

надежность 20

п

покомпонентная дифференциация 11, 19

помехоустойчивость 11

потенциальное поле 21

преобразование

дистанционное 12, 14, 21

псевдодистанционное 30

чамферное 14

псевдодистанционная карта 4

с

связность 11, 20

сегментация 6

среданяя линия 8

т

толщина 10, 19

топологическое утоньшение 21

у

утоньшение 4, 12

ц

центрированность 11, 19


Интернет ресурсы в предметной области исследования


  1. ссылка скрыта – сайт Высшей аттестационной комиссии Республики Беларусь. Здесь собраны все нормативные акты, касающиеся оформления и защиты диссертаций.
  2. ссылка скрыта – cтатьи и файлы по алгоритмам обработки медицинских изображений.
  3. ссылка скрыта – свободная база медицинских изображений.
  4. ссылка скрыта – описание различных типов медицинских изображений.
  5. ссылка скрыта – официальный Web-ресурс группы молодых ученых и разработчиков, которые создают интеллектуальные и прикладные, финансово-аналитические системы.
  6. ссылка скрыта – обширная библиография, посвященная распознаванию образов.
  7. ссылка скрыта – последняя спецификация формата DICOM.
  8. ссылка скрыта – сайт журнала «Journal of Pattern Recognition Research».
  9. ссылка скрыта – сайт журнала «International Journal of Pattern Recognition and Artificial Intelligence».
  10. ссылка скрыта – сайт ассоциации «Association for the Advancement of Artificial Intelligence».



Действующий личный сайт в WWW


ссылка скрыта

Граф научных интересов


магистранта Гончарова Д.А. факультета прикладной математики и информатики

Специальность «прикладная математика и информатика»


Смежные специальности


05.13.11 - математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей

  1. Математическое и программное обеспечение систем искусственного интеллекта, мультимедиа, принятия решений, функционального и логического программирования, баз данных, знаний и экспертных систем.




05.13.15 – вычислительные машины, комплексы и компьютерные сети
  1. Средства аппаратно-программной обработки изображений, включая распознавание образов, визуализацию информации, обеспечивающие высокую производительность и надежность создаваемых систем технического зрения.




05.13.18 – математическое моделирование, численные методы и комплексы программ
  1. Методы получения приближенных и точных эталонных решений задач, описывающих моделируемые системы, процессы и явления; разработка и обоснование методик и правил адаптации компьютерных моделей, их эффективного использования при прогнозах эволюции систем, процессов и явлений.




Основная специальность



15.13.01 – системный анализ, управление и обработка информации

  1. Методы и алгоритмы решения задач системного анализа, оптимизации, управления, принятия решений и обработки информации.
  2. Визуализация, трансформация и анализ информации на основе компьютерных методов обработки информации.




Сопутствующие специальности


14.00.19 – лучевая диагностика, лучевая терапия
  1. Лучевая диагностика (традиционная рентгенография, компьютерная, магнитно-резонансная, позитронно-эмиссионная томография, ультразвуковая диагностика). Методы интервенционной диагностики (сосудистая и несосудистая).






Тестовые вопросы по Основам информационных технологий




01 Какой тег устанавливает перевод строки в том месте, где этот тег находится?



















02 Как расшифровывается аббревиатура FTP?



File Transfer Program

File Transfer Protocol

File TCP/IP Program

File Type Protocol




Презентация магистерской диссертации


ссылка скрыта

Список литературы к выпускной работе


  1. Сайт Высшей аттестационной комиссии Республики Беларусь. [Электронный ресурс] – ссылка скрыта
  2. Недзьведь А.М., Абламейко С.В., Белоцерковский А.М., Лемман Т. Быстрый метод выделения сети сосудов на полутоновых ангиографических изображениях. – Искусственный интеллект. 2, 2006, С. - 206-210.
  3. H. Blum. A Transformation for Extraction New Descriptors of Shape, Models for the Perception of Speech and Visual Form, MIT Press, 1967.
  4. W. Gong and G. Bertrand. A simple parallel 3D thinning algorithm. Proc. IEEE Pattern Recognition, 188-190, 1990.
  5. A. Lieutier. Any open bounded subset of Rn has the same homotopy typethan its medial axis, Proc. ACM SMI, 2003.
  6. T.Y. Kong, A. Rosenfeld. Digital topology: Introduction and survey. Comp. Vision, Graphics, and Image Proc., 48(3):357-393, 1989.
  7. D. Attali, J.-D. Boissonnat, H. Edelsbrunner. Stability and Computation of the medial axis - a State-of-the-Art Report, Mathematical Foundations of Scientific Visualization, Computer Graphics, and Massive Data Exploration, Springer-Verlag, 2004.
  8. S.W. Choi, H.P. Seidel. Linear One-sided Stability of MAT for Weakly Injective 3D Domain, Proc. ACM SMA, 2002.
  9. P.K. Saha, B.B. Chaudhuri. 3D Digital Topology under Binary Transformation with Applications, Computer Vision and Image Understanding, 63(3):418–429, 1996.
  10. S. Svensson, C. Arcelli, G. Sanniti di Baja. Finding cavities and tunnels in 3D complex objects, Proc. ICIAP, pp. 342 – 347, 2003.
  11. G. Sanniti di Baja, S. Svensson. A New Shape Descriptor for Surfaces in 3D Images, Pattern Recognition Letters, 23:703, 2002.
  12. N. Gagvani and D. Silver. Parameter Controlled Volume Thinning, Graphical Models and Image Processing, 61(3):149-164, 1999.
  13. C.W. Niblack, P.B. Gibbons, D.W. Capson. Generating skeletons and centerlines from the distance transform, Graphical Models and Image Processing, 54(5):420-437, 1992.
  14. N. Gagvani and D. Silver. Animating volumetric models, Academic Press Professional 63(6):443-458, 2001.
  15. D.-G. Kang, J.B. Ra. A New Path Planning Algorithm for MaximizingVisibility in Computed Tomography Colonography,
  16. N. Cornea, D. Silver, X. Yuan, R. Balasubramanian. Computing Hierarchical Curve-Skeletons of 3D Objects, The Visual Computer, 21(11):945-955, 2005.
  17. D.G. Morgenthaler. Three-dimensional simple points: serial erosion, parallel thinning and skeletonization, TR-1005, Computer Vision Lab., Univ. of Maryland, 1981.
  18. Cornea, Nicu D., Silver D. and Min P. Curve-Skeleton Properties, Applications, and Algorithms // IEEE Transactions on Visualization and Computer Graphics. – 2007. Vol. 3, №13. – P. 530-548.
  19. T.Y. Kong, A. Rosenfeld. Digital topology: Introduction and survey. Comp. Vision, Graphics, and Image Proc., 48(3):357-393, 1989.
  20. G.J. Brostow, I. Essa, D. Steedly, V. Kwatra. Novel Skeletal Representation for Articulated Creatures, Proc. ECCV, 2004.
  21. C.-M. Ma, S.-Y. Wan. A medial-surface oriented 3D two-subfield thinning algorithm, Pattern Recognition Letters, 22:1439, 2001.
  22. C.M. Ma and M. Sonka. A fully parallel 3D thinning algorithm and its applications. Computer Vision and Image Understanding, 64(3):420-433, 1996.
  23. H. Blum, R.N. Nagel. Shape description using weighted symmetric axis features, Pattern Recognition 10(3):167, 1978.
  24. G. Borgefors, I. Nyström, G. Sanniti di Baja. Computing skeletons in three dimensions, Pattern Recognition, 32(7), 1999.
  25. S. Svensson ,G. Borgefors: Distance transforms in 3D using four different weights, Pattern Recognition Letters, 23:1407–1418, 2002.
  26. R. Satherley and M. W. Jones. Vector-city vector distance transform. Computer Vision and Image Understanding, 82(3):238–254, 2001.
  27. J. A. Sethian. Fast marching methods. SIAM Review, 41 (2):199–235, 1999.
  28. Meijster, J.B.T.M. Roerdink, and W. H. Hesselink: A General Algorithm for Computing Distance Transforms in Linear Time, 1999
  29. M. Couprie and R. Zrour. Discrete Bisector Function and Euclidean Skeleton, Lecture Notes in Computer Science, vol. 3429, 2005.
  30. Bitter, A.E. Kaufman, M. Sato. Penalized-Distance Volumetric Skeleton Algorithm, IEEE TVCG, 7(3), 2001.
  31. S. Bouix, K. Siddiqi. Divergence-Based Medial Surfaces, ECCV 1842:603-618, Springer-Verlag, 2000.
  32. N. Gagvani and D. Silver. Parameter Controlled Volume Thinning,Graphical Models and Image Processing, 61(3):149-164, 1999.
  33. H. Sundar, D. Silver, N. Gagvani, S. Dickinson. Skeleton Based Shape Matching and Retrieval, Proc. Shape Modeling Int’l, 2003.
  34. T. He, L. Hong, D. Chen, Z. Liang. Reliable Path for Virtual Endoscopy: Ensuring Complete Examination of Human Organs, IEEE Trans. Visualization and Comp. Graphics, 7(4):333-342, 2001.
  35. J.W. Brandt, V.R. Alazi. Continuous Skeleton Computation by Voronoi Diagram, CVGIP: Image Understanding, 55:329-338, 1992
  36. F.-C. Wu, W.-C. Ma, R.-H. Liang, B.-Y. Chen, M. Ouhyoung. Domain connected graph: the skeleton of a closed 3D shape for animation, The Visual Computer 22(2):117, 2006.
  37. T.K. Dey, J. Sun. Defining and computing curve-skeletons with medial geodesic function, Proc. Eurographics Symp. On Geometry Proc., 2006.
  38. N. Ahuja, J. Chuang. Shape Representation Using a Generalized Potential Field Model, IEEE PAMI, 19(2): 169-176, 1997.
  39. J. Chuang, C. Tsai, Min-Chi Ko. Skeletonization of Three-Dimensional Object Using Generalized Potential Field, IEEE PAMI, 22(11):1241,2000.
  40. S. Katz, A. Tal. Hierarchical mesh decomposition using fuzzy clustering and cuts, Proc. ACM SIGGRAPH 2003.
  41. P. Shilane, P. Min, M. Kazhdan, T. Funkhouser. The Princeton Shape Benchmark, Shape Modeling International, 2004.
  42. Ф. Препарата, М. Шеймос. Вычислительная геометрия: Введение. — М.: Мир, 1989. Стр. 295
  43. H. Atoui, S. Miguet and D. Sarrut. A fast morphing-based interpolation for medical images: application to conformal radiotherapy // Image Analysis and Stereology, – 2006, 25, P. 95 – 103.

Приложение