Details

Topology simplification algorithm for the segmentation of medical scans / Algorithme de simplification topologique pour la segmentation d'images médicales volumétriques

by Jaume, Sylvain

Abstract (Summary)
Magnetic Resonance Imaging, Computed Tomography, and other image modalities are routinely used to visualize a particular structure in the patient's body. The classification of the image region corresponding to this structure is called segmentation. For applications in Neuroscience, it is important for the segmentation of a brain scan to represent the boundary of the brain as a folded surface with no holes. However the segmentation of the brain generally exhibits many erroneous holes. Consequently we have developed an algorithm for automatically correcting holes in segmented medical scans while preserving the accuracy of the segmentation. Upon concepts of Discrete Topology, we remove the holes based on the smallest modification to the image. First we detect each hole with a front propagation and a Reeb graph. Then we search for a number of loops around the hole on the isosurface of the image. Finally we correct the hole in the image using the loop that minimizes the modification to the image. At each step we limit the size of the data in memory. With these contributions our algorithm removes every hole in the image with high accuracy and low complexity even for images too large to fit into the main memory. To help doctors and scientists to obtain segmentations without holes, we have made our software publicly available at http://www.OpenTopology.org. / Les images par Résonance Magnétique, la Tomographie par Rayons X et les autres modalités d'imagerie médicale sont utilisées quotidiennement pour visualiser une structure particulière dans le corps du patient. La classification de la région de l'image qui correspond à cette structure s'appelle la segmentation. Pour des applications en Neuroscience, il est important que la segmentation d'une image du cerveau représente la surface extérieure du cerveau comme une surface pliée sans trous. Cependant la segmentation du cerveau présente généralement de nombreux trous. Par conséquent, nous avons développé un algorithme pour corriger automatiquement les trous dans les images médicales segmentées tout en préservant la précision de la segmentation. Sur des concepts de Topologie Discrète, nous enlevons les trous en fonction de la plus petite modification apportée à l'image. D'abord nous détectons chaque trou avec un certain nombre de boucles autour du trou sur l'isosurface de l'image. Finalement nous corrigeons le trou dans l'image en utilisant la boucle qui minimise la modification de l'image. A chaque étape, nous limitons la taille des données en mémoire. Grâce à ces contributions notre algorithme enlève tous les trous dans l'image avec une grande précision et une faible complexité même pour des images trop grandes pour tenir dans la mémoire de l'ordinateur. Pour aider les médecins et les chercheurs à obtenir des segmentations sans trous, nous avons rendu notre logiciel disponible publiquement à http://www.OpenTopology.org.
Bibliographical Information:

Advisor:

School:Université catholique de Louvain

School Location:Belgium

Source Type:Master's Thesis

Keywords:medical image processing segmentation topologie boucles non séparatrices connectivité images volumétriques médicales traitement d medicales graphe de reeb graph trou hole isosurface scans connectivity separating loops volumetric topology

ISBN:

Date of Publication:02/23/2004

© 2009 OpenThesis.org. All Rights Reserved.