Mandible and Skull Segmentation in Cone Bean Computed Tomography Data (2017)
- Authors:
- Autor USP: LINARES, OSCAR ALONSO CUADROS - ICMC
- Unidade: ICMC
- Sigla do Departamento: SCC
- Subjects: TOMOGRAFIA COMPUTADORIZADA DE EMISSÃO; MANDÍBULA; CRÂNIO; PROCESSAMENTO DE IMAGENS; REDES NEURAIS
- Keywords: Agrupamento em grafos; Bone segmentation; Cone bean computed tomography; Graph clustering; Mandible; Segmentação de ossos; Skull; Super voxels; Super- voxels; Tomografia computadorizada de feixe cônico
- Language: Inglês
- Abstract: Tomografia Computadorizada de Feixe Cônico (TCFC) é uma modalidade para obtenção de imagens médicas 3D do crânio usada para diagnóstico e tratamento de pacientes com defeitos crânio-maxilo-faciais. A segmentação tridimensional de ossos como a mandíbula e a maxila são procedimentos essências em tratamentos ortodônticos. No entanto, a TCFC apresenta características não desejáveis para processamento digital como, por exemplo, baixo contraste, inomogeneidade, ruído e artefatos. Além disso, os valores atribuídos aos voxels são unidades de Hounsfield (HU) relativas, diferentemente da Tomografia Computadorizada (TC) tradicional. Esses inconvenientes tornam a segmentação de TCFC uma tarefa difícil e demorada, a qual é normalmente realizada por meio de ferramentas desenvolvidas para processamento digital de imagens médicas. Esta tese introduz dois métodos interativos para a segmentação 3D de TCFC, os quais são divididos em duas etapas: i) redução da resolução da TCFC por meio da agrupamento de voxels em super-voxels, seguida da criação de um grafo no qual os vértices são super-voxels; ii) posicionamento de sementes pelo usuário e segmentação por algoritmos de agrupamento em grafos, o que permite separar os ossos rotulados. Os métodos foram intensamente avaliados por meio da comparação dos resultados com padrão ouro da mandíbula e do crânio, considerando diversos cenários. Os resultados mostraram que os métodos não apenas produzem segmentações precisas, como também são robustos amudanças nos parâmetros. Foi ainda realizada uma comparação com um trabalho relacionado, gerando melhores resultados tanto na segmentação da mandíbula quanto a do crânio. Além disso, foram avaliadas TCs de pacientes com ossos faltantes e quebrados. A segmentação de uma TCFC é realizada em cerca de 5 minutos. Por fim, foram realizados testes com usuarios ortodontistas. Os resultados mostraram que nossa proposta não apenas produz segmentações precisas, como também é de fácil interação.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2017
- Data da defesa: 18.12.2017
-
ABNT
LINARES, Oscar Alonso Cuadros. Mandible and Skull Segmentation in Cone Bean Computed Tomography Data. 2017. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2017. Disponível em: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-24072018-165943/. Acesso em: 05 nov. 2024. -
APA
Linares, O. A. C. (2017). Mandible and Skull Segmentation in Cone Bean Computed Tomography Data (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/55/55134/tde-24072018-165943/ -
NLM
Linares OAC. Mandible and Skull Segmentation in Cone Bean Computed Tomography Data [Internet]. 2017 ;[citado 2024 nov. 05 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-24072018-165943/ -
Vancouver
Linares OAC. Mandible and Skull Segmentation in Cone Bean Computed Tomography Data [Internet]. 2017 ;[citado 2024 nov. 05 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-24072018-165943/ - Segmentação de imagens de alta dimensão por meio de algorítmos de detecção de comunidades e super pixels
- Mandible and skull segmentation in cone beam computed tomography using super-voxels and graph clustering
- Segmenting cellular retinal images by optimizing super-pixels, multi-level modularity, and cell boundary representation
- Introducing a low-cost tool for 3D characterization of pitting corrosion in stainless steel
- Automatic image segmentation based on label propagation
- Efficient segmentation of cell nuclei in histopathological images
- How to automatically identify regions of interest in high-resolution images of lung biopsy for interstitial fibrosis diagnosis
- Fast and smart segmentation of paraspinal muscles in magnetic resonance imaging with CleverSeg
- Bag-of-attributes representation: a vector space model for electronic health records analysis in OMOP
- Fast and accurate 3-D spine MRI segmentation using FastCleverSeg
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
