Parametrization of closed surfaces for MR image segmentation

dc.contributorAalto-yliopistofi
dc.contributorAalto Universityen
dc.contributor.authorAntila, Kari
dc.contributor.departmentTeknillisen fysiikan ja matematiikan osastofi
dc.contributor.schoolTeknillinen korkeakoulufi
dc.contributor.schoolHelsinki University of Technologyen
dc.contributor.supervisorKatila, Toivo
dc.date.accessioned2020-12-04T16:12:36Z
dc.date.available2020-12-04T16:12:36Z
dc.date.issued2003
dc.description.abstractParametrisoinnin avulla voidaan suljettujen pintojen muotoja kuvata kvantitatiivisesti. Pinta esitetään palloharmonisten funktioiden sarjana, jolloin funktiosarjan kertoimia on mahdollista käyttää muodon kuvaajina. Kvantitatiivista esitystä tarvitaan elastisessa segmentointimetodissa, joka vaatii jonkinlaisen alustavan mallin segmentoitavasta kohteesta. Käytetty malli luodaan käyttäen parametrisoitua esimerkkijoukkoa, joka tässä tapauksessa koostuu käsin segmentoiduista kohteista, kuten ihmisaivojen hippocampukset. Tilastollisen analyysin avulla voidaan esimerkkijoukosta muodostaa kunkin kohteen tyypillistä muotoa edustavat muodon kuvaajat ja ominaista vaihtelua tyypillisen muodon ympärillä kuvaavat parametrit. Näitä käytetään muotoiltaessa mallia elastisesti paremmin segmentoitavan kohteen ympärille sopivaksi. Muita sovellusalueita ovat kohteiden visualisointi ja epänormaalien muotojen automaattinen tunnistus. Tässä työssä esitelty parametrisointimenetelmä perustuu tehtävän määrittelyyn optimointiongelmana. Käytetty määrittely johtaa suureen, harvaan ja epälineaariseen ongelmaan, jota rajoittavat sekä yhtälö-, että epäyhtälöehdot, mikä täytyy huomioida ratkaisualgoritmia valitessa. Ratkaisun yksityiskohtia tai lähdekoodia ei kuitenkaan ole julkisesti saatavilla. Tästä syystä, muunneltavuuden ja olemassa olevaan ohjelmistoon sovitettavuuden takia suunnitellaan ja toteutetaan uusi algoritmi. Toteutettu algoritmi perustuu toistetun neliöllisen ohjelmoinnin (sequential quadratic programming, SQP) periaatteeseen, jota käytetään ongelman erityispiirteiden mukaan sovellettuna. Toteutuksen jälkeen algoritmi testataan keinotekoista ja anatomista kohdetta käyttäen. Testausvaiheessa analysoidaan, miten funktiosarjan pituus vaikuttaa erikokoisten kohteiden parametrisoinnin jälkeen muodostettavien pintojen laatuun. Algoritmin kokeilun ja testauksen aikana onnistuttiin ratkaisemaan ongelmia, jotka sisälsivät tuhansia muuttujia ja rajoitusehtoja. Vaikka tulosten laatu on hyvä, huomattiin, että algoritmin suorituskyky heikkenee nopeasti ongelmien koon kasvaessa ja kohteiden muodon tullessa monimutkaisemmiksi. Onkin mahdollista, ettei algoritmin suorituskyky riitä enää tulevaisuudessa vaatimustason kasvaessa. Työssä annetaan useita ehdotuksia jatkokehitystä varten.fi
dc.format.extent66
dc.identifier.urihttps://aaltodoc.aalto.fi/handle/123456789/91216
dc.identifier.urnURN:NBN:fi:aalto-2020120450051
dc.language.isoenen
dc.programme.majorLääketieteellinen tekniikkafi
dc.programme.mcodeTfy-99fi
dc.rights.accesslevelclosedAccess
dc.subject.keywordparametrizationen
dc.subject.keywordparametrisointifi
dc.subject.keywordelastic segmentationen
dc.subject.keywordelastinen segmentointifi
dc.subject.keyworddeformable modelsen
dc.subject.keywordmuotoutuvat mallitfi
dc.subject.keywordspherical harmonicsen
dc.subject.keywordpalloharmoniset funktiotfi
dc.subject.keywordsequential quadratic programmingen
dc.subject.keywordtoistettu neliöllinen ohjelmointifi
dc.titleParametrization of closed surfaces for MR image segmentationen
dc.titleSuljettujen pintojen parametrisointi magneettikuvien segmentointi vartenfi
dc.type.okmG2 Pro gradu, diplomityö
dc.type.ontasotMaster's thesisen
dc.type.ontasotPro gradu -tutkielmafi
dc.type.publicationmasterThesis
local.aalto.digiauthask
local.aalto.digifolderAalto_38527
local.aalto.idinssi21084
local.aalto.openaccessno
Files