(41-6) 15 * << * >> * Русский * English * Содержание * Все выпуски

Реконструкция анатомических структур на основе статистической модели формы
Смелкина Н.А., Косарев Р.Н., Никоноров А.В., Байриков И.М., Рябов К.Н., Авдеев А.В., Казанский Н.Л.

 

Самарский национальный исследовательский университет имени академика С.П. Королева, Самара, Россия,
Медекс, Самара, Россия,
Институт систем обработки изображений РАН – филиал ФНИЦ «Кристаллография и фотоника» РАН, Самара, Россия,

Самарский государственный медицинский университет, Самара, Россия

 PDF, 548 kB

DOI: 10.18287/2412-6179-2017-41-6-897-904

Страницы: 897-904.

Аннотация:
В статье представлен метод статистического моделирования формы, примененный для реконструкции анатомических структур с деформациями. Данный метод является перспективным для моделирования деформированных объектов, имеющих некоторую анатомическую форму. Метод статистического моделирования формы позволяет восстановить деформированный объект на основе информации об его анатомической форме и недеформированной части формы экземпляра, при этом учитывая особенности данного экземпляра и его вариативность относительно средней формы.

Ключевые слова:
статистическое моделирование, модель формы, совмещение облаков точек.

Цитирование:
Смелкина, Н.А. Реконструкция анатомических структур на основе статистической модели формы / Н.А. Смелкина, Р.Н. Косарев, А.В. Никоноров, И.М. Байриков, К.Н. Рябов, А.В. Авдеев, Н.Л. Казанский // Компьютерная оптика. – 2017. – Т. 41, № 6. – С. 897-904. – DOI: 10.18287/2412-6179-2017-41-6-897-904.

Литература:

  1. Lüthi, M. Statismo – A framework for PCA based statistical models [Electronical Resource] / M. Lüthi, R. Blanc, T. Albrecht, T. Gass, O. Goksel, P. Büchler, M. Kistler, H. Bousleiman, M. Reyes, P. Cattin, T. Vetter // The Insight Journal. – 2012. – URL: http://www.insight-journal.org/browse/publication/871 (request date 06.10.2017)
  2. Statismo. Framework for building statistical image and shape models [Electronical Resource]. – URL: https://github.com/statismo/statismo (request date 06.07.2016).
  3. Heimann, T. Implementing the automatic generation of 3D statistical shape models with ITK / T. Heimann, I. Oguz, I. Wolf, M. Styner, H.P. Meinzer // The Insight Journal – MICCAI Open Science Workshop. – 2006. – URL: http://www.insight-journal.org/browse/publication/111 (request date 06.07.2016).
  4. Ross, J.C. Pulmonary lobe segmentation based on ridge surface sampling and shape model fitting / J.C. Ross, G.L. Kindlmann, Y. Okajima, H. Hatabu, A.A. Díaz, E.K. Silverman, G.R. Washko, J. Dy, R. San José Estépar // Medical Physics. – 2013. – Vol. 40, Issue 12. – 121903. – DOI: 10.1118/1.4828782.
  5. Heimann, T. Optimal landmark distributions for statistical shape model construction / T. Heimann, I. Wolf, H.P. Me­inzer // Proceedings of SPIE. – 2006. – Vol. 6144. – 61441J. – DOI: 10.1117/12.653294.
  6. Soliman, A. Accurate lungs segmentation on CT chest images by adaptive appearance-guided shape modeling / A. Soliman, F. Khalifa, A. Elnakib, M. Abou El-Ghar, N. Dunlap, B. Wang, G. Gimel'farb, R. Keynton, A. El-Baz // IEEE Transactions on Medical Imaging. – 2017. – Vol. 36, No 1. – P. 263-276. - DOI: 10.1109/TMI.2016.2606370.
  7. Birkbeck, N. Robust segmentation of challenging lungs in CT using multi-stage learning and level set optimization / N. Birkbeck, M. Sofka, T. Kohlberger, J. Zhang, J. Wetzl, J. Kaftan, S.K. Zhou. – In Book: Computational intelligence in biomedical imaging / ed. by K. Suzuki. – New York: Springer, 2014. – P. 185-208. – DOI: 10.1007/978-1-4614-7245-2_8.
  8. Jolliffe, I.T. Principal component analysis / I.T. Jolliffe. – 2nd ed. – New York: Springer, 2002. – 487 p. – ISBN: 0-387-95442-2.
  9. sMedX. StatisticalShapeModeling [Electronical Resource]. – URL: https://github.com/sMedX/StatisticalShapeModeling (request date 15.11.2016).
  10. Malladi, R. Shape modeling with front propagation: A level set approach / R. Malladi, J.A. Sethian, B. Vemuri // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 1995. – Vol. 17, Issue 2. – P. 158-175. - DOI: 10.1109/34.368173.
  11. Tustison, N.J. ND linear time exact signed Euclidean distance transform [Electronical Resource] / N.J. Tustison, M. Siqueira, J.C. Gee // The Insight Journal. – 2006. – URL: http://www.insight-journal.org/browse/publication/77 (request date 06.10.2017).
  12. Maurer, C.R. A linear time algorithm for computing exact Euclidean distance transforms of binary images in arbitrary dimensions / C.R. Maurer, R. Qi, V. Raghavan // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 2003. – Vol. 25, Issue 2. – P. 265-270. – DOI: 10.1109/TPAMI.2003.1177156.
  13. Osher, S. Level set methods and dynamic implicit surfaces / S. Osher, R. Fedkiw. – New York: Springer Science & Business Media; 2006. – 273 p. – ISBN: 978-0-387-95482-0.
  14. Bonnans, J.F. Numerical optimization: Theoretical and practical aspects / J.F. Bonnans, G.C. Gilbert, C. Lemarechal, C.A. Sagastizabal. – 2nd ed. – Berlin, Heidelberg, New York: Springer-Verlag, 2006. ISBN: 978-3-540-35445-1.
  15. Styner, M.A. Evaluation of 3D correspondence methods for model building / M.A. Styner, K.T. Rajamani, L.-P. Nol­te, Gabriel Zsemlye, Gábor Székely, Christopher J. Taylor, Rhodri H. Davies. – In book: Biennial international conference on information processing in medical imaging / ed. by C. Taylor, J.A. Noble. – Berlin, Heidelberg: Springer, 2003. – P. 63-75. – DOI: 10.1007/978-3-540-45087-0_6.
  16. Besl, P.J. Method for registration of 3-D shapes / P.J. Besl, N.D. McKay. In book: Robotics-DL tentative. International Society for Optics and Photonics. – 1992. – P. 586-606.
  17. Chen, Y. Object modelling by registration of multiple range images / Y. Chen, G. Medioni // Image and Vision Computing. – 1992. – Vol. 10, Issue 3. – P. 145-155. – DOI: 10.1016/0262-8856(92)90066-C.
  18. Jian, B. Robust point set registration using gaussian mixture models / B. Jian, B.C. Vemuri // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 2011. – Vol. 33(8). – P. 1633-1645. – DOI: 10.1109/TPAMI.2010.223.
© 2009, IPSI RAS
Россия, 443001, Самара, ул. Молодогвардейская, 151; электронная почта: journal@computeroptics.ru ; тел: +7 (846) 242-41-24 (ответственный секретарь), +7 (846) 332-56-22 (технический редактор), факс: +7 (846) 332-56-20