DSpace DSpace UPC
 English   Castellano   Català  

Treballs academics UPC >
Màsters Oficials >
Master in Artificial Intelligence - MAI (Pla 2006) >

Empreu aquest identificador per citar o enllaçar aquest ítem: http://hdl.handle.net/2099.1/14214

Arxiu Descripció MidaFormat
AdrianaRomeroSoriano.zipMemòria4.49 MBZIP FileVeure/Obrir

Títol: Efficient automatic segmentation of tubular structures in images and volumes.
Autor: Romero Soriano, Adriana
Tutor/director/avaluador: Gatta, Carlo; Radeva, Petia
Universitat: Universitat Politècnica de Catalunya
Matèries: Àrees temàtiques de la UPC::Enginyeria electrònica i telecomunicacions::Processament del senyal::Processament de la imatge i del senyal vídeo
Àrees temàtiques de la UPC::Enginyeria electrònica i telecomunicacions::Electrònica biomèdica
Imaging systems in medicine
Imatges mèdiques
Data: gen-2012
Tipus de document: Master thesis
Resum: The segmentation of tubular structures is still an open eld of investigation, particularly in medical imaging, where the quality of the image is poor with respect to natural images. Despite the quality of state-of-the-art segmentation methods, little effort has been devoted to the computational effi ciency of the algorithms. E fficiency is an important topic, since intra-operative computer assisted interventions require near real-time performance. In this master thesis, we present a simple, yet effective, algorithm that e fficiently segments vessels in 2D images and 3D volumes. The algorithm requires no initialization and has a computational cost of O(SN logN), where S is the number of scales and N is the number of image pixels. Results on the DRIVE dataset show that the proposed method has near state-of-theart performance with very little computational burden in the 2-dimensional case. Qualitative results on the Rotterdam Coronary Artery dataset show that the method is easily extendable to 3-dimensions.
Descripció: This work has been supported in part by the projects La Marató de TV3 082131, TIN2009-14404-C02, and CONSOLIDER-INGENIO CSD 2007-00018.
URI: http://hdl.handle.net/2099.1/14214
Condicions d'accés: Open Access
Apareix a les col·leccions:Master in Artificial Intelligence - MAI (Pla 2006)
Comparteix:



SFX Query

Aquest ítem (excepte textos i imatges no creats per l'autor) està subjecte a una llicència de Creative Commons Llicència Creative Commons
Creative Commons

 

Valid XHTML 1.0! Programari DSpace Copyright © 2002-2004 MIT and Hewlett-Packard Comentaris
Universitat Politècnica de Catalunya. Servei de Biblioteques, Publicacions i Arxius