Texture-Based brain tumor segmentation in MR images
Visualitza/Obre
Estadístiques de LA Referencia / Recolecta
Inclou dades d'ús des de 2022
Cita com:
hdl:2117/109296
Realitzat a/ambUniversity of California, Irvine
Tipus de documentTreball Final de Grau
Data2017-08-02
Condicions d'accésAccés obert
Llevat que s'hi indiqui el contrari, els
continguts d'aquesta obra estan subjectes a la llicència de Creative Commons
:
Reconeixement-NoComercial-SenseObraDerivada 3.0 Espanya
Abstract
In this thesis, we explored the idea of texture as a tumor segmentation
approach in MR images. To deal with this, we extended the definition of the
texture descriptors provided by Kovalev et al., co-occurrence matrices [1].
Then, we defined a rotation-robust feature space derived from the natural
feature space that our definition of co-occurence matrices defined. We used
these features to train a random forest classifier [2] and see if tumors could
be detected from MR images, and if the different tissues within a tumor
could be distinguished. En este trabajo, hemos explorado la idea de textura como método de segmentación de tumores en imágenes de resonancia magnética. Para ello, hemos extendido la definición de descriptores de textura proporcionada por Kovalev et al., las matrices de co-ocurrencia [1]. Luego, hemos definido un espacio robusto ante rotaciones derivado del espacio de características que nuestra definición de matrices de co-ocurrencia definía naturalmente. Hemos utilizado estas características para entrenar un clasificador "random forest" [2] y hemos visto si podíamos detectar tumores en dichas imágenes, y si podíamos distinguir entre distintos tipos de tejidos dentro del propio tumor. En aquest treball, hem explorat la idea de textura com a mètode de segmentació de tumors en imatges de ressonància magnètica. Per fer-ho, hem extès la definició de descriptors de textura proporcionada per Kovalev et al., les matrius de co-ocurrencia [1]. Després, hem definit un espai robust davant de rotacions derivat de l'espai de característiques que la nostra definició de les matrius de co-ocurrencia definia naturalment. Hem fet servir aquestes característiques per entrenar un classificador "random forest" [2] i hem vist si podíem detectar tumors en aquestes imatges, i si podíem distingir entre diferents tipus de teixits dintre del propi tumor.
MatèriesImaging systems in medicine, Biomedical engineering, Parallel programming (Computer science), Imatges mèdiques -- Tractament, Enginyeria biomèdica, Programació en paral·lel (Informàtica)
TitulacióGRAU EN CIÈNCIES I TECNOLOGIES DE TELECOMUNICACIÓ (Pla 2010)
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
borja_rodriguez_tfg.pdf | 3,455Mb | Visualitza/Obre |