Сегментация изображений органов забрюшинного пространства по компьютерным томографическим изображениям на основе функции уровня
Ерусланов Р.В., Орехова М.Н., Дубровин В.Н.

Поволжский государственный технологический университет, Йошкар-Ола, Россия,

ГБУ РМЭ Республиканская клиническая больница, Йошкар-Ола, Россия

Аннотация:
В статье предложен способ решения задачи сегментации органов забрюшинного пространства на томографических изображениях на основе функции уровня. Показан метод предварительной обработки изображения на основе нелинейного фильтра анизотропной диффузии, сглаживающего изображение при сохранении границ между сегментами. Синтезирован алгоритм сегментации томографического изображения на основе функции уровня.

Ключевые слова :
сегментация, компьютерная томография, органы забрюшинного пространства, обработка изображений, анизотропная диффузия, нелинейная фильтрация, функция уровня, активный контур.

Цитирование:
Ерусланов, Р.В. Сегментация изображений органов забрюшинного пространства по компьютерным томографическим изображениям на основе функции уровня / Р.В. Ерусланов, М.Н. Орехова, В.Н. Дубровин // Компьютерная оптика. – 2015. – Т. 39, № 4. – С. 592-599. – DOI: 10.18287/0134-2452-2015-39-4-592-599.

Литература:

  1. Blackmore, C.C. Effectiveness of clinical decision support in controlling inappropriate imaging / C.C. Blackmore, R.S. Mecklenburg, G.S. Kaplan // Journal of the American College of Radiology. – 2011. – Vol. 8(1). – P. 19-25. – ISSN: 1546-1440.
  2. Brouwer, O.R. Image navigation as a means to expand the boundaries of fluorescence-guided surgery / O.R. Brouwer, T. Buckle, A. Bunschoten, J. Kuil, A.L. Vahrmeijer, T. Wendler, R.A. Valdés-Olmos, H.G. Van Der Poel, F.W.B. Van Leeuwen // Physics in Medicine and Biology. –2012. – Vol. 57(10). – P. 3123-3136. – ISSN 0031-9155.
  3. Роженцов, А.А. Формирование 3D изображений при проведении трансуретральной резекции предстательной железы / А.А. Роженцов, В.Н. Дубровин, А.А. Баев, А.С. Наумов // Вестник Поволжского государственного технологического университета. – 2008. – № 3. – С. 45-50. – ISSN 2306-2819.
  4. Su, L.M. Augmented reality during robot-assisted laparoscopic partial nephrectomy: toward real-time 3D – CT to stereoscopic video registration / L.M. Su, B.P. Vagvolgyi, R. Agarwal, C.E. Reiley, R.H. Taylor, G.D. Hager // Urology. – 2009. – Vol. 73. – P. 896-900. – ISSN 1527-9995.
  5. Mitterberger, M. The use of three-dimensional computed tomography for assessing patients before laparoscopic adrenal-sparing surgery / M. Mitterberger, G.M. Pinggera, R. Peschel, G. Bartsch, L. Pallwein, F. Frauscher // BJU Int. – 2006. – Vol. 98(5), – P. 1068-1073. – ISSN 1464-410X.
  6. Дубровин, В.Н. Первый опыт применения метода компьютерной оптимизации малоинвазивного хирургического доступа по предоперационным томографическим данным при проведении ретроперитонеоскопической уретеролитотомии / В.Н. Дубровин, В.И. Баширов, Р.В. Ерусланов, Я.А. Фурман, А.А. Кудрявцев // Медицинский вестник Башкортостана. – 2013. – Т. 8, № 3. – С. 38-41. – ISSN 1999-6209.
  7. Volonté, F. Augmented reality and image overlay navigation with OsiriX in laparoscopic and robotic surgery: Not only a matter of fashion / F. Volonté , F. Pugin, P. Bucher, M. Sugimoto, O. Ratib, P. Morel // Journal of Hepato-Biliary-Pancreatic Sciences. – 2011. – Vol. 18(4). – P. 506-509. – ISSN 1868-6982.
  8. Sharp, G. Vision 20/20: Perspectives on automated image segmentation for radiotherapy / G. Sharp, K.D. Fritscher, V. Pekar, M. Peroni, N. Shusharina, H. Veeraraghavan, J. Yang // Medical Physics. – 2014. – Vol. 41(5). – DOI: 10.1118/1.4871620. – ISSN 0094-2405.
  9. Емельянов, С.И. Применение метода интраоперационной навигации при лапароскопической нефрэктомии / С.И. Емельянов, В.А. Вердченко, Д.Ю. Пушкарь [и др.] // Эндоскопическая хирургия. – 2009. – № 2. – С. 32-35. – ISSN 2309-5636.
  10. Huppertz, A. Computed tomography for preoperative planning in minimal-invasive total hip arthroplasty: Radiation exposure and cost analysis / A. Huppertz, S. Radmer, P. Asbach, R. Juran, C. Schwenke, G. Diederichs, B. Hamm, M. Sparmann // European Journal of Radiology. – 2011. – Vol. 78(3). – P. 406-413. – ISSN 1872-7727.
  11. Дубровин, В.Н. Аппаратно-программный комплекс для определения мест установки троакаров при лапароскопических операциях / В.Н. Дубровин, В.И. Баширов, Я.А. Фурман, А.А. Роженцов, А.А. Кудрявцев, Р.В. Еру­с­ланов, А.А. Баев, И.Л. Назаров // Патент на полезную модель №127615 от 15.08.2012.
  12. Dubrovin, V.N. Choice of surgical access for retroperitoneoscopic ureterolithotomy according to the results of 3D reconstruction of operational zone agreed with the patient: initial experience / V.N. Dubrovin, V.I. Bashirov, Y.A. Furman, A.A. Ro­zhen­tsov, R.V. Yeruslanov, A.A. Kudryavtsev // Central European Journal of Urology. – 2013. – Vol. 66(4). – P. 447-452. – ISSN 2080-4873.
  13. Дубровин, В.Н. Оптимизация хирургического доступа при проведении ретроперитонеоскопической уретеролитотомии с применением компьютерной 3D реконструкции / В.Н. Дубровин, В.И. Баширов, Я.А. Фурман, А.А. Роженцов, Р.В. Ерусланов, А.А. Кудрявцев // Экспериментальная и клиническая урология. – 2013. – № 4. – С. 86-89. – ISSN 2222-8543.
  14. Koss, J.E. Abdominal organ segmentation using texture transforms and a hopfield neural network / J.E. Koss, F.D. Newman, T.K. Johnson, D.L. Kirch. // Correspondences of IEEE Transaction on Medical Imaging. – 1999. – Vol. 18(7). – P. 640-648. – ISSN 1558-254X.
  15. Lee, C.C. Identifying multiple abdominal organs from CT image series using a multimodule contextual neural network and spatial fuzzy rules / C.C. Lee, P.C. Chung, H.M. Tsai // IEEE Transaction on Information Technology in Biomedicine. – 2003. – Vol. 7. – P. 208-217. – ISSN 1558-0032.
  16. Soler, L. Fully automatic anatomical, pathological, and functional segmentation from CT scans for hepatic surgery / L. Soler, H. Delingette, G. Malandain, J. Montagnat, N. Ayache, C. Koehl, O. Dourthe, B. Malassagne, M. Smith, D. Mutter, J. Marescaux // Computed Aided Surgery. – 2001. – Vol. 6(3). – P. 131-142. – ISSN 1097-0150.
  17. Lamecker, H. Segmentation of the liver using a 3D statistical shape model / H. Lamecker, T. Lange, M. Seebass // ZIBReport 04-09 (April 2004). – 2004. – P. 1-25. – DOI:10.1.1.90.6969.
  18. Park, H. Construction of an abdominal probabilistic atlas and its application in segmentation / H. Park, P. Bland, C. Meyer // IEEE Transactions on Medical Imaging. – 2003. – Vol. 22(4). – P. 483-492. – ISSN 1558-254X.
  19. Zhou, X. Constructing a Probabilistic Model for Automated Liver Region Segmentation Using Non-contrast X-Ray Torso CT images / X. Zhou, T. Kitagawa, T. Hara, H. Fuji­ta, X. Zhang, R. Yokoyama, H. Kondo, M. Ka­nematsu, H. Ho­shi // Medical Image Computing and Computer-Assisted Intervention – MICCAI 2006. – 2006. – Vol. 4191. – P. 856-63. – ISSN 0302-9743.
  20. Lefhohn, A. Interactive, GPU-based level sets for 3D segmentation / A. Lefhohn, J.E. Cates, R.T. Whitaker // Medical Image Computing and Computer-Assisted Intervention - MICCAI 2003. – 2003. – Vol. 2878. – P. 564-572. – ISSN 0302-9743.
  21. Cates, J. GIST: an interactive, GPU-based level set segmentation tool for 3D medical images / J. Cates, A. Lefohn, R. Whitaker // Medical Image Analysis. – 2004. – Vol. 8(3). – P. 217-231. – ISSN 1361-8423.
  22. Sethain, J.A. Level Set Methods and Fast Marching Methods: Evolving Interfaces in Computational Geometry, Fluid Mechanics, Computer Vision, and Materials Science / J.A. Sethain – Cambridge University Press, 1999. – 404 p.
  23. Osher, S. Geometric Level Set Methods in Imaging, Vision, and Graphics / S. Osher, N. Paragois – Springer-Verlag New York, Inc., 2003. – 513 p.
  24. Perona, P. Scale space and edge detection using anisotropic diffusion / P. Perona, J. Malik // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 1990. – Vol. 12(7). – P. 629-639. – ISSN 0162-8828.
  25. Gerig, G. Nonlinear Anisotropic Filtering of MRI Data / G. Gerig, R. Kikinis, O. Kübler, F.A. Jolesz // IEEE Transactions on Medical Imaging. – 1992. – Vol. 11(2). – P. 221-232. – ISSN 1558-254X.
  26. Lefohn, A.E. A streaming narrow-band algorithm: Interactive computation and visualization of level sets / A.E. Lefohn, J.M. Kniss, C.D. Hansen, R.T. Whitaker // IEEE Transactions on Visualization and Computer Graphics. – 2004. – Vol. 10(4). – P. 422-433. – DOI:10.1145/1198555.1198796.
  27. Лемешко, Б.Ю. Статистический анализ данных, моделирование и исследование вероятностных закономерностей. Компьютерный подход: монография / Б.Ю. Лемешко, С.Б. Лемешко, С.Н. Постовалов, Е.В. Чимитова. – Новосибирск : Изд-во НГТУ, 2011. – 888 с.


© 2009, IPSI RAS
Institution of Russian Academy of Sciences, Image Processing Systems Institute of RAS, Russia, 443001, Samara, Molodogvardeyskaya Street 151; E-mail: ko@smr.ru; Phones: +7 (846) 332-56-22, Fax: +7 (846) 332-56-20