Program do segmentacji obiektów cylindrycznych w obrazach rastrowych 3D

Celem tej pracy jest rozwinięcie prostego algorytmu wykonującego półautomatyczną
segmentację obiektów cylindrycznych (inaczej struktur tubularnych). Algorytm ten powinien
działać przy użyciu małej liczby parametrów wejściowych i korzystać z podstawowych
technik poprawy jakości i segmentacji obrazów.
Istniejące algorytmy często oparte są na skomplikowanych równaniach
matematycznych i ich wykonywanie jest czasochłonne. W niektórych dziedzinach, np.
neurobiologii, segmentacja w wielu przypadkach jest wciąż wykonywana ręcznie. Istnieje
potrzeba tworzenia szybkich, stabilnych i możliwie najbardziej automatycznych algorytmów
segmentacyjnych. Algorytm wykonujący półautomatyczną segmentację został rozwinięty
i przetestowany w tej pracy.
Dane analizowane w tej pracy pochodzą z mikroskopii konfokalnej i angiografii
czasu przepływu (angiografia rezonansu magnetycznego). Obrazy te przedstawiają komórki
nerwowe oraz drzewa naczyń krwionośnych. Na potrzeby projektu przystosowano także
algorytmy służące do dwu- i trójwymiarowego przetwarzania obrazów, takie jak progowanie
3D, filtr medianowy 3D, globalne i lokalne wyrównywanie histogramu w 2D, obliczanie
projekcji maksymalnej intensywności i inne.
Rozwinięty algorytm segmentacyjny bazuje na metodach poprawy jakości obrazów
takich jak wyrównanie tła oraz na segmentacji za pomocą rozrostu obszaru. Pozwala na
szybką segmentację struktur tubularnych z użyciem niewielkiej liczby parametrów
wejściowych.
Praca składa się z ośmiu ponumerowanych rozdziałów. Rozdział 1 jest wstępem do
pracy i związanych z nią problemów. Rozdział 2 przedstawia metody akwizycji obrazów
biomedycznych oraz ogólne metody poprawy ich jakości oraz segmentacji. W trzecim
rozdziale przedstawione jest oprogramowanie i formaty plików użyte do osiągnięcia celu.
Rozdział 4 jest przeglądem niektórych istniejących algorytmów segmentacji neuronów oraz
naczyń krwionośnych. Rozdział 5 poświęcony jest prezentacji wyników pracy. W rozdziale
szóstym przedstawiono dyskusję wyników oraz wnioski płynące z wykonanej pracy.
Rozdział 7 stanowi podsumowanie pracy. W rozdziale ósmym zawarto kod niektórych
algorytmów rozwiniętych na potrzeby projektu.

The aim of this thesis is to develop a simple algorithm for semi-automatic
segmentation of tubular structures. The algorithm should take a small number of parameters
and use basic image enhancement and segmentation techniques.
Existing algorithms often use complicated mathematics and are time-consuming. In
some fields, like neuroscience, many segmentations are still performed manually. There is
a need for quick, robust, and possibly automatic segmentation algorithms. An algorithm
which performs semi-automatic segmentation was developed and tested in this work.
Datasets analysed in this project come from confocal microscopy and time-of-flight
MRA. They show nervous cells and vascular trees. During the project some 2D and 3D image
processing algorithms were developed apart from the main segmentation algorithm, like 3D
thresholding and median filtering functions, 2D global and local histogram equalization,
maximum intensity projection etc.
The developed algorithm bases on enhancement methods like background
subtraction and on a region-growing segmentation. It enables quick segmentation of images
with a moderate number of input parameters.
This work consists of 8 numbered chapters. The first chapter is the introduction to
the problem. The second chapter presents biomedical image acquisition techniques as well as
some general image enhancement and segmentation methods. Chapter 3 shows software and
file formats used to achieve the goals of the project. Chapter 4 is an overview of existing
solutions to neuron and vessel segmentation problem. The fifth chapter focuses on results of
the work. Chapter 6 is a discussion of the results and conclusions are presented there. The
seventh chapter is a summary of the work. In the eight chapter the code of some of the
developed algorithms is presented.