DSpace at VNU: Nghiên cứu một số kỹ thuật nội suy trong hiển thị ảnh y tế

- Xây dựng thực nghiệm với hai kỹ thuật nội suy đại diện cho hai nhóm phương pháp trên gồm nội suy tuyến tính và nội suy dựa trên cải tiến phép hợp nhất biến dạng cong, làm tăng số lượng

Nghiên cứu một số kỹ thuật nội suy trong hiển

thị ảnh y tế Lương Thị Thu Hà

Trường đại học Công nghệ Luận văn ThS Hệ thống thông tin; Mã số: 60 48 01 04 Người hướng dẫn: PGS.TS Đỗ Năng Toàn

Năm bảo vệ: 2014

Abstract - Nghiên cứu hai nhóm phương pháp nội suy lát cắt trung gian gồm nội suy

dựa trên cường độ và nội suy dựa trên đối tượng

- Xây dựng thực nghiệm với hai kỹ thuật nội suy đại diện cho hai nhóm phương pháp trên gồm nội suy tuyến tính và nội suy dựa trên cải tiến phép hợp nhất biến dạng cong, làm tăng số lượng lát cắt thu được, góp phần tái cấu trúc mô hình 3D giống thực tế, hỗ trợ bác sĩ trong chẩn đoán bệnh thông qua hình ảnh

Keywords Kỹ thuật nội suy; Xử lý ảnh; Y học; Công nghệ thông tin

Content

Chương 1: Khái quát về ảnh y tế và bài toán nội suy Những đặc trưng cơ bản của ảnh y tế được trình bày làm nền tảng để đề cập đến các vấn đề nội suy đối với ảnh y tế Tiếp đến là khái quát chung về bài toán nội suy và các hướng tiếp cận và ứng dụng của kỹ thuật nội suy trong xử lý ảnh y tế

Chương 2: Một số kỹ thuật nội suy trong xử lý ảnh y tế Nội dung của chương này trình bày mục đích sử dụng và thuật toán cụ thể của 7 kỹ thuật nội suy trong xử lý ảnh y tế

Chương 3: Chương trình thử nghiệm Chương này phát biểu bài toán nội suy sinh lát cắt trung gian giữa hai lát cắt đã biết Từ đó cài đặt thử nghiệm hai kỹ thuật này bằng ngôn ngữ C# và đánh giá thuật toán bằng cách sử dụng công thức MSE (Mean Squared Error) để so sánh lát cắt nội suy được sinh ra với lát cắt gốc

References

Tiếng Việt

[1] Lương Mạnh Bá, Nguyễn Thanh Thuỷ (1999), Nhập môn xử lý ảnh, NXB Khoa học kỹ thuật,

Hà Nội

[2] Phạm Việt Bình, Đỗ Năng Toàn (2008), Xử lý ảnh, NXB Khoa học kỹ thuật, Hà Nội

Tiếng Anh

[3] C R Appledorn, “A new approach to the interpolation of sampled data,” IEEE Trans Med

Imag., vol 15, pp 369–376, 1996

[4] R Appledorn, 1996, “A new approach to the interpolation of sampled data,” IEEE Trans

Med Imag., vol 15, pp 369–376

[5] B Fischer and J Modersitzki, Mar 2004, “A unified approach to fast image registration and

a new curvature based registration technique,” Linear Algebra and its Applications, vol 380,

pp 107– 124

[6] D H Frakes, L P Dasi, K Pekkan, H D Kitajima, K Sundareswaran, A P Yoganathan, and M J T Smith, Mar 2008, “A new method for registration-based medical image

interpolation”, IEEE Trans on medical imaging, vol 27, no 3, pp 370–7

[7] J D Faires and R L Burden, Numerical Methods Boston, MA: PWS,1993

[8] A Goshtasby, D A Turner, and L V Ackerman, Jan 1992, “Matching of tomographic slices

for interpolation.,” IEEE Trans on medical imaging, vol 11, no 4, pp 507–16

[9] G J Grevera and J K Udupa, Jan 1996, “Shape-based interpolation of multidimensional

grey-level images,” IEEE Trans on medical imaging, vol 15, no 6, pp 881–92

[10] G J Grevera and J K Udupa, Aug 1998, “An objective comparison of 3-D image

interpolation methods.,” IEEE transactions on medical imaging, vol 17, no 4, pp 642–52

[11] G J Grevera, J K Udupa, and Y Miki, 1999, “A task-specific evaluation of

three-dimensional image interpolation techniques,” IEEE Trans on medical imaging, vol 18, no

2, pp 137–43

[12] W E Higgins, C J Orlick, and B E Ledell, Jan 1996, “Nonlinear filtering approach to

3-D gray-scale image interpolation.,” IEEE Trans on medical imaging, vol 15, no 4, pp 580–

7

[13] Rorbert G.Keys, 1981, “Cubic convolution interpolation for digital image

processing”, IEEE Transactions on Acoustics, Speech, and Signal Processing, vol 29, no 6,

pp 1153-1160

[14] T Y Lee and W H Wang, 2000, “Morphology-based threedimensional interpolation”,

IEEE Trans on medical imaging, vol 19, no 7, pp 711–21

[15] J Leng, G Xu, and Y Zhang, 2013, “Medical image interpolation based on

multi-resolution registration,” Computers & Mathematics with Applications, vol 66, no 1, pp 1–

18

[16] C.-H Lin and T.-Y Lee, Dec 2002, “Feature-guided shape-based image interpolation”,

IEEE transactions on medical imaging, vol 21, no 12, pp 1479–89

[17] Thomas M Lehmann, Claudia Gonner, Klaus Spitzer, November 1999, “Survey:

Interpolation Methods in Medical Image Processing”, IEEE Transactions on Medical

Imaging, vol 18, no 1

[18] J Modersitzki, Aug 2004, Numerical Methods for Image Registration (Numerical

Mathematics and Scientific Computation), Oxford university press USA

[19] J Modersitzki, 2009, FAIR: flexible algorithms for image registration, vol 6 SIAM

[20] M Merickel, 1988, “3-D recontruction: The registration problem, Computer Vision,

Graph”, Image Processing, vol 42, pp 206 – 219

[21] G P Penney, J a Schnabel, D Rueckert, M a Viergever, W J Niessen, 2004,

“Registration-based interpolation”, IEEE Trans on medical imaging, vol 23, no 7, pp 922–

6

[22] S W Rowland, “Computer implementation of image reconstruction formulas,” in

Image Reconstruction from Projections: Implementation and Applications, G T

Herman Ed Berlin, Germany: Springer-Verlag, 1979, pp 9–70

[23] D Rueckert, L I Sonoda, C Hayes, D L Hill, M O Leach, D J Hawkes, 1999,

“Nonrigid registration using free-form deformations: application to breast MR

images.,” IEEE Trans on medical imaging, vol 18, no 8, pp 712–21

[24] Zeyun Yu, Ahmadreza Baghaie, 2014, “Curvature-Based registration for slice interpolation

of medical images”, Computational Modeling of Objects Presented in Images

Fundamentals, Methods, and Applications Lecture Notes in Computer Science ,

Springer,Volume 8641, pp 69-80