Seminarium doktoranckie 14.09.2022, mgr inż. Daniel Reska
05-09-2022Zapraszamy na seminarium doktoranckie, które odbędzie się 14.09.2022 o godzinie 12:15 w sali 128. Przewidziane jest wystąpienie pana mgra inż. Daniela Reski w związku z planowanym złożeniem rozprawy doktorskiej w celu kontynuowania czynności w przewodzie doktorskim.
Tytuł: Algorytmy segmentacji obrazów medycznych oparte na modelach deformowalnych i analizie tekstur
Promotor: prof. dr hab. inż. Marek Krętowski
Promotor pomocniczy: dr inż. Cezary Bołdak
Streszczenie:
Zadaniem segmentacji obrazów medycznych jest podział obrazu na obszary w celu wyodrębnienia rozpatrywanych tkanek, organów lub zmian patologicznych. Klasą algorytmów często wykorzystywaną w tym zastosowaniu są modele deformowalne, oparte na idei kształtu dopasowującego się do danego obszaru. Tradycyjne modele korzystają ze względnie prostych cech obrazu. W przypadku obrazów medycznych użycie bardziej złożonych cech teksturalnych umożliwia lepsze uchwycenie własności danego obszaru lub jego podregionów (np. zmian patologicznych w tkankach organu). Problemem przy integracji analizy tekstur z algorytmami segmentacji jest konieczność wyboru właściwych metod wyliczania cech teksturalnych, a także ich duże wymagania obliczeniowe. Wydajność obliczeń ma szczególne znaczenie w przypadku obrazowań medycznych, generujących zbiory danych o dużej wielkości.
W wyniku badań opracowane zostały metody segmentacji oparte na modelach deformowalnych i analizie tekstur. Proponowane rozwiązania bazują na koncepcji wieloetapowego aktywnego modelu, złożonego z faz ekstrakcji i selekcji cech teksturalnych, szybkiej ewolucji modelu oraz etapu dopracowania ostatecznych wyników. Model ten nie jest przywiązany do konkretnego deskryptora tekstury i potrafi dynamicznie dobierać cechy z oferowanego zbioru. W celu osiągnięcia wysokiej wydajności zastosowano techniki obliczeń ogólnego przeznaczenia na układach GPU.
Przedstawione zostaną opracowane metody 2D i 3D oraz ich realizacje z użyciem wspomagania GPU. Zaprezentowane zostanie działanie metod na syntetycznych i rzeczywistych zbiorach danych, a także ich użycie w segmentacji płuc na obrazowaniach tomografii komputerowej oraz w segmentacji ognisk niedokrwiennych na obrazowaniach rezonansu magnetycznego mózgu.
Badania prowadzone były w ramach projektu NCN PRELUDIUM nr 2017/25/N/ST6/01849 nt.: „Metody segmentacji obrazów integrujące analizę tekstur i modele deformowalne” (kwota grantu: 150 200 PLN, okres realizacji: 2018-01-30–2023-01-29).
Wybrane publikacje:
- D. Reska, M. Krętowski: GPU-accelerated image segmentation based on level sets and multiple texture features, Multimedia Tools and Applications, vol. 80, nr 4, 2021, s. 5087–5109.
- D. Reska, M. Krętowski: Multi-Resolution Texture-Based 3D Level Set Segmentation, IEEE Access, vol. 8, 2020, s. 143294–143305.
- D. Reska, C. Bołdak, M. Krętowski: Towards multi-stage texture based active contour image segmentation. Signal, Image and Video Processing, vol. 11, nr 5, 2017, s. 809–816.
- D. Reska, C. Bołdak, M. Krętowski: A texture-based energy for active contour image segmentation, IP&C ’14, Bydgoszcz, Poland, Image Processing and Communications Challenges 6. Advances in Intelligent Systems and Computing, vol. 313, 2015, s. 187–194.
- D. Reska, K. Jurczuk, C. Bołdak, M. Krętowski: MESA: Complete approach for design and evaluation of segmentation methods using real and simulated tomographic images, Biocybernetics and Biomedical Engineering, vol. 34, 2014, s. 146–158.
- C. Simoncini, K. Jurczuk, D. Reska, S. Esneault, J.-C. Nunes , J.-J. Bellanger, H. Saint-Jalmes, Y. Rolland, P.-A. Eliat, J. Bézy-Wendling, M. Kretowski: Towards a patient-specific hepatic arterial modeling for microspheres distribution optimization in SIRT protocol, Medical and Biological Engineering and Computing, vol. 56, nr 3, 2018, s. 515–529.
- A. Piorkowski, K. Nurzynska, J. Gronkowska-Serafin, B. Selige, C. Boldak, D. Reska: Influence of applied corneal endothelium image segmentation techniques on the clinical parameters, Computerized Medical Imaging and Graphics, vol. 55, 2017, s. 13–27.