Seminarium doktoranckie 14.09.2022, mgr inż. Daniel Reska

Zapraszamy 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:

1. 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.
2. D. Reska, M. Krętowski: Multi-Resolution Texture-Based 3D Level Set Segmentation, IEEE Access, vol. 8, 2020, s. 143294–143305.
3. 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.
4. 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.
5. 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.
6. 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.
7. 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.