Vessel tractography using an intensity based tensor model

Abstract

Son on yılda, KAH (Koroner Arter Hastalığı) dünya çapında önde gelen ölüm nedenlerinden biri olmuştur. Patolojilerin doğru görselleştirilmesi, ölçme ve izleme içinarterlerin çıkarımı çok önemli bir adımdır. Ancak, arterler karmaşık dallı borumsu yapıyasahip olduklarından ve olası patolojiler taşıyabileceklerinden koroner arter bölütlemesitıbbi görüntü analizinde en zorlu sorunlardan biridir. Bunun yanında, stentler, kalsifikasyonlar ve stenoz gibi patolojiler kan damarlarının görünümünü ve geometrisini bozabilirler.Ayrıca, gürültü, kontrast ve çözünürlük yapay olguları sorunu daha zorlu yapabilirler.Bu tezde, Difüzyon Tensör Görüntüleme (DTG) modellerinden ilham alan, damarauygun, imge yeğinliğine dayanan yeni bir borumsu yapı bölütleme yöntemi sunulmaktadır. Damar içerisindeki yönbağımlı tensör, bölütlemeyi, DTG içerisindeki bir traktografi yaklaşımına benzer kılmaktadır. Modelimiz tek bir tohum noktasıyla başlatılır, ve otomatik dallanma algılama algoritmasıyla tüm damar ağacını yakalama yeteğine sahiptir.Damarın merkez çizgisinin yanısıra kalınlığı da bulunur. Niceliksel sağlama için algoritmamızın performansını 3 karmaşık borumsu yapıdaki sentetik datada, ve 8 BTA (Bilgisayarlı Tomografi Anjiyografi) datasetinde gösterdik. Bunun yanısıra, 10 BTA hacminden çıkarılan arterler kardioloji uzmanı tarafından niteliksel olarak verilen görsel skorlarla değerlendirildi.

In the last decade, CAD (Coronary Artery Disease) has been the leading cause of death worldwide. Extraction of arteries is a crucial step for accurate visualization, quantification, and tracking of pathologies. However, coronary artery segmentation is one of the most challenging problems in medical image analysis, since arteries are complex tubular structures with bifurcations, and have possible pathologies. Moreover, appearance of blood vessels and their geometry can be perturbed by stents, calcifications and pathologies such as stenosis. Besides, noise, contrast and resolution artifacts can make the problem more challenging. In this thesis, we present a novel tubular structure segmentation method based on an intensity-based tensor that fits to a vessel, which is inspired from diffusion tensor image (DTI) modeling. The anisotropic tensor inside the vessel drives the segmentation analogously to a tractography approach in DTI. Our model is initialized with a single seed point and it is capable of capturing whole vessel tree by an automatic branch detection algorithm. The centerline of the vessel as well as its thickness is extracted. We demonstrate the performance of our algorithm on 3 complex tubular structured synthetic datasets, and on 8 CTA (Computed Tomography Angiography) datasets (from Rotterdam Coronary Artery Algorithm Evaluation Framework) for quantitative validation. Additionally, extracted arteries from 10 CTA volumes are qualitatively evaluated by a cardiologist expert's visual scores.