Segmentation of human facial muscles on CT and MRI data using level set and Bayesian methods

Abstract

Tıbbi görüntü bölütleme pek çok zorluklar içerir ve üzerinde sıklıkla çalışılan bir problemdir.Bu tezin ana hede ? insane mimik kaslarını otomatik olarak bölütlemek için yöntemler geliştirmekve bu yöntemleri karşılaştırarak en iyi yöntemi belirlemektir. Bölütleme yöntemleri Bayesçi MarkovRastgele Alanlar ve Etkin Çevre Hatları modelleri üzerine kurulmuştur. Önerilen bölütleme yöntemleri ön işleme, ana kas bölütleme işlemi ve son işlem kısımlarını içeren birden çok basamaklı birer işlemdir.Yöntemler Manyetik Rezonans (MR), Bilgisayarlı Tomogra ? (BT) verisi ve bilginin her iki veriden degeldiği birleştirilmiş veri seti üzerinde uygulandı. Yöntemler hem iki boyutlu hemüç boyutlu olarakuygulandı. Hasta verisinden elde edilen sonuçlar uzman bir radyolog tarafından işaretlenmişkaslarla istatistiki olarak karşılaştırıldı.

Medical image segmentation is a challenging problem, and is studied widely. In this the-sis, the main goal is to develop automatic segmentation techniques of human mimic musclesand to compare them with ground truth data in order to determine the method that providesbest segmentation results. The segmentation methods are based on Bayesian with MarkovRandom Field (MRF) and Level Set (Active Contour) models. Proposed segmentation meth-ods are multi step processes including preprocess, main muscle segmentation step and postprocess, and are applied on three types of data: Magnetic Resonance Imaging (MRI) data,Computerized Tomography (CT) data and uni ? ed data, in which case, information comingfrom both modalities are utilized. The methods are applied both in three dimensions (3D) andtwo dimensions (2D) data cases. A simulation data and two patient data are utilized for tests.The patient data results are compared statistically with ground truth data which was labeledby an expert radiologist.