3D vessel segmentatıon and analysis ın coronary CT angiography images

Abstract

Damar Bölütlemesi Biyomedikal Mühendisliği?nin popüler konularından birisidir. Bunun nedeni damarların morfolojik ve istatiksel özelliklerinin kardiyovasküler hastalıkların tespiti ve daralma noktalarındaki basınç değişimlerinin anlaşılmasında önemli rol oynamasıdır.. Bu konuya olan yoğun ilgiye ve görüntüleme teknolojilerindeki ilerlemelere bağlı olarak önemli miktarda koroner BT görüntüsü birikmiştir ve bunların hepsi analiz edilmeyi beklemektedir. Ancak bu resimlerin elle işlenmesi hem zor hem de vakit alan bir işlemdir. Bu nedenle otomatik araçlara gerek duyulmaktadır. Bu araçlar koroner arterleri ve akciğer damarlarını tespit etmeli, uygun bir şekilde bölütlemeli ve daralma, anevrizma gibi istatiksel özelliklerini ölçmelidir.Bu tezde çalışmaları devam etmekte olan otomatik analiz aracının, otomatik segmentasyon kısmına odaklanılmıştır. Koroner arterlerin ve akciğer damarlarının doğru bir şekilde bölütlenebilmesi için Frangi damarlık değerleri üzerine bölge büyütme kullanan bir metodun kullanılması önerilmiştir. Bu tezde bu metodun sonuçları literatürde bilinen diğer yöntemlerden; Bölge Büyütme, Frangi Damarlık ve Frangi Damarlık Değerleri üzerine bağlanırlık metodlarıyla karşılaştırılmıştır.Segmentasyon sonuçları hem görsel hem de sayısal olarak sentetik ve gerçek görüntüler üzerinde doğrulanmıştır. Bu sonuçlara göre Frangi Damarlık Değerleri üzerine uygulanan Bölge Büyütme metodu, diğer metodlara göre daha doğru sonuçlar vermektedir. Ayrıca bu yöntem sonucu bulunan damarlara düzlem oturtma yöntemi uygulanarak daralama miktarı belirlenmesi üzerine çalışılmıştır.

Vessel Segmentation is a popular topic in biomedical engineering since the morphological and statistical properties of vessels play an important role in detection of cardiovascular diseases and can be used for understanding stenosis and pressure changes in the related vessels. There is a vast amount of coronary CT images waiting to be analyzed thanks to the high interest in this topic and the advancements in imaging technology. But manual analysis of these images is a difficult and time-consuming task. Therefore, automated tools are required. Such tools should automatically detect coronary arteries and lung vessels, segment them properly, and measure their statistical properties like stenoses and aneurysm of a vessel.This thesis is focused on the automated segmentation part of an ongoing study. For accurate segmentation of coronary arteries and lung vessels, in this thesis a novel method using Region Growing over Frangi Vesselness Values is proposed, and its results are compared with three other state-of-the-art methods; Region Growing, Frangi Vesselness, and Connected Component Anaysis on Frangi Vesselness Values.Accuracy of the methods are validated both visually and quantitatively over synthetic and real images. Results show that, applying Region Growing on Frangi Vesselness Values leads to more accurate segmentation as compared to the other methods. Also, on the segmented coronary arteries a plane fitting is applied to detect and quantify the stenoses on vessels.