A study on liver vessel segmentation

Abstract

amar bölütleme; Bilgisayarlı Tomografi Anjiyografi (BTA), Manyetik Rezonans Anjiyografi (MRA) ve özel olarak damar görüntülemeye adanmış tıbbi görüntüleme teknikleriyle elde edilmiş tıbbi görüntülerin farklı bölütlerinin görüntülenmesi, tanılanması ve nicemlenmesinde anahtar bir süreçtir. Bu tez, BTA görüntülerine uygulanan karaciğer damar bölütleme yöntemleri üzerine genel bir bakış sunmaktadır._x000B_Karaciğerin bölütlenmesi, karaciğer nakli ve karaciğer tümörlerinin tanılanmasında gerekli bir adımdır. Bu tez sonuç olarak karaciğer nakli ve karaciğer tümörlerinin tanılanmasında kullanılabilecek karaciğer damar bölütleme yöntemlerine odaklanmıştır._x000B_Damar bölütleme için bilimsel yazında geliştirilen yöntemler 1) örüntü tanıma, 2) görüntü işleme, 3) optimizasyon, 4) çizgi analizi ve 5) kısmi türevli denklem modellerine dayalı olarak beş farklı kategoriye ayrıştırılabilir. Örüntü tanıma grubu içerisine giren yöntemler kullanılan öz niteliklere dayalı olarak aşağıdaki alt gruplara ayrılırlar: 1) gözelerin gri düzey şiddetine bağlı yöntemler, 2) doku tabanlı yöntemler, ve 3) geometrik yöntemler. Örüntü tanıma grubundaki yöntemler kullanılan sınıflandırıcıya bağlı olarak da aşağıdaki gibi gruplandırılabilirler: 1) bilgi tabanlı yöntemler, 2) eğiticisiz (öbekleme) tabanlı yöntemler, 3) Yapay Sinir Ağları ve Destek Vektör Makinelerini içeren makine öğrenme yöntemleri, 4) olasılıksal yöntemler ve 5) karma yöntemler. Diğer yandan, görüntü işlemeye dayalı bölütleme yöntemleri topolojik, morfolojik ve gözelerin gri düzey şiddeti-uzamsal bilgiye dayalı olarak alt gruplara ayrılabilir. Vessel segmentation is a key process for visualization, diagnosis and quantification of different segments of the medical images obtained by Computed Tomography (CT), Computed Tomography Angiography (CTA), multi-phase CT, multi-detector CT, Magnetic Resonance (MR), Magnetic Resonance Angiography (MRA) and other medical imaging techniques devoted particularly to vessels. This thesis gives an overview on liver vessel segmentation methods applied to the images obtained by any medical imaging technique._x000B_Liver segmentation is a necessary step for liver transplantation and also for diagnosing liver tumors. This thesis focuses on the liver vessel segmentation methods which can ultimately be used for liver transplantation and for liver tumor diagnosis._x000B_The vessel segmentation is realized based on 1) pattern recognition, 2) image processing, 3) optimization, 4) graph analysis, and 5) partial differential equation models. The methods in the pattern recognition group can further be classified into the following sub-groups in terms of the features used: 1) intensity based methods, 2) textural based methods, and 3) geometric based methods. The classification of the methods in the pattern recognition group can also be done in terms of the classifiers used as: 1) knowledge based methods, 2) unsupervised (clustering) based methods, 3) machine learning methods including Artificial Neural Networks (ANNs) and Support Vector Machines (SVMs), 4) probabilistic methods, and 5) hybrid methods. On the other hand, image processing based segmentation methods can be categorized into subgroups based on topological, morphological and intensity-spatial information.