haku: @keyword segmentation / yhteensä: 34
hakutulos-lista
viite: 12 / 34
« edellinen | seuraava »
Tekijä:Hakala, Samuli
Työn nimi:Aivokuoren segmentointi ja mallinnus
Cortex segmentation and modelling
Julkaisutyyppi:Diplomityö
Julkaisuvuosi:2008
Sivut:68      Kieli:   fin
Koulu/Laitos/Osasto:Matematiikan ja systeemianalyysin laitos
Oppiaine:Matematiikka   (Mat-1)
Valvoja:Somersalo, Erkki
Ohjaaja:Somersalo, Erkki
OEVS:
Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje
sulje

Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossa

Oppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa.

Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/

Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.

Kirjautuminen asiakaskoneille

  • Aalto-yliopistolaiset kirjautuvat asiakaskoneille Aalto-tunnuksella ja salasanalla.
  • Muut asiakkaat kirjautuvat asiakaskoneille yhteistunnuksilla.

Opinnäytteen avaaminen

  • Asiakaskoneiden työpöydältä löytyy kuvake:

    Aalto Thesis Database

  • Kuvaketta klikkaamalla pääset hakemaan ja avaamaan etsimäsi opinnäytteen Aaltodoc-tietokannasta. Opinnäytetiedosto löytyy klikkaamalla viitetietojen OEV- tai OEVS-kentän linkkiä.

Opinnäytteen lukeminen

  • Opinnäytettä voi lukea asiakaskoneen ruudulta tai sen voi tulostaa paperille.
  • Opinnäytetiedostoa ei voi tallentaa muistitikulle tai lähettää sähköpostilla.
  • Opinnäytetiedoston sisältöä ei voi kopioida.
  • Opinnäytetiedostoa ei voi muokata.

Opinnäytteen tulostus

  • Opinnäytteen voi tulostaa itselleen henkilökohtaiseen opiskelu- ja tutkimuskäyttöön.
  • Aalto-yliopiston opiskelijat ja henkilökunta voivat tulostaa mustavalkotulosteita Oppimiskeskuksen SecurePrint-laitteille, kun tietokoneelle kirjaudutaan omilla Aalto-tunnuksilla. Väritulostus on mahdollista asiakaspalvelupisteen tulostimelle u90203-psc3. Väritulostaminen on maksullista Aalto-yliopiston opiskelijoille ja henkilökunnalle.
  • Ulkopuoliset asiakkaat voivat tulostaa mustavalko- ja väritulosteita Oppimiskeskuksen asiakaspalvelupisteen tulostimelle u90203-psc3. Tulostaminen on maksullista.
Sijainti:P1 Ark TF80     | Arkisto
Avainsanat:cortex
segmentation
deformable model
aivokuori
segmentointi
deformoituva malli
Tiivistelmä (fin): Tässä työssä tutkittiin ihmispään 3-ulotteisten magneettiresonanssikuvien automaattista segmentointia, sekä segmentoitujen pintojen kuvaamista kolmioverkkojen avulla.
Tavoitteena oli etsiä mahdollisimman yleispätevä menetelmä aivokuoren segmentointiin sekä kolmioverkon tuottamisen sen pinnasta.
Erityisenä haasteena oli epähomogeenisuuksien poistaminen kuvista sekä kapeiden uurteiden esiintuominen.

Segmentointialgoritmi muodostettiin bayesilaista mallintamisella, jossa eri segmentoituvia alueita sekä kuvassa esiintyviä epähomogeenisuuksia kuvattiin satunnaismuuttujilla.
Segmentoinnin toimivuutta testattiin sekä monimutkaisilla koko pään MR-kuvilla että pienemmillä yksinkertaisimmilla syötteillä.
Kehitetty algoritmi tuntui toimivan hyvin oikein valituilla alkuarvoilla sekä sopivilla luokkamäärillä.
Intensiteettiarvojen epähomogeenisuuksien poistaminen MR-kuvista onnistui segmentointialgoritmin sivutuotteena.

Kolmioverkkojen rakentamiseen käytettiin ns. deformoituvaa mallia.
Mallissa on erilaisia voimia, joilla annettu kolmioverkko kutistettiin aivokuoren pinnan mukaiseksi.
Apuna oli aivokuoren segmentoitua 3D-todennäköisyysdataa, johon kolmioverkko sovitettiin elementtimenetelmän avulla.
Sopivilla parametreilla saatiin johdetulla algoritmillä luotua geometrisiltä ominaisuuksiltaan tasapainoisia kolmioverkkoja.
Myöskin uurteet näyttivät mallintuvan.

Työn käytännön osuus toteutettiin luomalla useista Matlab-funktioista koostuva laaja ohjelmisto, jota käytettiin sekä segmentointiin että kolmioverkon rakentamiseen.
Suurin työmäärä oli kaavojen johtamisessa ja ohjelmiston laatimisessa sekä testaamisessa.
Tiivistelmä (eng): In this master's thesis I studied the automatic segmentation of 3-dimensional magnetic resonance images if human head and the modelling of segmented image surfaces with triangular meshes.
The goal was to find a universal method for the cortex segmentation and for the triangular mesh generation of the cortex surface.
A special challenge was the removal of image inhomogeneities and highlighting the narrow brain sulci.

The segmentation algorithm was derived with Bayesian modelling, where the different regions and inhomogeneities in the image were represented by random variables.
The correctness of the segmentation was tested with both complex whole head MR-images and with smaller simpler test inputs.
The developed system seemed to work well with correctly selected initial values and with suitable class count.
The removal of intensity inhomogeneities was also successful as a by-product of the segmentation process.

Triangular meshes were created with a deformable model.
In this model a given initial triangular mesh is shrinked to the cortex surface by the use of various force vectors.
An iterative solution to this problem was achieved with the finite element method using the segmented 3D-probability data of the cortex in the mesh generation.
With suitable initial parameters the algorithm produced results with balanced geometrical properties.
Also brain sulci were visible on the mesh.

An extensive set of programs consisting of several Matlab functions, that was used in both the mesh generation and image segmentation, was developed.
The biggest workload was in the deriving of the formulas, and in the programming and testing of the system.
ED:2009-02-17
INSSI tietueen numero: 36745
+ lisää koriin
« edellinen | seuraava »
INSSI